การหาคุณลักษณะพิเศษ.

งานนำเสนอเรื่อง: "การหาคุณลักษณะพิเศษ."— ใบสำเนางานนำเสนอ:

1 การหาคุณลักษณะพิเศษ

2 การหาคุณลักษณะพิเศษ (Feature Extraction)
การแบ่งพื้นที่ภาพ (Zone) ตัวอย่างภาพขนาด 16x16 พิกเซล และการแบ่งพื้นที่ภาพ การแปลงภาพสีเทาให้เป็นภาพสีขาวดำ

3 การหาคุณลักษณะพิเศษ (Feature Extraction)
ลักษณะเฉพาะแบบภาพรวม (Global Feature) ลักษณะเฉพาะของแต่ละตัวอักษร (Local Feature) การแปลงภาพสีเทาให้เป็นภาพสีขาวดำ

4 ลักษณะเฉพาะแบบภาพรวม (Global Feature)
1. การหาความหนาแน่น ภาพ “ก” ที่ใช้เพื่อหาความหนาแน่น ความหนาแน่นของแต่ละพื้นที่ภาพ Feature ที่ได้จากการหาความหนาแน่น = 16 Feature Feature ของความหนาแน่นที่ทำการ Normalization การแปลงภาพสีเทาให้เป็นภาพสีขาวดำ

5 ลักษณะเฉพาะของแต่ละตัวอักษร (Local Feature)
2. การหาตำแหน่งหัวของตัวอักษร กำหนดตำแหน่งของพื้นที่ภาพให้เป็น 5 โซน โซนที่ 1 = [z1, z2, z5, z6] โซนที่ 2 = [z3, z4, z7, z8] โซนที่ 3 = [z9, z10, z13, z14] โซนที่ 4 = [z11, z12, z15, z16] โซนที่ 5 = [z6, z7, z10, z11] กำหนดพื้นที่ภาพให้เป็น 5 โซน การแปลงภาพสีเทาให้เป็นภาพสีขาวดำ

6 ลักษณะเฉพาะของแต่ละตัวอักษร (Local Feature)
ซึ่งการหาตำแหน่งหัวของตัวอักษร หาได้จากตำแหน่ง T-Joint ใน 12 รูปแบบ ดังนี้ รูปแบบของ T-Joint การหา T-Joint การแปลงภาพสีเทาให้เป็นภาพสีขาวดำ

7 ลักษณะเฉพาะของแต่ละตัวอักษร (Local Feature)
เมื่อพบตำแหน่งของ T-Joint ให้ทำการหาเส้นทางการเดินของ Chain code จะได้เส้นทางการเดินของ Chain code คือ {1, 2, 3, 4, 5, 6, 7, 0} 4 1 2 3 5 7 6 จุดเริ่ม การหา Chain code ทิศทาง Chain code การแปลงภาพสีเทาให้เป็นภาพสีขาวดำ

8 ลักษณะเฉพาะของแต่ละตัวอักษร (Local Feature)
จากภาพ “ข” มีตำแหน่งหัวอยู่ที่โซน 1 Feature ที่ได้จากการหาตำแหน่งหัวของตัวอักษร = 5 Feature ภาพ “ข” ที่ใช้เพื่อหาตำแหน่งหัวของตัวอักษร การแปลงภาพสีเทาให้เป็นภาพสีขาวดำ

9 ลักษณะเฉพาะของแต่ละตัวอักษร (Local Feature)
3. การหาตำแหน่งสิ้นสุดของตัวอักษร (End Point) ซึ่งการหาตำแหน่งสิ้นสุดของตัวอักษร ต้องอาศัย Mask (3x3) เพื่อช่วยในการหา Mask ขนาด 3x3 การแปลงภาพสีเทาให้เป็นภาพสีขาวดำ

10 ลักษณะเฉพาะของแต่ละตัวอักษร (Local Feature)
โดยพิจารณาตำแหน่งสิ้นสุดจากรูปแบบทั้ง 4 ลักษณะ ดังต่อไปนี้ ตำแหน่งที่ใช้ในการพิจารณาตำแหน่งสิ้นสุด การแปลงภาพสีเทาให้เป็นภาพสีขาวดำ

11 ลักษณะเฉพาะของแต่ละตัวอักษร (Local Feature)
Zone 2 ตำแหน่งสิ้นสุดของ Zone 2 การแปลงภาพสีเทาให้เป็นภาพสีขาวดำ

12 ลักษณะเฉพาะของแต่ละตัวอักษร (Local Feature)
จากภาพ “ข” มีตำแหน่งสิ้นสุดของตัวอักษรอยู่ที่โซน 2 Feature ที่ได้จากการหาตำแหน่งสิ้นสุดของตัวอักษร = 4 Feature ภาพ “ข” ที่ใช้เพื่อหาตำแหน่งสิ้นสุดของตัวอักษร การแปลงภาพสีเทาให้เป็นภาพสีขาวดำ

13 สรุปผลการหาคุณลักษณะพิเศษ
Feature ที่ได้จากการหาความหนาแน่น คือ 16 Feature Feature ที่ได้จากการหาตำแหน่งหัวของตัวอักษร คือ 5 Feature Feature ที่ได้จากการหาตำแหน่งสิ้นสุดของตัวอักษร คือ 4 Feature คุณลักษณะพิเศษ ที่ใช้เป็น Input node ใน Neural Network คือ 25 โหนด การแปลงภาพสีเทาให้เป็นภาพสีขาวดำ

14 การแปลงภาพสีเทาให้เป็นภาพสีขาวดำ
การหาคุณลักษณะพิเศษ จากงานวิจัย “การรู้จำลายมือเขียนภาษาไทยแบบออนไลน์ด้วยโครงข่ายประสาทเทียมแบบแพร่ย้อนกลับ” วิจัยโดย ศิริวัฒน์ ภูขาว และ พุทธิพงส์ เพ็งประโคน สรุปการหาคุณลักษณะพิเศษได้ดังนี้ การแปลงภาพสีเทาให้เป็นภาพสีขาวดำ

15 การแปลงภาพสีเทาให้เป็นภาพสีขาวดำ

16 ลักษณะเฉพาะของแต่ละตัวอักษร (Local Feature)
ตำแหน่งพิกัดที่พิจารณา 4. การหาทิศทางของตัวอักษรในแต่ละโซน เริ่มต้น สิ้นสุด พิกัดของตำแหน่งเริ่มต้น และสิ้นสุด การแปลงภาพสีเทาให้เป็นภาพสีขาวดำ

17 ลักษณะเฉพาะของแต่ละตัวอักษร (Local Feature)
คำนวณ การแปลงภาพสีเทาให้เป็นภาพสีขาวดำ