Kỹ thuật nào được sử dụng để phát hiện và nhận biết vật thể dựa trên hình dạng hình học của chúng?

Đăng ký hình ảnh (image registration) là quá trình biến đổi các tập dữ liệu khác nhau thành một hệ tọa độ. Quá trình này được sử dụng để căn chỉnh hai hoặc nhiều hình ảnh. SURF (Speeded Up Robust Features) là một thuật toán dò tìm đặc trưng cục bộ và mô tả được sử dụng trong thị giác máy tính. Nó được sử dụng để đăng ký hình ảnh, khớp các phần của hình ảnh hoặc nhận dạng đối tượng trong ảnh. Do đó, đáp án đúng là C.

Phân cụm K-means là một thuật toán phân cụm, dòng quang là một phương pháp ước tính chuyển động, và RANSAC là một thuật toán ước tính tham số.

A. Truy xuất hình ảnh là kỹ thuật tìm kiếm và truy xuất các hình ảnh tương tự từ một cơ sở dữ liệu hình ảnh lớn dựa trên sự tương đồng về nội dung hình ảnh (ví dụ: màu sắc, hình dạng, kết cấu). Do đó, đáp án A là đáp án chính xác.

B. Phân đoạn theo ngữ nghĩa là quá trình gán nhãn ngữ nghĩa cho từng pixel trong một hình ảnh, phân chia hình ảnh thành các vùng có ý nghĩa. Kỹ thuật này không trực tiếp liên quan đến việc phân loại hình ảnh dựa trên sự tương đồng tổng thể.

C. Chú thích hình ảnh là quá trình gán các nhãn hoặc mô tả bằng văn bản cho hình ảnh, giúp mô tả nội dung của hình ảnh. Nó không trực tiếp liên quan đến việc phân loại hình ảnh dựa trên sự tương đồng về hình ảnh.

D. Tổng hợp hình ảnh là quá trình tạo ra hình ảnh mới từ các hình ảnh hiện có hoặc từ các mô tả. Nó không liên quan trực tiếp đến việc phân loại hình ảnh dựa trên sự tương đồng.

Câu hỏi này liên quan đến việc tìm khái niệm phù hợp để biểu diễn các phép biến đổi hình học trong ảnh. Các phép biến đổi hình học (ví dụ: xoay, co giãn, tịnh tiến) được sử dụng để thay đổi vị trí, kích thước, hoặc hình dạng của vật thể trong ảnh.

• Đồng âm: Không liên quan trực tiếp đến biến đổi hình học.
• Cân bằng biểu đồ: Là một kỹ thuật để cải thiện độ tương phản của ảnh, không phải là một phép biến đổi hình học.
• Biến đổi Fourier: Là một phép biến đổi toán học chuyển đổi tín hiệu từ miền thời gian (hoặc không gian) sang miền tần số, thường dùng để phân tích tần số trong ảnh, không phải là một phép biến đổi hình học trực tiếp.
• Phát hiện cạnh Canny: Là một thuật toán để tìm các cạnh trong ảnh, không phải là một phép biến đổi hình học.

Như vậy, không có đáp án nào trong số các đáp án được cung cấp thực sự phù hợp để mô tả "các phép biến đổi hình học của vật thể trong ảnh". Tuy nhiên, nếu phải chọn một đáp án gần nhất, có lẽ nên chọn một đáp án mô tả một kết quả của một phép biến đổi (ví dụ như phát hiện cạnh có thể là một bước sau khi một phép biến đổi đã được thực hiện). Trong bối cảnh này, không có câu trả lời đúng.

Cân bằng biểu đồ (Histogram Equalization) là một kỹ thuật xử lý ảnh được sử dụng để cải thiện độ tương phản của một hình ảnh bằng cách trải đều các mức độ sáng. Điều này đặc biệt hữu ích trong các hình ảnh mà cả độ sáng và độ tương phản đều thấp, hoặc khi có sự biến đổi đáng kể về độ sáng (ví dụ: một số vùng quá tối, một số vùng quá sáng). Cân bằng biểu đồ giúp làm nổi bật các chi tiết trong ảnh bằng cách phân phối lại các giá trị pixel. Các lựa chọn khác không trực tiếp giải quyết vấn đề biến thể độ sáng:

• Làm sắc nét hình ảnh (Image sharpening): Tăng cường các cạnh và chi tiết, nhưng không loại bỏ các biến thể độ sáng tổng thể.
• So khớp biểu đồ (Histogram matching): Thay đổi biểu đồ của một ảnh để khớp với biểu đồ của một ảnh khác, nhưng không nhất thiết loại bỏ các biến thể độ sáng.
• Khử nhiễu hình ảnh (Image denoising): Loại bỏ nhiễu, chứ không phải là các biến thể độ sáng.

Các mô hình deep learning, đặc biệt là các mạng nơ-ron tích chập (Convolutional Neural Networks - CNNs), đã đạt được những tiến bộ đáng kể trong lĩnh vực siêu phân giải ảnh. Chúng có khả năng học các đặc trưng phức tạp từ dữ liệu ảnh có độ phân giải thấp và ánh xạ chúng đến các ảnh có độ phân giải cao tương ứng. Các thuật toán như SRCNN, EDSR, và RCAN là các ví dụ điển hình. Do đó, đáp án D là chính xác.

Các lựa chọn khác không phù hợp vì:

• Phân cụm K-mean (A) là một thuật toán phân cụm, thường được sử dụng để nhóm các điểm dữ liệu tương tự lại với nhau, không phải để nâng cao độ phân giải ảnh.
• Cây quyết định (B) là một thuật toán học máy có giám sát, thường được sử dụng cho các bài toán phân loại và hồi quy, không phù hợp cho việc tạo ảnh siêu phân giải.
• Máy vectơ hỗ trợ (SVM) (C) cũng là một thuật toán học máy có giám sát, thường được sử dụng cho các bài toán phân loại và hồi quy, nhưng không phải là lựa chọn tối ưu cho siêu phân giải ảnh so với deep learning.