[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"_public_topic_publications_chu%E1%BB%97i%20h%C3%ACnh%20%E1%BA%A3nh{\"limit\":5}":3,"_public_topic_byId_chu%E1%BB%97i%20h%C3%ACnh%20%E1%BA%A3nh":11},{"code":4,"data":5,"meta":10},"SUCCESS",{"latest":6,"mostCited":7,"vietnamFeatured":8,"vietnamLatest":9},[],[],[],[],null,{"code":4,"data":12,"meta":10},{"id":13,"title":14,"description":15,"content":16,"term":13,"englishTitle":17,"synonyms":18,"definition":21,"discipline":22,"references":23,"faqs":64,"createUser":77,"publishUser":81,"keywords":85,"keywordCount":82,"enrichTopicLink":86,"status":87,"createTime":88,"updateTime":89,"publishTime":90,"linkEnrichedTime":10,"publicationScanTime":10,"contentErrorMessage":10,"viewCount":91,"wikidataId":10,"relateTopics":92},"chuỗi hình ảnh","Chuỗi hình ảnh là gì? Bản chất toán học và ứng dụng","Chuỗi hình ảnh là tập hợp khung hình theo thời gian hoặc không gian, là cơ sở ước lượng dòng quang học, bám vết đối tượng và tái tạo 3D.","\u003Cp>Chuỗi hình ảnh (image sequence) là tập hợp có thứ tự gồm hai hoặc nhiều khung hình hai chiều hoặc ba chiều được thu nhận liên tiếp theo thời gian hoặc trục tọa độ không gian, phản ánh sự biến đổi động học và hình thái học của đối tượng trong môi trường quan sát. Trong lĩnh vực thị giác máy tính và xử lý tín hiệu đa chiều, chuỗi hình ảnh đóng vai trò là nguồn dữ liệu nền tảng để suy diễn các thông tin chuyển động, tái tạo cấu trúc không gian ba chiều và nhận dạng hành vi.\u003C\u002Fp>\n\n\u003Ch2>Bản chất và cấu trúc toán học của chuỗi hình ảnh\u003C\u002Fh2>\n\u003Cp>Một bức ảnh số tĩnh hai chiều thông thường được biểu diễn dưới dạng hàm phân bố cường độ sáng \u003Cscript type=\"math\u002Ftex\">I(x, y)\u003C\u002Fscript>, trong đó \u003Cscript type=\"math\u002Ftex\">x\u003C\u002Fscript> và \u003Cscript type=\"math\u002Ftex\">y\u003C\u002Fscript> là tọa độ không gian rời rạc trên lưới điểm ảnh. Khi mở rộng sang miền thời gian, chuỗi hình ảnh được mô hình hóa toán học thành hàm ba chiều \u003Cscript type=\"math\u002Ftex\">I(x, y, t)\u003C\u002Fscript>, với \u003Cscript type=\"math\u002Ftex\">t\u003C\u002Fscript> biểu diễn chỉ số khung hình hoặc mốc thời gian lấy mẫu liên tục.\u003C\u002Fp>\n\n\u003Cp>Đối với các hệ thống ghi nhận dữ liệu thể tích đa chiều, chẳng hạn như chụp cắt lớp vi tính động học hay cộng hưởng từ bốn chiều, chuỗi hình ảnh trở thành hàm bốn chiều \u003Cscript type=\"math\u002Ftex\">I(x, y, z, t)\u003C\u002Fscript>, trong đó ba chiều không gian \u003Cscript type=\"math\u002Ftex\">(x, y, z)\u003C\u002Fscript> kết hợp cùng trục thời gian \u003Cscript type=\"math\u002Ftex\">t\u003C\u002Fscript>. Cấu trúc này tạo ra mối tương quan kép: tương quan không gian giữa các điểm ảnh lân cận trong cùng một khung hình và tương quan thời gian giữa các điểm ảnh tương ứng qua các khung hình kế tiếp.\u003C\u002Fp>\n\n\u003Ch2>Phân loại chuỗi hình ảnh\u003C\u002Fh2>\n\u003Cp>Dựa trên bản chất của quá trình thu nhận tín hiệu và mục tiêu phân tích kỹ thuật, chuỗi hình ảnh được phân chia thành các nhóm chính sau:\u003C\u002Fp>\n\n\u003Cul>\n\u003Cli>\u003Cstrong>Chuỗi ảnh theo thời gian (Temporal Image Sequence):\u003C\u002Fstrong> Dữ liệu được ghi nhận từ một hoặc nhiều máy ảnh cố định hoặc di động với tần số quét xác định theo thời gian. Ví dụ tiêu biểu gồm luồng video giám sát an ninh, video quay tốc độ cao trong cơ học thực nghiệm và chuỗi ảnh động học tim.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Chuỗi ảnh theo không gian (Spatial Image Sequence):\u003C\u002Fstrong> Tập hợp các lát cắt hình ảnh hai chiều song song được chụp dọc theo một trục không gian của vật thể, thường gặp trong các kỹ thuật quét lớp y tế hoặc vi phẫu hiển vi.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Chuỗi ảnh đa góc nhìn (Multiview Image Sequence):\u003C\u002Fstrong> Tập hợp các khung hình chụp cùng một hiện trường từ nhiều vị trí góc nhìn khác nhau tại cùng một thời điểm hoặc đồng bộ thời gian thực, phục vụ tái tạo mô hình thực tế ảo và hiệu ứng thị sai.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Chuỗi ảnh đa phổ và siêu phổ thời gian (Spatiotemporal Multispectral Sequence):\u003C\u002Fstrong> Kết hợp chuỗi khung hình theo thời gian với các dải bước sóng điện từ khác nhau, ứng dụng trong quan trắc viễn thám nông nghiệp và phân tích biến đổi môi trường.\u003C\u002Fli>\n\u003C\u002Ful>\n\n\u003Ch2>Nguyên lý xử lý và phân tích chuỗi hình ảnh\u003C\u002Fh2>\n\u003Cp>Việc khai thác thông tin từ chuỗi hình ảnh đòi hỏi các thuật toán đặc thù nhằm giải quyết mối liên hệ tương quan giữa các chiều dữ liệu.\u003C\u002Fp>\n\n\u003Ch3>Ước lượng chuyển động và dòng quang học\u003C\u002Fh3>\n\u003Cp>Theo công trình nền tảng của Horn và Schunck (1981), phân tích dòng quang học (optical flow) dựa trên giả định bất biến độ sáng (brightness constancy constraint). Giả định này phát biểu rằng cường độ sáng của một điểm vật lý không thay đổi khi điểm đó dịch chuyển một khoảng \u003Cscript type=\"math\u002Ftex\">(\\Delta x, \\Delta y)\u003C\u002Fscript> trong khoảng thời gian \u003Cscript type=\"math\u002Ftex\">\\Delta t\u003C\u002Fscript>:\u003C\u002Fp>\n\n\u003Cscript type=\"math\u002Ftex; mode=display\">I(x + \\Delta x, y + \\Delta y, t + \\Delta t) = I(x, y, t)\u003C\u002Fscript>\n\n\u003Cp>Khai triển chuỗi Taylor bậc một cho vế trái và triệt tiêu các thành phần bậc cao dẫn đến phương trình vi phân dòng quang học:\u003C\u002Fp>\n\n\u003Cscript type=\"math\u002Ftex; mode=display\">I_x u + I_y v + I_t = 0\u003C\u002Fscript>\n\n\u003Cp>Trong đó \u003Cscript type=\"math\u002Ftex\">I_x = \\frac{\\partial I}{\\partial x}\u003C\u002Fscript> và \u003Cscript type=\"math\u002Ftex\">I_y = \\frac{\\partial I}{\\partial y}\u003C\u002Fscript> là các đạo hàm riêng không gian của cường độ sáng, \u003Cscript type=\"math\u002Ftex\">I_t = \\frac{\\partial I}{\\partial t}\u003C\u002Fscript> là đạo hàm riêng theo thời gian, còn \u003Cscript type=\"math\u002Ftex\">u = \\frac{dx}{dt}\u003C\u002Fscript> và \u003Cscript type=\"math\u002Ftex\">v = \\frac{dy}{dt}\u003C\u002Fscript> lần lượt là các thành phần vận tốc theo trục hoành và trục tung.\u003C\u002Fp>\n\n\u003Cp>Phương trình trên chỉ cung cấp một ràng buộc tuyến tính cho hai ẩn số \u003Cscript type=\"math\u002Ftex\">u\u003C\u002Fscript> và \u003Cscript type=\"math\u002Ftex\">v\u003C\u002Fscript>, dẫn tới hiện tượng bất định cục bộ được gọi là vấn đề khẩu độ (aperture problem). Để giải quyết vấn đề này, Horn và Schunck (1981) đề xuất bổ sung điều kiện trơn toàn cục, tối thiểu hóa hàm mục tiêu năng lượng:\u003C\u002Fp>\n\n\u003Cscript type=\"math\u002Ftex; mode=display\">E = \\iint \\left( (I_x u + I_y v + I_t)^2 + \\alpha^2 \\left( \\|\\nabla u\\|^2 + \\|\\nabla v\\|^2 \\right) \\right) dx dy\u003C\u002Fscript>\n\n\u003Cp>với \u003Cscript type=\"math\u002Ftex\">\\alpha\u003C\u002Fscript> là trọng số điều hòa độ trơn và \u003Cscript type=\"math\u002Ftex\">\\nabla\u003C\u002Fscript> là toán tử gradient không gian. Phương pháp này thiết lập một hệ phương trình vi phân đạo hàm riêng liên kết trên toàn bộ miền ảnh.\u003C\u002Fp>\n\n\u003Ch3>Tái tạo cấu trúc ba chiều từ chuỗi chuyển động\u003C\u002Fh3>\n\u003Cp>Trong đồ họa máy tính và đo đạc thị giác, kỹ thuật cấu trúc từ chuyển động (Structure from Motion, SfM) khai thác chuỗi hình ảnh liên tiếp thu nhận từ máy ảnh di chuyển để ước lượng đồng thời quỹ đạo máy ảnh và tọa độ đám mây điểm ba chiều của cảnh quan.\u003C\u002Fp>\n\n\u003Cp>Theo công trình kinh điển của Tomasi và Kanade (1992), phương pháp nhân tử hóa (factorization method) thiết lập ma trận đo lường \u003Cscript type=\"math\u002Ftex\">W\u003C\u002Fscript> kích thước \u003Cscript type=\"math\u002Ftex\">2F \\times P\u003C\u002Fscript>, trong đó \u003Cscript type=\"math\u002Ftex\">F\u003C\u002Fscript> là số lượng khung hình trong chuỗi ảnh và \u003Cscript type=\"math\u002Ftex\">P\u003C\u002Fscript> là số lượng điểm đặc trưng được theo dõi:\u003C\u002Fp>\n\n\u003Cscript type=\"math\u002Ftex; mode=display\">W = M S\u003C\u002Fscript>\n\n\u003Cp>với ma trận chuyển động máy ảnh \u003Cscript type=\"math\u002Ftex\">M\u003C\u002Fscript> có kích thước \u003Cscript type=\"math\u002Ftex\">2F \\times 3\u003C\u002Fscript> và ma trận hình học cấu trúc ba chiều \u003Cscript type=\"math\u002Ftex\">S\u003C\u002Fscript> có kích thước \u003Cscript type=\"math\u002Ftex\">3 \\times P\u003C\u002Fscript>. Dưới phép chiếu trực giao, Tomasi và Kanade (1992) chứng minh rằng ma trận đo lường \u003Cscript type=\"math\u002Ftex\">W\u003C\u002Fscript> có hạng toán học tối đa bằng 3, cho phép áp dụng phép phân tích suy biến giá trị đơn lẻ (Singular Value Decomposition, SVD) để phân rã ma trận và khôi phục hình học ba chiều chính xác ngay cả khi có nhiễu đo đạc.\u003C\u002Fp>\n\n\u003Ch3>Theo dõi đối tượng qua chuỗi thời gian\u003C\u002Fh3>\n\u003Cp>Theo dõi đối tượng liên tục (visual object tracking) là bài toán ước lượng trạng thái vị trí, kích thước và quỹ đạo của một hoặc nhiều mục tiêu qua các khung hình liên tiếp. Quy trình xử lý thường kết hợp mô hình quan sát đặc trưng không gian và mô hình động học dự đoán thời gian.\u003C\u002Fp>\n\n\u003Cp>Trong nghiên cứu của Bewley và cộng sự (2016), thuật toán theo dõi thời gian thực SORT (Simple Online and Realtime Tracking) kết hợp bộ lọc Kalman hai chiều để dự báo vị trí hộp bao đối tượng cùng thuật toán kết cặp Hungarian dựa trên độ giao trên hợp (Intersection over Union, IoU), đạt tốc độ xử lý lên đến 260 khung hình mỗi giây trên chuỗi video tiêu chuẩn mà vẫn duy trì độ chính xác cao.\u003C\u002Fp>\n\n\u003Ch3>Đăng ký chuỗi ảnh phi tuyến trong y sinh\u003C\u002Fh3>\n\u003Cp>Trong xử lý ảnh y học, việc theo dõi biến dạng mô mềm qua chuỗi ảnh cộng hưởng từ (MRI) hoặc cắt lớp vi tính (CT) theo thời gian đòi hỏi kỹ thuật đăng ký ảnh phi tuyến (nonrigid registration). Nghiên cứu của Rueckert và cộng sự (1999) đã phát triển mô hình biến dạng tự do (free-form deformations, FFD) dựa trên hàm B-spline bậc ba cục bộ để khớp nối chính xác chuỗi ảnh động học của mô tuyến vú, cho phép lượng hóa mức độ dịch chuyển vi mô và tưới máu mô sống.\u003C\u002Fp>\n\n\u003Ch2>Bảng so sánh phương pháp phân tích chuỗi hình ảnh\u003C\u002Fh2>\n\u003Cp>Các phương pháp xử lý chuỗi hình ảnh được lựa chọn tùy thuộc vào giả định động học và yêu cầu tài nguyên tính toán:\u003C\u002Fp>\n\n\u003Ctable>\n\u003Cthead>\n\u003Ctr>\n\u003Cth>Phương pháp\u003C\u002Fth>\n\u003Cth>Nguyên lý cốt lõi\u003C\u002Fth>\n\u003Cth>Đặc tính chuyển động\u003C\u002Fth>\n\u003Cth>Ưu điểm nổi bật\u003C\u002Fth>\n\u003Cth>Hạn chế chính\u003C\u002Fth>\n\u003C\u002Ftr>\n\u003C\u002Fthead>\n\u003Ctbody>\n\u003Ctr>\n\u003Ctd>\u003Cstrong>Dòng quang học vi phân (Horn-Schunck)\u003C\u002Fstrong>\u003C\u002Ftd>\n\u003Ctd>Bất biến độ sáng kết hợp ràng buộc trơn toàn cục\u003C\u002Ftd>\n\u003Ctd>Chuyển động dày đặc (dense flow), bước dịch chuyển nhỏ\u003C\u002Ftd>\n\u003Ctd>Trích xuất trường vận tốc liên tục cho từng điểm ảnh\u003C\u002Ftd>\n\u003Ctd>Nhạy cảm với thay đổi ánh sáng và bóng đổ phức tạp\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>\u003Cstrong>Theo dõi điểm đặc trưng (KLT Tracker)\u003C\u002Fstrong>\u003C\u002Ftd>\n\u003Ctd>Tìm kiếm cực trị gradient và tối ưu cục bộ lặp\u003C\u002Ftd>\n\u003Ctd>Chuyển động thưa (sparse flow), bám điểm góc\u003C\u002Ftd>\n\u003Ctd>Tốc độ tính toán nhanh, ít tốn bộ nhớ\u003C\u002Ftd>\n\u003Ctd>Mất dấu khi vật thể bị xoay trục lớn hoặc biến dạng mạnh\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>\u003Cstrong>Nhân tử hóa ma trận (Tomasi-Kanade)\u003C\u002Fstrong>\u003C\u002Ftd>\n\u003Ctd>Phân tích suy biến SVD trên ma trận quỹ đạo điểm\u003C\u002Ftd>\n\u003Ctd>Chuyển động vật thể cứng dưới phép chiếu trực giao\u003C\u002Ftd>\n\u003Ctd>Tối ưu toàn cục, giải trực tiếp cấu trúc ba chiều\u003C\u002Ftd>\n\u003Ctd>Không áp dụng được cho vật thể biến dạng phi tuyến\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>\u003Cstrong>Mạng nơ-ron không-thời gian (3D CNN \u002F Video Transformer)\u003C\u002Fstrong>\u003C\u002Ftd>\n\u003Ctd>Tích chập 3D hoặc cơ chế tự chú ý đa chiều\u003C\u002Ftd>\n\u003Ctd>Chuyển động phức tạp, phi tuyến tính cao\u003C\u002Ftd>\n\u003Ctd>Tự động học đặc trưng ngữ nghĩa mức cao\u003C\u002Ftd>\n\u003Ctd>Yêu cầu tập dữ liệu huấn luyện lớn và phần cứng GPU mạnh\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003C\u002Ftbody>\n\u003C\u002Ftable>\n\n\u003Ch2>Ứng dụng thực tiễn của chuỗi hình ảnh\u003C\u002Fh2>\n\u003Cp>Chuỗi hình ảnh là thành phần then chốt trong nhiều hệ thống kỹ thuật hiện đại:\u003C\u002Fp>\n\n\u003Cul>\n\u003Cli>\u003Cstrong>Giao thông thông minh và xe tự hành:\u003C\u002Fstrong> Phân tích chuỗi khung hình từ camera gắn trên xe để phát hiện người đi bộ, làn đường, biển báo và ước lượng thời gian va chạm tiềm ẩn (Time-to-Collision), hỗ trợ hệ thống phanh khẩn cấp tự động.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Chẩn đoán hình ảnh y khoa:\u003C\u002Fstrong> Phân tích chuỗi ảnh chụp mạch vành qua tia X, siêu âm Doppler tim và chuỗi MRI chức năng (fMRI) để đánh giá cung lượng tim, phát hiện cục máu đông và đo đạc tưới máu não theo thời gian thực.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Quan sát Trái Đất và khí tượng viễn thám:\u003C\u002Fstrong> Xử lý chuỗi ảnh vệ tinh địa tĩnh để dự báo hướng di chuyển của bão nhiệt đới, giám sát độ che phủ rừng và theo dõi biến đổi dòng chảy sông ngòi trong quản lý tài nguyên nước.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Tự động hóa công nghiệp và kiểm tra chất lượng:\u003C\u002Fstrong> Sử dụng hệ thống camera tốc độ cao thu nhận chuỗi hình ảnh sản phẩm di chuyển trên băng chuyền để phát hiện lỗi cơ khí vi mô và phân loại sản phẩm theo tiêu chuẩn kỹ thuật.\u003C\u002Fli>\n\u003C\u002Ful>\n\n\u003Ch2>Giới hạn kỹ thuật và thách thức nghiên cứu\u003C\u002Fh2>\n\u003Cp>Mặc dù đạt được nhiều bước tiến quan trọng, việc xử lý và phân tích chuỗi hình ảnh vẫn đối mặt với các thách thức kỹ thuật cơ bản:\u003C\u002Fp>\n\n\u003Cul>\n\u003Cli>\u003Cstrong>Hiện tượng chồng phổ thời gian (Temporal Aliasing):\u003C\u002Fstrong> Khi tần số lấy mẫu khung hình thấp hơn hai lần tần số chuyển động cao nhất của đối tượng theo định lý lấy mẫu Nyquist-Shannon, chuỗi hình ảnh sẽ xuất hiện sai số biến dạng chuyển động nghiêm trọng, gây hiện tượng vật thể chuyển động lùi hoặc vệt mờ chuyển động (motion blur).\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Sự che khuất hoàn toàn và xuất hiện lại (Occlusion):\u003C\u002Fstrong> Vật thể quan sát có thể bị che khuất một phần hoặc toàn bộ bởi vật thể khác trong một số khung hình liên tiếp, làm gián đoạn quỹ đạo bám vết và đòi hỏi cơ chế nhớ dài hạn để tái định danh.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Sự biến đổi điều kiện chiếu sáng phi tuyến:\u003C\u002Fstrong> Các thay đổi đột ngột về cường độ nguồn sáng tự nhiên, hiện tượng phản xạ gương và bóng đổ vi phạm giả định bảo toàn độ sáng, đòi hỏi các thuật toán bù sáng thích nghi phức tạp.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Dung lượng tính toán khổng lồ:\u003C\u002Fstrong> Xử lý chuỗi hình ảnh độ phân giải siêu cao (4K\u002F8K) hoặc chuỗi thể tích 4D trong thời gian thực đòi hỏi băng thông truyền dữ liệu lớn và thuật toán song song hóa tối ưu trên phần cứng chuyên dụng.\u003C\u002Fli>\n\u003C\u002Ful>\n","image sequence",[19,20],"chuỗi ảnh","dãy ảnh","Chuỗi hình ảnh là tập hợp có thứ tự gồm hai hoặc nhiều khung hình hai chiều hoặc ba chiều được thu nhận liên tiếp theo thời gian hoặc không gian, phản ánh sự biến đổi động học và hình thái học của đối tượng trong môi trường quan sát.","ENGINEERING_TECHNOLOGY",[24,32,40,48,56],{"citationText":25,"title":26,"authors":27,"source":28,"year":29,"doi":30,"url":31},"Horn, B. K. P., & Schunck, B. G. (1981). Determining optical flow. Artificial Intelligence, 17(1-3), 185-203.","Determining optical flow","Horn, Schunck","Artificial Intelligence",1981,"10.1016\u002F0004-3702(81)90024-2","https:\u002F\u002Fdoi.org\u002F10.1016\u002F0004-3702(81)90024-2",{"citationText":33,"title":34,"authors":35,"source":36,"year":37,"doi":38,"url":39},"Szeliski, R. (2022). Computer Vision: Algorithms and Applications. 2nd ed. Springer International Publishing.","Computer Vision","Szeliski","Texts in Computer Science, Springer",2022,"10.1007\u002F978-3-030-34372-9","https:\u002F\u002Fdoi.org\u002F10.1007\u002F978-3-030-34372-9",{"citationText":41,"title":42,"authors":43,"source":44,"year":45,"doi":46,"url":47},"Tomasi, C., & Kanade, T. (1992). Shape and motion from image streams under orthography: a factorization method. International Journal of Computer Vision, 9(2), 137-154.","Shape and motion from image streams under orthography: a factorization method","Tomasi, Kanade","International Journal of Computer Vision",1992,"10.1007\u002Fbf00129684","https:\u002F\u002Fdoi.org\u002F10.1007\u002Fbf00129684",{"citationText":49,"title":50,"authors":51,"source":52,"year":53,"doi":54,"url":55},"Rueckert, D., Sonoda, L. I., Hayes, C., Hill, D. L. G., Leach, M. O., & Hawkes, D. J. (1999). Nonrigid registration using free-form deformations: application to breast MR images. IEEE Transactions on Medical Imaging, 18(8), 712-721.","Nonrigid registration using free-form deformations: application to breast MR images","Rueckert, Sonoda, Hayes, Hill, Leach, Hawkes","IEEE Transactions on Medical Imaging",1999,"10.1109\u002F42.796284","https:\u002F\u002Fdoi.org\u002F10.1109\u002F42.796284",{"citationText":57,"title":58,"authors":59,"source":60,"year":61,"doi":62,"url":63},"Bewley, A., Ge, Z., Ott, L., Ramos, F., & Upcroft, B. (2016). Simple online and realtime tracking. 2016 IEEE International Conference on Image Processing (ICIP), 3464-3468.","Simple online and realtime tracking","Bewley, Ge, Ott, Ramos, Upcroft","2016 IEEE International Conference on Image Processing (ICIP)",2016,"10.1109\u002Ficip.2016.7533003","https:\u002F\u002Fdoi.org\u002F10.1109\u002Ficip.2016.7533003",[65,68,71,74],{"question":66,"answer":67},"Chuỗi hình ảnh khác với video thông thường như thế nào?","Video là một dạng chuỗi hình ảnh theo thời gian phục vụ hiển thị trực quan cho mắt người, trong khi chuỗi hình ảnh là khái niệm tổng quát bao gồm cả chuỗi quét theo không gian, chuỗi đa phổ và chuỗi thể tích y tế đa chiều phục vụ đo đạc định lượng và thuật toán thị giác máy tính.",{"question":69,"answer":70},"Vấn đề khẩu độ trong phân tích chuỗi hình ảnh là gì?","Vấn đề khẩu độ là hiện tượng bất định xảy ra khi quan sát chuyển động qua một cửa sổ cục bộ nhỏ, trong đó thuật toán chỉ xác định được thành phần vận tốc vuông góc với cạnh của vật thể mà không thể xác định thành phần vận tốc song song, đòi hỏi phải bổ sung ràng buộc trơn toàn cục để giải.",{"question":72,"answer":73},"Làm thế nào để tái tạo mô hình 3D từ chuỗi hình ảnh chuyển động?","Kỹ thuật cấu trúc từ chuyển động (SfM) theo dõi quỹ đạo của các điểm đặc trưng qua các khung hình liên tiếp, sau đó áp dụng phép phân tích suy biến ma trận (SVD) hoặc tối ưu hóa chùm tia (bundle adjustment) để ước lượng đồng thời vị trí máy ảnh và tọa độ đám mây điểm ba chiều.",{"question":75,"answer":76},"Tại sao việc xử lý chuỗi hình ảnh y tế lại phức tạp hơn ảnh tĩnh?","Chuỗi ảnh y tế như cine-MRI hay 4D-CT ghi nhận sự co bóp tim hoặc chuyển động hô hấp, đòi hỏi các thuật toán đăng ký ảnh biến dạng phi tuyến để bù trừ chuyển động sinh lý liên tục của các mô mềm mà vẫn bảo toàn chính xác cấu trúc giải phẫu học.",{"id":78,"researcherId":10,"name":79,"imageUrl":80},2633,"Hoài Đặng","https:\u002F\u002Flh3.googleusercontent.com\u002Fa\u002FACg8ocLVXVafUxrnnC_H60UeQdpLE3UgeKGCSesypz_6Vi59B-n9C41A=s96-c",{"id":82,"researcherId":10,"name":83,"imageUrl":84},1,"Nguyễn Ngọc Sơn","https:\u002F\u002Flh3.googleusercontent.com\u002Fa\u002FACg8ocLGfGsF1nYQqYK5BasTLhNu1dBrBXg2fcEgBNPXJ0p2gqLQnO7i=s96-c",[13],false,"PUBLISHED","2025-12-01T09:43:00.446+00:00","2026-08-28T11:08:32.709+00:00","2026-08-28T11:08:32.692+00:00",0,[93,102,108,113,118,123,128,133,138,143],{"id":94,"title":95,"term":94,"englishTitle":96,"definition":97,"discipline":22,"disciplineCode":98,"disciplineLabel":99,"disciplineColor":100,"disciplineIcon":101},"phương pháp dựa trên cường độ","Phương pháp dựa trên cường độ là gì? Nguyên lý và ứng dụng","intensity-based method","Phương pháp dựa trên cường độ (intensity-based method) là nhóm thuật toán tối ưu hóa trong xử lý ảnh số và thị giác máy tính, thực hiện đăng ký hoặc phân tích ảnh bằng cách so khớp trực tiếp toàn bộ giá trị mức xám của các điểm ảnh hoặc voxel giữa các tập dữ liệu mà không cần trích xuất trước các đặc trưng hình học tường minh.","engineering-technology","Kỹ thuật và công nghệ","#5B62F4","cpu",{"id":103,"title":104,"term":105,"englishTitle":106,"definition":107,"discipline":22,"disciplineCode":98,"disciplineLabel":99,"disciplineColor":100,"disciplineIcon":101},"thuật toán heuristic","Thuật toán heuristic là gì? Phân loại, nguyên lý và ứng dụng","Thuật toán heuristic","heuristic algorithm","Thuật toán heuristic (heuristic algorithm, hay phương pháp phỏng đoán) là kỹ thuật giải quyết bài toán được thiết kế nhằm tìm kiếm lời giải đủ tốt và chấp nhận được trong khoảng thời gian tính toán thực tế cho các bài toán tối ưu hóa phức tạp, đánh đổi tính tối ưu tuyệt đối để lấy tốc độ thực thi.",{"id":109,"title":110,"term":109,"englishTitle":111,"definition":112,"discipline":22,"disciplineCode":98,"disciplineLabel":99,"disciplineColor":100,"disciplineIcon":101},"hỏa hoạn","Hỏa hoạn là gì? Các bài báo nghiên cứu khoa học liên quan","fire","Hỏa hoạn là sự cố cháy lớn ngoài tầm kiểm soát do phản ứng hóa học tỏa nhiệt nhanh giữa chất cháy và chất oxy hóa (thường là oxy trong không khí), gây thiệt hại nghiêm trọng về người, tài sản và môi trường.",{"id":114,"title":115,"term":114,"englishTitle":116,"definition":117,"discipline":22,"disciplineCode":98,"disciplineLabel":99,"disciplineColor":100,"disciplineIcon":101},"hệ thống hỗ trợ quyết định","Hệ thống hỗ trợ quyết định là gì? Các nghiên cứu khoa học","decision support system","Hệ thống hỗ trợ quyết định (Decision Support System - DSS) là hệ thống thông tin tích hợp dữ liệu, mô hình phân tích và giao diện tương tác nhằm hỗ trợ con người giải quyết các bài toán ra quyết định phức tạp và bán cấu trúc.",{"id":119,"title":120,"term":119,"englishTitle":121,"definition":122,"discipline":22,"disciplineCode":98,"disciplineLabel":99,"disciplineColor":100,"disciplineIcon":101},"tổn thất công suất","Tổn thất công suất là gì? Nguyên nhân, công thức và giải pháp","power loss","Tổn thất công suất là hiện tượng tiêu hao năng lượng điện dưới dạng nhiệt hoặc từ trường trong các phần tử của hệ thống điện như dây dẫn, máy biến áp và thiết bị truyền tải trong quá trình vận hành.",{"id":124,"title":125,"term":124,"englishTitle":126,"definition":127,"discipline":22,"disciplineCode":98,"disciplineLabel":99,"disciplineColor":100,"disciplineIcon":101},"khí động học","Khí động học: Khái niệm, nguyên lý và ứng dụng","Aerodynamics","Khí động học là một thuật ngữ và phạm trù học thuật then chốt trong lĩnh vực engineering technology, phản ánh các nguyên lý, cơ chế và phương pháp luận chuyên sâu đã được chuẩn hóa trong nghiên cứu và ứng dụng thực tiễn.",{"id":129,"title":130,"term":129,"englishTitle":131,"definition":132,"discipline":22,"disciplineCode":98,"disciplineLabel":99,"disciplineColor":100,"disciplineIcon":101},"trao đổi nhiệt","Trao đổi nhiệt là gì? Các nghiên cứu khoa học liên quan","heat transfer","Trao đổi nhiệt là quá trình truyền năng lượng nhiệt giữa các vật thể hoặc hệ thống vật lý có sự chênh lệch nhiệt độ qua ba cơ chế dẫn nhiệt, đối lưu và bức xạ cho đến khi đạt trạng thái cân bằng nhiệt.",{"id":134,"title":135,"term":134,"englishTitle":136,"definition":137,"discipline":22,"disciplineCode":98,"disciplineLabel":99,"disciplineColor":100,"disciplineIcon":101},"ứng suất nhiệt","Ứng suất nhiệt là gì? Các bài nghiên cứu khoa học liên quan","ung suat nhiet","khái niệm và đối tượng nghiên cứu cơ bản trong khoa học kỹ thuật và công nghệ, phản ánh các đặc trưng bản chất, cơ chế vận hành và các quy luật tương tác hệ thống trong thực tiễn.",{"id":139,"title":140,"term":139,"englishTitle":141,"definition":142,"discipline":22,"disciplineCode":98,"disciplineLabel":99,"disciplineColor":100,"disciplineIcon":101},"lực kéo","Lực kéo là gì? Bản chất cơ học, công thức và ứng xử vật liệu","tensile force","Lực kéo (tensile force) là lực tác dụng có xu hướng làm giãn dài hoặc kéo dãn một vật thể dọc theo trục tác dụng, gây ra trạng thái ứng suất kéo và biến dạng kéo trong vật liệu.",{"id":144,"title":145,"term":144,"englishTitle":146,"definition":147,"discipline":22,"disciplineCode":98,"disciplineLabel":99,"disciplineColor":100,"disciplineIcon":101},"np khó","NP-khó là gì? Độ phức tạp, định lý Cook và giải pháp","NP-hard","NP-khó là lớp các bài toán tính toán mà mọi bài toán trong lớp NP đều có thể quy dẫn thời gian đa thức về chúng, bao gồm cả các bài toán tối ưu hóa."]