Download Presentación
Document related concepts
no text concepts found
Transcript
Procesamiento de Imágenes Basado en Periodicidad: el método y sus ventajas, avances, y perspectivas Dr. Georgii Khachaturov UAM-Azcapotzalco http://newton.uam.mx/xgeorge/ Comentario histórico • La idea del método fue – Inventada y descubierta en unos experimentos computacionales en 1991 (Khachaturov). – Fundada teóricamente y publicada por primera vez en 1995 (Khachaturov). – Usada para construcción de nuevas estructuras de datos para representación de objetos en imágenes en 2004 (Khachaturov, Moncayo-Muños). – Aplicada para determinación de Flujo Óptico (Optical Flow) en 2010 (Khachaturov, no publicada todavía). Fundamentos teóricos:¿Cómo checar si una función es periódica?(Khachaturov, 1995) TP ω ( f , δ , T , P) = TP1 ∫ f ( x)e 0 −i (1+δ ) x 2Pπ dx, • Si f es periódica en [0, TP] con el periodo P, se espera que |ω| alcanza máximo para δ=0. • Adicionalmente, para δ=1/T y δ=−1/T se cumplen | ω ( f ,1 / T , T , P ) |= 0; | ω ( f , −1 / T , T , P ) |= 0. ¿Cómo una localidad invariante a desplazamiento genera una función periódica? Procesamiento multi-escala basado en periodicidad genera nuevas estructuras de datos relacionadas a objetos de imagen ¿Qué informativos son las estructuras construidas por el método? • Imagen original e imagen sintética restaurada por las estructuras => ver la siguiente transparencia ¿Que es Flujo Óptico (FO)? • Flujo Óptico es un campo de vectores que representa velocidades de cada pixel en su movimiento de una imagen a otra en una película Un ejemplo de Flujo Óptico • ¿Para que sirve FO? • • • • • • Compresión de archivos de video Detección y análisis de movimiento Sistemas de seguridad Detección de obstáculos en camino Medicina … etc. Fundamentos de FO • Ecuación básica de FO (Brightness Constancy Equation, BCE) I ( x, y, t ) = I ( x + u, y + v, t + 1) • Optical Flow Constraint Equation (OFCE) u ∂I ∂x +v ∂I ∂y + ∂I ∂t =0 Métodos conocidos de computación de FO • Métodos diferenciales (Horn and Schunck , Lucas and Kanade ) usan OFCE como punto de pártida; • “Matching”(Anandan) usan BCE; • Métodos varacionales (Zimmer et al.; Werlberger ) OFCE, cálculo variacional; • Métodos espectrales (Heeger;Fleet and Jepson ) buscan vector de estimación como un punto en espacio espectral; ¿Cómo FO induce periodicidad? Lógica de búsqueda local de FO basada en periodicidad 1.Input: I(x,y,t); a location in the image frame; a priori domain of allowed velocities Vr 2. Construct three functions, {ϕ−1(α), ϕ0 (α), ϕ1(α)} , defined on Vr. Vr 3. Search for extrema: Find inside Vr all minima for ϕ−1(α) and ϕ1(α) , and all maxima for ϕ0 (α) . 5. Fuse three extrema of the best combination into a single estimate 4. Select the best combination of extrema of the three respective functions: This operation is required if any of the above functions has several extrema. Cada vector local de FO se construye como el punto donde tres funciones especificas simultaneamente tienen extremos Propiedades de FO básado en periodicidad (I) • Precisión razonablemente alta (para sucesión de benchmarking “Yosemite”, las características logradas actualmente (no finales todavía) son – End-point error 0.16 -> lugar 31 de 60 métodos – A50 error 0.075 -> lugar de 8 a 14 de 60 métodos – A75 error 0.13 -> lugar de 8 a 10 de 60 métodos – A95 error 0.34 -> lugar de 8 a 9 de 60 métodos Propiedades del método de computación de FO básado en periodicidad (II) • Tolerancia a ruido (¿sin precedentes?) Consecuencia de tolerancia al ruido: posibilidad de bajar en cientos veces exposición de captura de imágenes-> • Abre la posibilidad de desarrollar tecnología de la tomografía preventiva • Sistemas de visión nocturna Propiedades de FO básado en periodicidad (III) • Dependencia de características principales de ruido Ruido (%) End-point A50 error(pix/frame pix/frame ) A75 pix/frame A95 pix/frame 0 0.161 0.073 0.133 0.34 10 0.20 0.079 0.161 0.40 20 0.28 0.098 0.20 0.49 Un cuadro de Yosemite y su Flujo Óptico real Flujo Óptico real y encontrado sin ruido • Flujo Óptico real y encontrado para ruido 10% Flujo Óptico real y encontrado para ruido 20% • Conclusión • Se ha presentado un método “novedoso” de procesamiento de imágenes basado en periodicidad. • El método busca argumentos donde tres funciones simultáneamente alcanzan unos extremos. En ese sentido, el criterio difiere de todos métodos anteriores que buscan un solo extremo. • Para imágenes ordinarios el método permite una transformación novedosa “imagen-a-estructura de datos”. Esas estructuras son útiles para análisis semántico de imágenes. • Para series de imágenes, el método implica novedosa construcción de Flujo Óptico • Tolerancia al ruido del método permite reducir en cientos veces la exposición de imágenes, lo que abre nuevos horizontes para aplicaciones en medicina y visión nocturna. Gracias por su atención Dr. Georgii Khachaturov UAM-Azcapotzalco, Departamento de Sistemas http://newton.uam.mx/xgeorge/