Recuperação de texturas coloridas trasladadas, rotacionadas e escaladas

Transcrição

1 Recuperação de texturas coloridas trasladadas, rotacionadas e escaladas Página 1 de 22 Alexadre Leão Guillermo Cámara Chávez Processamento digital de imagens DCC UFMG Maio 2003

2 Recuperação de texturas coloridas invariantes Assunto: Um novo método para recuperação de texturas coloridas baseado nas características de cores e bordas. Página 2 de 22

3 Recuperação de texturas coloridas invariantes Assunto: Um novo método para recuperação de texturas coloridas baseado nas características de cores e bordas. Etapas: As técnicas para extração de características de texturas e as medidas de similaridade. Página 2 de 22

4 Recuperação de texturas coloridas invariantes Página 2 de 22 Assunto: Um novo método para recuperação de texturas coloridas baseado nas características de cores e bordas. Etapas: As técnicas para extração de características de texturas e as medidas de similaridade. Método para recuperação baseado na medida de similaridade é proposto para recuperar as imagens de texturas de uma base de dados de texturas.

5 Recuperação de texturas coloridas invariantes Página 2 de 22 Assunto: Um novo método para recuperação de texturas coloridas baseado nas características de cores e bordas. Etapas: As técnicas para extração de características de texturas e as medidas de similaridade. Método para recuperação baseado na medida de similaridade é proposto para recuperar as imagens de texturas de uma base de dados de texturas. A medida de similaridade é estendida para recuperar regiões de texturas de uma base de dados de imagens reais (naturais).

6 Recuperação de texturas coloridas invariantes Página 2 de 22 Assunto: Um novo método para recuperação de texturas coloridas baseado nas características de cores e bordas. Etapas: As técnicas para extração de características de texturas e as medidas de similaridade. Método para recuperação baseado na medida de similaridade é proposto para recuperar as imagens de texturas de uma base de dados de texturas. A medida de similaridade é estendida para recuperar regiões de texturas de uma base de dados de imagens reais (naturais). Este método apresenta a propriedade de ser invariante à translação rotação e/ou escala.

7 Conteúdo Página 3 de Introdução 2. Técnicas de recuperação 3. Experimentos 4. Conclusões

8 Introdução A textura é uma característica importante para a análise de diferentes tipos de imagens. Página 4 de 22

9 Introdução A textura é uma característica importante para a análise de diferentes tipos de imagens. Diversos trabalhos tem proposto métodos para classificação ou recu peração de texturas, porém poucos métodos para texturas coloridas. Página 4 de 22

10 Introdução Página 4 de 22 A textura é uma característica importante para a análise de diferentes tipos de imagens. Diversos trabalhos tem proposto métodos para classificação ou recu peração de texturas, porém poucos métodos para texturas coloridas. Os métodos já utilizados combinam cor e textura em uma forma limitada.

11 Introdução Página 4 de 22 A textura é uma característica importante para a análise de diferentes tipos de imagens. Diversos trabalhos tem proposto métodos para classificação ou recu peração de texturas, porém poucos métodos para texturas coloridas. Os métodos já utilizados combinam cor e textura em uma forma limitada. Este novo método de recuperação baseia-se em características de cores e bordas; como também suporta variações em translação, rota- ção e escala.

12 Introdução Página 4 de 22 A textura é uma característica importante para a análise de diferentes tipos de imagens. Diversos trabalhos tem proposto métodos para classificação ou recu peração de texturas, porém poucos métodos para texturas coloridas. Os métodos já utilizados combinam cor e textura em uma forma limitada. Este novo método de recuperação baseia-se em características de cores e bordas; como também suporta variações em translação, rota- ção e escala.

13 Conteúdo Página 5 de Introdução 2. Técnicas de recuperação 3. Experimentos 4. Conclusões

14 Técnicas de recuperação Histograma de cores Página 6 de 22 hc i = n i, i = 0,..., 63 N h c : histograma de cores n i : número de pixels com a etiqueta i N : número total de pixels em R

15 Técnicas de recuperação (cont.) Histograma de padrões de contornos locais (LEP) Página 7 de 22 k(i, j) = u(w) = { 1, w 0, 0, w < 0, f(n, m) : imagem de entrada em níveis de cinza k(i, j) : máscara LBP LBP (n, m) : valor da saída LBP do pixel (n, m)

16 Histograma de padrões de contornos locais (cont.) Y = R G B Página 8 de 22 onde RGB corresponde a cor quantizada do pixel. e(n, m) = { 1, se Ym,n > 150 0, em outro caso

17 Histogramas de padrões de contornos locais (cont.) Existem dois tipos de histogramas LEP: LEPSEG: para segmentação de imagens LEPINV: para recuperação de imagens Página 9 de 22

18 Histogramas de padrões de contornos locais (cont.) Página 10 de 22 LEP SEG(n, m) = i,j I k e (i, j) e(n, m) k e (i, j) = e(n, m) denota a imagem binária dos contornos. he (01) í = n í (01), i = 0,..., 511, N (01) onde n í é o número de pixels com valor LEPSEG i

19 Histogramas de padrões de contornos locais (cont.) 1. LEPSEG pode ser expresso como uma cadeia binária b 8 b 7 b 6 b 5 b 4 b 3 b 2 b 1 b 0 2. Os pesos na máscara LEP sejam em ordem ascendente e em sentido horário. Página 11 de 22

20 Histogramas de padrões de contornos locais (cont.) O valor LEPSEG 30 é expresso em forma binaria , as seguintes cadeias Página 12 de 22

21 Histogramas de padrões de contornos locais (cont.) O valor LEPSEG 30 é expresso em forma binaria , as seguintes cadeias , Página 12 de 22

22 Histogramas de padrões de contornos locais (cont.) O valor LEPSEG 30 é expresso em forma binaria , as seguintes cadeias , , Página 12 de 22

23 Histogramas de padrões de contornos locais (cont.) O valor LEPSEG 30 é expresso em forma binaria , as seguintes cadeias , , , , , e têm o mesmo valor mínimo 15. Página 12 de 22

24 Histogramas de padrões de contornos locais (cont.) O valor LEPSEG 30 é expresso em forma binaria , as seguintes cadeias , , , , , e têm o mesmo valor mínimo 15. Existem 36 possíveis indices. Página 12 de 22 h (0) e = n i h (1) e = N (0) n i+36 N N (0), i = 0,..., 35, onde n i é o número de pixels com valor LEPROT igual a i e N (0) é o número total de pixels que não são bordas em R.

25 Medidas de similaridade Página 13 de 22 A técnica de interseção de histogramas é usada para medir o grau de similaridade. Hc = 63 i=0 min(hc (q) i, hc (t) i ), onde hc (q) i e hc (q) i são as frequências na posição i nos dois histogramas de cores para as regiões de texturas R (q) i e R (t) i. Quando Hc está mais próximo a um, mais parecidos são os histogramas.

26 Medidas de similaridade (cont.) Medidas de similaridade Hé (01), He (0) e He (1) para as regiões de texturas coloridas R (q) i e R (t) i são calculadas a partir dos histogramas LEP: Página 14 de 22 Hé (01) = He (0) = He (1) = 511 i=0 35 min(hé (01)(q), hé (01)(t) ), min(he (0)(q), he (0)(t) ), i=0 35 min(he (1)(q), he (1)(t) ), i=0 onde hé (01), he (0) e he (1) são os histogramas LEPSEG e LEP- INV

27 Medidas de similaridade (cont.) Existem dois valores de similaridade de texturas: Página 15 de 22 H seg = wc Hc + we Hé (01), H inv = wc Hc + we (we (0) He (0) + we (1) He (1) ), os valores wc, we, we (0) e we (1) foram determinados experimentalmente, cujos valores são iguais a 0.6, 0.4, 0.2 e 0.8, respectivamente. H inv é resistente às variações geométricas, usado como uma medida de similaridade de texturas. H seg é sensível à rotação e escala, usado para segmentação da região.

28 Página 16 de 22 Conteúdo 1. Introdução 2. Técnicas de recuperação de texturas baseados em características distribuídas 3. Experimentos 4. Conclusões

29 Página 17 de 22 Experimentos Usou-se uma base de dados consistente em 200 diferentes classes de texturas. Cada imagem de foi dividida em 9 imagens de não sobrepostas. A base de dados consta de 1800 (= 9 200)imagens de

30 Experimentos (cont.) Página 18 de 22

31 Experimentos (cont.) Página 19 de 22

32 Conteúdo Página 20 de Introdução 2. Técnicas de recuperação 3. Experimentos 4. Conclusões

33 Conclusões Uma nova técnica para recuperação de texturas coloridas é proposta usando uma combinação de histogramas de cores e LEP. Página 21 de 22

34 Página 21 de 22 Conclusões Uma nova técnica para recuperação de texturas coloridas é proposta usando uma combinação de histogramas de cores e LEP. O modelo proposto é resistente a variações geométricas, tais como rotação, translação e escala.

35 Página 21 de 22 Conclusões Uma nova técnica para recuperação de texturas coloridas é proposta usando uma combinação de histogramas de cores e LEP. O modelo proposto é resistente a variações geométricas, tais como rotação, translação e escala. Este é um método simples e eficiente.

36 F I M Página 22 de 22