Portugal, Porto - 13. 15 Junho 2007 SMCB: METODOLOGIA PARA A QUANTIZAÇÃO DE CORES EM IMAGENS FACIAIS Marcelo Zaniboni, Osvaldo S. Junior e João Manuel R. S. Tavares IMES / FAFICA Instituto Municipal de Ensino Superior de Catanduva, Brasil FEUP Faculdade de Engenharia da Universidade do Porto LOME Laboratório de Óptica e Mecânica Experimental, INEGI Inst. de Eng. Mecânica e Gestão Industrial, Portugal
Introdução Metodologia Resultados Conclusões Trabalho futuro Resumo o Nesta apresentação, será descrita uma nova metodologia que permite a quantização das cores de uma imagem RGB, originado um novo espaço designado por SMCb. o Este novo espaço é usado neste trabalho para segmentar zonas de faces e em image recover. Índice o Metodologia; o Resultados; o Conclusões; o Trabalho futuro. Marcelo Zaniboni, Osvaldo Severino Junior e João Manuel R. S. Tavares 2
Introdução Metodologia Resultados Conclusões Trabalho futuro Metodologia 1. Conversão da imagem originalmente no formato RGB para os espaços HSV - Hue, Saturation e Value, CMY -Cyan, Magenta e Yellow, e YCbCr - Luminosity, Component blue e Component red; 2. Binarização do canal S do espaço HSV, M do espaço CMY e Cb do espaço YCbCr e concatenação dos canais resultantes formando o novo espaço SMCb; 3. Para validação da metodologia construiu-se um sistema CBIR Content-Based Image Recover, considerando 833 imagens faciais da AR Face DataBase de 119 pessoas (65 homens e 54 mulheres), existindo para cada pessoa 7 imagens com diferentes expressões faciais, sendo 4 delas sem iluminação controlada e 3 com iluminação controlada. Marcelo Zaniboni, Osvaldo Severino Junior e João Manuel R. S. Tavares 3
Conversão de RGB para HSV, CMY e YCbCr (exemplo): HSV Hue, Saturation e Value CMY Cyan, Magenta e Yellow YCbCr luminosity, Component blue, Component red Marcelo Zaniboni, Osvaldo Severino Junior e João Manuel R. S. Tavares 4
Introdução Metodologia Resultados Conclusões Trabalho futuro Binarização e concatenação (exemplo): Saturation, Magenta e Component blue SMCb R G B 2 8 2 8 2 8 = 16.777.246 16.000.000 Cores S M Cb 2 1 2 1 2 1 = 8 Cores Marcelo Zaniboni, Osvaldo Severino Junior e João Manuel R. S. Tavares 5
Conversão (vantagens): o o Certas áreas da face são mais facilmente identificadas; Diminuição da quantidade de memoria necessária; o Exemplo: Memória necessária por uma imagem com 128x96 pixels nos formatos RGB e SMCb: Resolução espacial MxN 128x96 Imagem Resolução de níveis de cinza Número de bits necessários Quantidade de memória em Bytes RGB 256 8 12.288 SMCb 8 3 4.608 Marcelo Zaniboni, Osvaldo Severino Junior e João Manuel R. S. Tavares 6
Resultados o Usadas 833 imagens do AR Face DataBase correspondentes às faces de 65 homens e 54 mulheres, para cada pessoa existem 7 imagens com diferentes expressões faciais (4 sem iluminação controlada e 3 com iluminação controlada). Exemplo de uma classe: Marcelo Zaniboni, Osvaldo Severino Junior e João Manuel R. S. Tavares 7
Introdução Metodologia Resultados Conclusões Trabalhos futuro Exemplos de resultados obtidos na conversão: Obs. Certas áreas faciais são facilmente identificadas no espaço SMCb. Marcelo Zaniboni, Osvaldo Severino Junior e João Manuel R. S. Tavares 8
Validação da metodologia o Construção de um sistema CBIR - Content-Based Image Recover; 1. Depois de aplicada a metodologia de conversão SMCb, é aplicado o método PCA - Principal Components Analysis: Imagem original da classe 1 (expressão neutra) Conversão Conversão Conversão PCA Imagem SMCb Nível de cinza [ c. v.(1),..., c. v.(100) ] Conversão Conversão Conversão PCA Imagem original da classe 119 Imagem SMCb Nível de cinza (luz em todas as direcções) [ c. v.(1),..., c. v.(100) ] Marcelo Zaniboni, Osvaldo Severino Junior e João Manuel R. S. Tavares 9
Validação da metodologia 2. Obteve-se os vectores de características de cada imagem: 3. Construiu-se a curva recall x precision usando a matriz PCA. o [ cv..(1),..., cv..(100)] Sendo um determinado conjunto A representado pelas sete imagens da AR Face Database, e supondo que uma das sete imagens seja a imagem de entrada que define o conjunto B, e que as demais imagens da base representam o conjunto D, temse: Marcelo Zaniboni, Osvaldo Severino Junior e João Manuel R. S. Tavares 10
Validação da metodologia o Curva recall x precision obtida em image recover: Obs. Obtidos melhores resultados usando as imagens no espaço SMCb. Marcelo Zaniboni, Osvaldo Severino Junior e João Manuel R. S. Tavares 11
Exemplo de image recover o Imagem original e as sete primeiras imagens localizadas pela distância euclidiana na AR Face Database: Marcelo Zaniboni, Osvaldo Severino Junior e João Manuel R. S. Tavares 12
Conclusões ofoiproposta uma metodologia capaz de obter um armazenamento compacto e de fácil implementação (mesmo em hardware) de imagens. o Por meio da quantização obtida, também se torna possível obter a segmentação de partes distintas de faces presentes; tais como: cabelo, cílios, olhos, barba e pele. o A curva recall x precision obtida mostra claramente o potencial do método SMCb em image recover de imagens de faces; no entanto, o método ainda é sensível a imagens faciais com fundos e elementos complexos (i. e. óculos). Marcelo Zaniboni, Osvaldo Severino Junior e João Manuel R. S. Tavares 13
Introdução Metodologia Resultados Conclusões Trabalhos futuros Perspectivas de Trabalho Futuro o Realização de testes com a metodologia SMCb em outros tipos de imagens (i. e. médicas). o Criação de uma nova metodologia capaz de converter imagens no formato SMCb para imagens no formato RGB. o Codificação de imagens usando a metodologia SMCb. Marcelo Zaniboni, Osvaldo Severino Junior e João Manuel R. S. Tavares 14
Agradecimentos o Este trabalho foi parcialmente desenvolvido no âmbito do Projecto de Investigação Segmentação, Seguimento e Análise de Movimento de Objectos Deformáveis (2D/3D) usando Princípios Físicos financiado pela FCT - Fundação para a Ciência e a Tecnologia em Portugal, com a referência: POSC/EEA- SRI/55386/2004. Marcelo Zaniboni, Osvaldo Severino Junior e João Manuel R. S. Tavares 15