segmentación representación segmentada: aquella en que los puntos que comparten una misma...
TRANSCRIPT
Segmentación
Representación segmentada: aquella en que los puntos
que comparten una misma propiedad son agrupados para
formar regiones.
Segmentación: proceso de particionar una imagen
(conjunto de datos) en regiones (subconjuntos) sin traslape
(conjuntos disjuntos = intersección vacía), de acuerdo a un
criterio de homogeneidad; los pixeles de cada región
comparten una o más propiedades puntuales, locales o
globales (v.g. atributo de intensidad está en un intervalo de
grises, o bien tienen una textura similar).
Segmentación:• en dominio espacial• transformaciones imagen-a-imagen• posible uso de información a priori
Análisis, cuantificación, extracción de rasgos:• en dominio espacial, espacios de escala• transformaciones imagen-a-parámetros
Reconocimiento y Clasificación de Patrones:• en dominio de espacio paramétrico• transformaciones de parámetros a decisiones• estadística intensiva, modelos probabilísticos• significatividad, interpretación, disciplinas aplicadas
Criterio de segmentación: valor de attributo > 128Atributo puede ser valor de gris o un parámetro
Criterio de segmentación: valor de attributo > 128Atributo puede ser valor de gris o un parámetro
Criterio de segmentación: textura con coherencia y orientaciónAtributo local: rasgos texturales
Criterio de segmentación: textura con coherencia y orientaciónAtributo local: rasgos texturales
Criterio de segmentación: ruido con distribución gaussianacon desviación estándar mayor a 50. Atributo paramétrico local
Criterio de segmentación: ruido con distribución gaussianacon desviación estándar mayor a 50. Atributo paramétrico local
Criterio de segmentación: en azul claro, región de alta densidad debolas (o separación < R) (propiedad paramétrica)
Criterio de segmentación: en azul claro, región de alta densidad debolas (o separación < R) (propiedad paramétrica)
Criterio de segmentación: en azul claro, región de bolas con traslape(conectividad: propiedad topológica)
Criterio de segmentación: en azul claro, región de bolas con traslape(conectividad: propiedad topológica)
Criterio de segmentación: en azul claro, región de elipses(forma: propiedad morfológica)
Criterio de segmentación: en azul claro, región de elipses(forma: propiedad morfológica)
Criterio de segmentación: en azul claro, elipses inclinadas (orientación: propiedad de posición o configúración)
Criterio de segmentación: en azul claro, elipses inclinadas (orientación: propiedad de posición o configúración)
Criterio de segmentación: en azul claro, región de bolas grandespropiedad morfométrica
Criterio de segmentación: en azul claro, región de bolas grandespropiedad morfométrica
Criterio de segmentación: en azul claro, región de bolas grandes Acon ‘satélites’ B,C… tales que RA>3RB,C y separación dA-B <
(propiedad de configuración o patrón)
Criterio de segmentación: en azul claro, región de bolas grandes Acon ‘satélites’ B,C… tales que RA>3RB,C y separación dA-B <
(propiedad de configuración o patrón)
Criterio de segmentación: mediante Morfología Matemática,Segmentación por Vertientes (watershed), notar que se separa en
componentes más o menos convexas (se controla grado de convexidad)
Criterio de segmentación: conocimiento a priori (extrínseco)no presente en la imagen. Separación en líneas punteadas en rojo,
por ejemplo estructuras anatómicas distinguibles por criterios no visuales.
Tipos segmentación y elementos asociados : • Por criterio de intensidad (v.g. Umbralaje)
• Por propiedad global, regional o local: texturas diferentes, estadísticas de distribución de niveles de gris diferentes.
• Por criterios morfológicos, de configuración o relaciones dadas
• Por delimitación de objetos: bordes contornos - detección de bordes
• En función de la escala: Por propiedades de objetos a escalas diferentes (“visibilidad” de componentes, de acuerdo a criterio de Nyquist).
Resultado genérico: separación en componentes conexas y posiblemente contorno, hay 2 tipos, implícitos: pixeles etiquetados (por ejemplo tras un filtro laplaciano), y explícitos: listas de vértices (vectorizado) análisis)
Representaciones
Primitivas Contornos Regional
Puntos
Pixeles
Voxeles
Facetas
Polígonos (mallas)
Poliedros (sólidos)
Sistemas de Partículas
Texeles
Códigos
Isocontornos y curvas de nivel
Líneas de cresta (curvatura atributo)
Discontinuidades
Esqueletos (de regiones)
Grafos (relaciones)
Fronteras 2D y 3D
frontera discreta (voxeles o facetas)
Interfaces (superficie que separa)
Mallados poligonales
Elemento frontera
Elemento Finito
Representación Semántica
Representación Geométrica
Segmentada - Etiquetas/Clases
Conjuntos de nivel
Jerárquica
Textural
Dominios (Markov – energía mínima)
Representación Morfológica
Análisis Extracción de rasgos y características
Distribución de valores de atributos
Detección de bordes y discontinuidades
Análisis regional
Histogramas de atributos o predicados
LocalesGlobalesEstadísticas locales o globales
Análisis en dominios de transformada (proyección en base de funciones):
Fourier: frecuencia espacial (espectro)Bancos de filtrosOndeletas (espacio-frecuencia espacial)
Puntos característicosBordes y transciciones (interfaces)Líneas de cresta, o de inflexiónContornos (bordes cerrados)
Isocontornos y curvas de nivel Conjuntos de nivel
Distribución de valores de atributos por región
Regiones delimitadas por contornos (flood) Extracción del contorno de cada región
Bordes (interfaces) entre regiones
Relaciones entre regionesAdyacencia y conectividad
Morfometría
Distribución estadísticaTextura
Detección de Bordes Segmentación
Por Contornos Por Regiones Otros Métodos
Métodos Locales (gradiente)Métodos Globales (dom. Fourier)
• Seguimiento y poligonalización• Contornos activos (deformables)• Sensores (frontera entre
regiones)• Transformada de Hough
(geom.)• Ajuste de modelos de forma• Representaciónes por contornos
• Códigos cadena
• Umbralaje binario/multinivel• Criterios de homogenidad:
• Estadística• Textural• Espectro de Fourier• Predicados de color• Predicados de forma• Predicados de configuración• Dimensión fractal
• Crecimiento de regiones• Multi-resolución (pirámides)
• Métodos de Morfología Matemática• Métodos Bayesianos• Métodos Markovianos• Redes Neuronales
Detección de Rasgos: puntos, bordes, esquinas, manchas, rectas, círculos, formas
Image Segmentation Methods
• Clustering methods • Pixel-based methods
• Histogram-based methods Thresholding
• Edge detection – Contour tracking• Region growing methods and split/merge • Level set methods • Graph partitioning methods • Watershed transformation – watershed segmentation• Model based segmentation • Multi-scale segmentation • Semi-automatic segmentation • Neural networks segmentation
Segmentation Paradigms
• Gray level (scalar) segmentation• Color, multi-channel and vector segmentation• Multi-level segmentation• 3D segmentation – surface tracking
Dualidad Región/Borde
A B
B
A
Ventana Orientada 22 2 2 1
2
2A B
AB
AB A B A B
, 2A B featuresr r L
r
t-Test(different means)
2 2 21
2
,2
A B
d
d A B
nt
2 2
2 2
max{ , }
min{ , }A B
A B
F
2 2 2( , , , ): covariance matrices
A Bf ARMA
F-Test(different variances)
2-Test(different distributions)
Dualidad Contornos Regiones
Región = interior sólido = interior geométrico más fronteraComputacionalmente: R = ( contorno de R)
( )
flood
R C interior R R
C = R Contorno o frontera de la región R
( , , ) ( )R R
x y z dzdydz s ds
f f n
Teorema de Gauss (o de Ostrodgraskii, o de la Divergencia
Relaciona cálculos integrales en un volumen (región R)
con cálculos integrales sobre su frontera C = R