sswms - slice sampling weighted mean shift
DESCRIPTION
This algorithm is a line segment detector that provides fast and reliable detections in images and videos.It is useful for vanishing point estimation and plane rectification.TRANSCRIPT
Line segment detection using weighted Mean Shift
procedures on a 2D Slice sampling strategy
SSWMS algorithm
Slice Sampling Weighted Mean Shift
Dr.-Ing. Marcos Nieto DoncelInvestigador/Researcher
http://marcosnieto.net/
Extracción de características
Características que definen líneas en imágenes
● Píxeles de gradiente
Información de dirección de gradiente a nivel de píxel
Puede calcularse eficientemente con aproximaciones como el operador de Sobel
● Segmentos
Agrupan información de un conjunto de píxeles
Cálculo más complejo y costoso
2
Extracción de características – SSWMS
Comparación de ruido
● Segmentos vs píxeles de gradiente
3
Distribution of error between data sample and vertical
vanishing point
Lin
e s
eg
me
nts
Gra
die
nt-
pix
els
Extracción de características – SSWMS
4
Distribution of error between data sample and central
vanishing point
Lin
e s
eg
me
nts
Gra
die
nt-
pix
els
Comparación de ruido
● Segmentos vs píxeles de gradiente
Método Velocidad Inliers/outliers Parámetros
de usuario
Robustez
frente a ruido
PPHT Rápido Muy baja Sí Baja
LSD Lento Media No Alta
SSWMS Rápido Alta No Alta
Extracción de características – SSWMS
“Slice Sampling Weighted Mean Shift”
5
Cálculo
fdp
Nivel de imagen
MuestreoGeneración
del segmento
Muestreo secuencial
Mean ShiftSlice samplerAutovalores
Método Velocidad Inliers/outliers Parámetros
de usuario
Robustez
frente a ruido
PPHT Rápido Muy baja Sí Baja
LSD Rápido Media No Alta
Extracción de características – SSWMS
6
Cálculo de
● Matriz de covarianza y sus autovalores y autovectores
Línea Esquina Homogéneo
Extracción de características – SSWMS
Cálculo de
● Composición de funciones
7
Penaliza
zonas homogénasPenaliza esquinas
Líneas
Esquinas
Zonas
homogéneas
Extracción de características – SSWMS
8
Cálculo de
● Ejemplo
Extracción de características – SSWMS
9
Muestreo secuencial
● Algoritmo “Slice sampling”
Extracción de características – SSWMS
10
Muestreo secuencial
● Mean Shift para refinar la muestra
Extracción de características – SSWMS
11
Generación de segmentos
● Mean Shift refina la posición de los extremos
Extracción de características – SSWMS
Slice sampler
12
1D
2D
Extracción de características – SSWMS
Weighted Mean Shift
13
Mean shift vector
Extracción de características – SSWMS
Algoritmo de crecimiento
● Proceso iterativo: se crece en la dirección que determina
● Se crece según Bresenham mientras con
● Se evalúa el error de la línea
● Se termina cuando
14
Extracción de características – SSWMS
Comparación con métodos del estado del arte
● Tiempo de procesado
15
Extracción de características – SSWMS
Comparación con métodos del estado del arte
16
Extracción de características – SSWMS
17
Parametrización
● El ancho de banda de Mean-Shift se puede utilizar para reducir la cantidad
resultante de segmentos
● Por defecto, ancho de banda = 3
Extracción de características – SSWMS
Tiempo de ejecución
● C++
● Core2Duo @ 2.2 GHz
18
Extracción de características – SSWMS
“Recall” y “Precision”
● Variando el tamaño
● Variando la cantidad de ruido
● Variando la perspectiva
19
Recall: “cuántos de los segmentos de ground truth se han detectado”
Precision: “cuántas detecciones son correctas frente a la cantidad total de detecciones”
Extracción de características – SSWMS
Ejecución online
20