Transcript Segmentación
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 comparten una o región 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 > 128 Atributo puede ser valor de gris o un parámetro
Criterio de segmentación: valor de attributo > 128 Atributo puede ser valor de gris o un parámetro
Criterio de segmentación:
textura con coherencia y orientación Atributo local: rasgos texturales
Criterio de segmentación:
textura con coherencia y orientación Atributo local: rasgos texturales
Criterio de segmentación:
ruido con distribución gaussiana con desviación estándar mayor a 50. Atributo paramétrico local
Criterio de segmentación:
ruido con distribución gaussiana con desviación estándar mayor a 50. Atributo paramétrico local
Criterio de segmentación:
en azul claro, región de alta densidad de bolas (o separación < R) (propiedad paramétrica)
Criterio de segmentación:
en azul claro, región de alta densidad de bolas (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 grandes propiedad morfométrica
Criterio de segmentación:
en azul claro, región de bolas grandes propiedad morfométrica
Criterio de segmentación:
en azul claro, región de bolas grandes A con ‘satélites’
B,C
… tales que
R A
>3
R B,C
y separación
d A-B
< (propiedad de configuración o patrón)
Criterio de segmentación:
en azul claro, región de bolas grandes A con ‘satélites’
B,C
… tales que
R A
>3
R B,C
y separación
d A-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
estadísticas de distribución de niveles de gris diferentes.
diferentes, Por criterios morfológicos, de configuración o relaciones dadas Por
delimitación de objetos
: bordes
bordes
contornos - detección de
En función de la
escala
: Por propiedades de objetos a escalas diferentes (“visibilidad” de componentes, de acuerdo a criterio de Nyquist).
Resultado genérico:
posiblemente separación en
contorno, componentes conexas
hay 2 tipos,
implícitos
: y pixeles etiquetados (por ejemplo tras un filtro laplaciano), y
explícitos
: listas de vértices (
vectorizado
) análisis)
Representaciones
Primitivas Puntos Pixeles Voxeles Facetas Polígonos (mallas) Poliedros (sólidos) Sistemas de Partículas Texeles Códigos Contornos Regional
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 Segmentada - Etiquetas/Clases Conjuntos de nivel Jerárquica
Textural
Dominios (Markov – energía mínima)
Representación Geométrica Representación Morfológica Representación Semántica
Análisis
Extracción de rasgos y características Distribución de valores de atributos Detección de bordes y discontinuidades Análisis regional Histogramas de atributos o predicados
Locales Globales Estadísticas locales o globales
Análisis en dominios de transformada (proyección en base de funciones):
Fourier: frecuencia espacial (espectro) Bancos de filtros Ondeletas (espacio-frecuencia espacial) Puntos característicos Bordes y transciciones (interfaces) Líneas de cresta, o de inflexión Contornos (bordes cerrados)
Morfometría
Distribución estadística Textura
Distribución de valores de atributos por región Relaciones entre regiones Adyacencia y conectividad
•
Isocontornos y curvas de nivel
Conjuntos de nivel
• • •
Regiones delimitadas por contornos (flood) Extracción del contorno de cada región Bordes (interfaces) entre regiones
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 • Métodos de Morfología Matemática • Métodos Bayesianos • Métodos Markovianos • Redes Neuronales • Dimensión fractal • Crecimiento de regiones • Multi-resolución (pirámides)
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
A
r
Ventana Orientada
Dualidad Región/Borde B B A
A B
2
L features
AB
2
AB
A
2
A
B
2
B
2 1 2
A
B
2
t-Test (different means)
t
d
2
A
1 2
d
B
2
A
n
2 2
B
,
F-Test (different variances)
F
max{ min{
A A
, ,
B
2 }
B
2 }
2
-Test (different distributions)
2
f
(
A
,
2
B
,
ARMA
: covariance matrices
Dualidad Contornos
Regiones
C
=
R
Contorno o frontera de la región
R
interior
(
R
)
R
Región = interior sólido = interior geométrico más frontera Computacionalmente: R =
flood
( contorno de R)
Teorema de Gauss (o de Ostrodgraskii, o de la Divergencia
Relaciona cálculos integrales en un volumen (región con cálculos integrales sobre su frontera
C
=
R R
)
R
f
R
f
n