A apresentação está carregando. Por favor, espere

A apresentação está carregando. Por favor, espere

Resíduos Morfológicos e Aplicações em Filtragem e Segmentação de Imagens Decomposição multiresolução - quantidade de informação analisada resolução ou.

Apresentações semelhantes


Apresentação em tema: "Resíduos Morfológicos e Aplicações em Filtragem e Segmentação de Imagens Decomposição multiresolução - quantidade de informação analisada resolução ou."— Transcrição da apresentação:

1 Resíduos Morfológicos e Aplicações em Filtragem e Segmentação de Imagens Decomposição multiresolução - quantidade de informação analisada resolução ou granularidade Modelo de decomposição: esquema piramidal Dois passos: análise: simplifica a imagem reduzindo progressivamente a quantidade de informação síntese: recupera total ou parcialmente a informação perdida na fase de análise

2 Exemplo típico: Pirâmide laplaciana

3

4 Granulometria Conjunto de transformaçõesdependentes do parâmetro de tamanho e com as seguintes propriedades: idempotência: a abertura morfológica crescente com elem. estruturante convexo define uma granulometria

5 Resíduos Morfológicos diferença entre dois níveis granulométricos consecutivos conjunto X função f representam as componentes preservadas no nívele eliminadas no nível representação completa

6 Granulometria + resíduos morfológicos = pirâmide multiresolução simplifica a informaçãocontém detalhes de cada escala Assim...

7 Filtragem por resíduos morfológicos Definições básicas: Seja o domínio da imagem I em queassume valores no intervalo [0,L], L =1 para imagens binárias Sejaum subconjunto de pontos definido pela transformação da imagem I

8 Resíduos binários - subconjunto de pontos da imagem tal que: Para uma imagem binária:

9 I B = = = e as intersecções de R i são vazias

10 Imagens em níveis de cinza: intersecções de R i vazias o detalhe obtido em um nível não está presente em outro nível residual não tem-se, necessariamente, supressão sucessiva de pontos nos resíduos binários; os pixels em níveis de cinza podem ser apenas suavizados ao longo das aberturas

11 - Exemplo: f = = =

12 resíduos subconjuntos

13 Baseado no subconjunto de pixels presentes nos níveis residuais, associamos a cada ponto o seguinte mapeamento: Mapeamento de resíduos: Seja o conjunto binário de resíduos morfológicos Um mapeamento contendo informações sobre o parâmetro relacionado com cada nível residual é dado por: - informação sobre os diferentes desaparecimentos (mudança de 1 para 0) dos pontos no resíduo binário análise da complexidade das estruturas

14 - Exemplo: f = = = a b c d e f g h i M(g) = {1, 0,0}M(d) = {1,1,0}M(c) = {0,1,0}

15 M(n) = {1,1,0,0,0,0,0,1,0} para= 1,2,3,...,9 de todos os platôs

16 Atributos de desaparecimento relacionados com os diferentes níveis em que os pontos não fazem mais parte dos resíduos Exemplos: - ordem de ocorrência: diferentes momentos do desaparecimento - número de ocorrências: número de desaparecimentos M(g) = {1, 0,0}M(d) = {1,1,0}M(c) = {0,1,0}

17 componentes A e B: mesmo parâmetro de tamanho com diferentes números de desaparecimento

18 Resíduos por atributos atributos baseados na persistência dos pontos ao longo dos níveis residuais: parâmetros de tamanho e / ou informações de desaparecimento M pequenas (grandes) estruturas são representadas por baixos (altos) níveis residuais dá idéia sobre a complexidade ou regularidade da forma (componentes muito regulares têm baixo valor de em M

19 Resíduos por atributo de tamanho relacionados diretamente com a informação de tamanho das estruturas R4R4 R3R3 R2R2 R1R1

20 Resíduos por atributo de desaparecimento relacionados com a informação do mapeamento M: - nº de desaparecimentos - ordem de ocorrência máximos regionais: M(k) = {1, 0, 0, 0, 0, 0, 0, 1, 0}M(m) = {1, 1, 0, 0, 0, 0, 0, 1, 0}

21 Resíduos por atributos de tamanho e desaparecimento baseados nos parâmetros de tamanho e desaparecimento máximo regional com

22 máximos regionais com 2º desaparecimento no nível 5

23 Filtragem e segmentação - Etapas: (1) definição dos atributos: características das componentes a serem extraídas (2) definição de marcadores: representação das componentes (estruturas) a serem extraídas (3) reconstrução geodésica: reconstrução da imagem original com base na imagem de marcadores

24 Definição de marcadores dependente da transformação e dos atributos diferentes imagens marcadoras e combinações destas podem ser consideradas Exemplos: - marcadores para as estruturas de interesse Preserva - marcadores para as estruturas a serem eliminadas Elimina estruturas f = reconstrução f (Preserva) - reconstrução f (Elimina)

25 Marcadores associados com e independentes do mapeamento M

26 marcadores Preserva para marcadores Elimina Preserva Elimina

27 Marcadores associados com o mapeamento M

28 marcadores Preserva para máximos regionais com Elimina

29 Marcadores associados com e mapeamento M Se = nível com número de desaparecimento - Exemplo 1:

30 marcadores Preserva para k=1 e

31 - Exemplo 2: Se = nível em que ocorre o -ésimo desaparecimento de v:

32 marcadores Preserva para = 2 e Elimina

33 Reconstrução geodésica reconstrução da imagem original baseada nas imagens de marcadores - Reconstrução binária: reconstrução de k componentes de X usando Y como marcador: XY conjuntos: reconstrução

34 - Reconstrução em níveis de cinza

35 Algoritmo geral de filtragem / segmentação baseado em resíduos por atributos 1. Defina o mapeamento M para os pontos v 2. Defina as imagens marcadoras Preserva e Elimina de acordo com os atributos considerados ( ) 3. Use os marcadores para extrair componentes de interesse da imagem através da reconstrução geodésica: (a) reconstrução de f usando Preserva (b) reconstrução de f usando Elimina (c) subtração das imagens 3(a) – 3(b) (Preserva) (Elimina)

36 Resumidamente:

37 - Exemplo: Mapeamento

38 Filtragem por tamanho

39 Filtragem por n° de desaparecimentos

40 (Elimina) (Preserva)

41 e e Filtragem por tamanho, nº de desaparecimentos e ordem

42 ee (Preserva) (Elimina)

43 componentes de mesmo tamanho em diferentes níveis topográficos

44 - Exemplo reais: original diferença

45 dualidade originaldiferença

46 original diferença

47 limiarização T = 153 original limiarização T=1

48 Imagens de radar original navios


Carregar ppt "Resíduos Morfológicos e Aplicações em Filtragem e Segmentação de Imagens Decomposição multiresolução - quantidade de informação analisada resolução ou."

Apresentações semelhantes


Anúncios Google