Algemiro Augusto Professor: Marcelo Gattass

Slides:



Advertisements
Apresentações semelhantes
João Luiz Fernandes e Aura Conci Universidade Federal Fluminense
Advertisements

Paulo Sérgio Rodrigues PEL205
IMPULSO E QUANTIDADE DE MOVIMENTO
Operações envolvendo imagens
Reconhecimento de Padrões Métodos, Técnicas e Ferramentas para Aprendizado e Classificação de Dados Módulo II Introdução ao Processamento de Imagens.
Amintas engenharia.
Amintas engenharia.
O QUE É UMA COLISÃO? Colisão em Física, significa uma interacção entre duas partículas (ou dois corpos) cuja duração é extremamente curta na escala de.
Universidade Federal Rural
Fluxo Óptico Allan Carlos Avelino Rocha
Segmentação de imagens
The Cyclops Project German-Brazilian Cooperation Programme on IT CNPq GMD DLR Visão Computacional Prof. Dr. rer.nat. Aldo von Wangenheim.
Michele Mengucci CVRM-Centro de Geo-Sistemas IST Lisboa
O COEFICIENTE DE HURST E O COEFICIENTE DE VARIAÇÃO ESPACIAL NA SEGMENTAÇÃO DE TEXTURAS MULTIESPECTRAIS Dra Aura Conci Éldman Oliveira Nunes.
Reconhecimento de Padrões Segmentação
Iana Alexandra Alves Rufino
Estrutura e movimento a partir de imagens
Recuperação de curva de respostas para High Dynamic Range Images Rodrigo Martins FCG 2005/1 Profº Marcelo Gattass.
Captura de Texto em um Quadro Branco
Fundamentos de Computação Gráfica
Trabalho 1 – Detecção de movimento através de subtração de fundo
Algemiro Augusto Professor: Marcelo Gattass
Método de Canny Intensidade
Método M Idéia: a partir de um pixel inicial qualquer, percorrer todos os pixels de borda conectados em todas as direções até que um deles saia do limite.
Dissertação de Mestrado Michel Alain Quintana Truyenque
Paulo Sérgio Rodrigues PEL205
Introdução ao Processamento Digital de Imagens
Integrando Textura e Forma para a Recuperação de Imagens por Conteúdo
Filtragem Espacial É baseado na aplicação de máscaras na imagem.
Filtro Linear-Máscaras
Campo Elétrico Conceito e Matemática.
Algoritmos em Grafos.
Seminário Introdução à Visão Computacional
Carlos Oliveira Descrição e Objetivo Considerações Etapas consideradas Resultados obtidos Melhoramentos.
Interpolação de imagem
Segmentação de Imagens
Fernando Carvalho, João Manuel R. S. Tavares
Introdução ao Processamento Digital de Imagens Clayton de Medeiros Vasconcelos Centro Brasileiro de Pesquisas Físicas CAT- Out
Computação Gráfica – Visibilidade
1 A COMPUTAÇÃO MODERNA Valdemar W. Setzer Depto. de Ciência da Computação da USP
Curso de Aprendizado Industrial Desenvolvedor WEB Disciplina: Programação Orientada a Objetos I Professora: Cheli Mendes Costa Membro Static.
Campo Elétrico.
Relator: Leandro Augusto da Silva Contestador: Ramon Alfredo Moreno São Paulo, 14 de Março, de 2008.
Computação Gráfica – Visibilidade Profa. Mercedes Gonzales Márquez.
Graphics Interchange Format formato para intercâmbio de gráficos
Introdução ao Processamento Digital de Imagens
2.3. Aplicações das Integrais Simples
Segmentação de Fundo Marcelo Gonella
Fases do Processo Detecção de Bordas Vetorização Reconhe- cimento.
Transformada de Hough Processamento global para a detecção de linhas retas numa imagem Nenhum conhecimento é necessário a respeito da posição das linhas.
Navegação Poder ir para qualquer lugar e sempre voltar a home. Repetição e consistência dos elementos de navegação. Onde você está? Mais de uma maneira.
Sistemas de Rastreamento de Baixo Custo para Desktops Tecgraf (Grupo de Tecnologia em Computação Gráfica) Depto. de Informática, PUC-Rio Alberto Raposo,
Fases do Processo Detecção de Bordas Vetorização Reconhe- cimento.
Computação Gráfica – Visibilidade Profa. Mercedes Gonzales Márquez.
Biometria Reconhecimento de Assinaturas
Escola Politécnica da Universidade de São Paulo Engenharia Elétrica Programa de Pós Graduação Corômetro Classificação de Jogadores de Futebol pelo reconhecimento.
Física Aula 05 - Eletricidade
Snakes / Contornos Ativos
Curso de Ventos Estelares Marcelo Borges Fernandes.
Computação Gráfica – Visibilidade Profa. Mercedes Gonzales Márquez.
Revisão Rápida de Física Professor: Célio Normando.
Análise Digital de Imagens
Computação Gráfica - Amostragem Profa. Mercedes Gonzales Márquez.
Estática Estática Histórico
1 Reunião do Grupo de Estudos do Serviço de Informática do InCor Artigo-base: Nonparametric Snakes (Umut Ozertem e Deniz Erdogmus) 28 de março de 2008.
Fundamentos da Computação Gráfica PUC-Rio – Pontifícia Universidade Católica do Rio de Janeiro DI – Departamento de Informática Mestrado em Informática.
Solução Numérica de Equações
Introdução à Computação Gráfica Rasterização
FÍSICA - PROJETO REVISÃO 2015 MW
Trabalho e Energia O problema fundamental da dinâmica de uma partícula é saber como a partícula se move, se conhecermos a força que actua sobre ela (como.
Transcrição da apresentação:

Aplicação de Modelos Deformáveis para Extração de Jogadores em Imagens Digitais de Jogos de Futebol Algemiro Augusto Professor: Marcelo Gattass Fundamentos da Computação Gráfica

Objetivo Extrair o background de uma imagem de jogo de futebol preservando ao máximo informações sobre o contorno do jogador. Imagem Original

Segmentar baseado na diferença de cor rgb. Dilatar e erodir. Proposta Definir manualmente uma regiao de interesse. Segmentar baseado na diferença de cor rgb. Dilatar e erodir. Usar modelo de Snake ( Inicialização com o algoritmo Door-In-Door-Out )

Snakes Métodos baseados em modelos deformáveis. Eles foram inicialmente propostos por Kass e companheiros e desde então têm sido usados com sucesso em tarefas de segmentação, rastreamento de objetos e análise de imagens. Os modelos de Snakes podem ser uma combinação de duas partes: As forças provenientes da energia interna e as forças provenientes da energia externa.

Forças do Modelo de Snake Assim, as forças FI e FE são combinadas para gerar uma força de Snake. A FI é negativa para se contrapor a FE. Assim, a FI é alta fora da borda e a FE é baixa, fazendo a Snake depender mais da FE. Quando ela se aproxima da borda, a FE cresce e tende a anular a FI, a curva de ultrapassar a borda.

Forças do Modelo de Snake Assim, o modelo de Snake será E = Einterna + Eexterna Uma combinação das duas forças, cujo resultado é uma curva mais próxima da borda.

Força Elástica É uma força que depende somente da Geometria da Curva. Ponto Médio F-elástica (FE) = Distância de P2 para o ponto médio entre P1 e P3 Matematicamente o ponto médio M = (P1 + P3)/2 Assim FE = M – P2 Note que: quando P1 = P2 = P3, FE = 0; Quanto, mais esticado o ponto P2, maior é a sua Energia e consequentemente sua FE

Força Elástica - Evolução

Força Elástica - Evolução A força interna (FI) ultrapassa a borda se não tiver nada que a pare, uma vez que ela depende somente da geometria dela própria

Força Elástica - Evolução A força interna (FI) ultrapassa a borda se não tiver nada que a pare, uma vez que ela depende somente da geometria dela própria

Força Elástica - Evolução A força interna (FI) ultrapassa a borda se não tiver nada que a pare, uma vez que ela depende somente da geometria dela própria

Força Externa A força externa FE pode ser modelada como a Força do gradiente da imagem. Assim, ela depende da intensidade dos pixels. Onde há maior variação (numa borda, por exemplo), maior é a FE. FEx = (I(x+1,y) - I(x-1,y))/2 FEy = (I(x,y+1) - I(x,y-1))/2 FE = FEy/FEx A FE é definida como a norma-2 do gradiente da imagem ||m||2

Força Externa: Evolução

Força Externa: Evolução

Força Externa: Evolução

Força Externa: Evolução A Força Externa que depende do gradiente é maior nas bordas do objeto

Inicialização da Snake: Iteração 0

Iteração 5

Iteração 10

Iteração 20

Algoritmo Door-In-Door-Out Início

Segmentação Dado um pixel p(R,G,B), consideramos a seguinte regra de pertinencia: Se G/R > a e G/B > b o ponto p pertence ao campo de futebol, caso contrário, pertence ao jogador. Essa estratégia, simples, só funciona se o p estiver próximo da região de interesse. A vantagem é a simplicidade de implementação e velocidade de computação

Resultados Imagem Original Região Marcada Região Segmentada Após Morfologia Matemática