Snakes / Contornos Ativos

Slides:



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

Métodos Iterativos.
Detecção de Bordas e Linhas I
Reconhecimento de Padrões Métodos, Técnicas e Ferramentas para Aprendizado e Classificação de Dados Módulo II Introdução ao Processamento de Imagens.
Amintas engenharia.
Aplicações da Integral da Integral
6- Aplicações da Derivada
Luiz Marcos Curvas paramétricas Luiz Marcos
Propriedades Físicas das Rochas
10º CAPÍTULO Segmentação de imagem.
Nice Maria Americano da Costa
Universidade Federal Rural
Fluxo Óptico Allan Carlos Avelino Rocha
Segmentação de imagens
Introdução à Computação Gráfica Geometria
DIM102 1 Curvas e Superfícies 35T56 – Sala 3F4 Bruno Motta de Carvalho DIMAp – Sala 15 – Ramal 227.
PRÉ CARREGAMENTO EM PARAFUSOS
Estrutura e movimento a partir de imagens
Computer Vision Segmentação Paulo Sérgio Rodrigues PEL205.
Movimento Harmônico Simples e Som
Filtragem Espacial É baseado na aplicação de máscaras na imagem.
Filtros I: o domínio espacial. FILTROS I: o domínio espacial.
Propriedades Mecânicas dos Materiais
5. Derivadas Direcionais, Gradientes e Pontos Críticos
3 - Equações Lineares de Segunda Ordem
Grandezas Físicas Prof. Climério Soares.
Seminário Introdução à Visão Computacional
Cap. 7. Princípio dos trabalhos virtuais
Carlos Oliveira Descrição e Objetivo Considerações Etapas consideradas Resultados obtidos Melhoramentos.
Visão Computacional Shape from Shading
Movimento Oscilatório.
Cálculo Numérico / Métodos Numéricos
Computação Gráfica Aula 11 Curvas Prof. Leo.
Segmentação de Imagens
Propriedades Mecânicas: O Ensaio de Tração Uniaxial
Fernando Carvalho, João Manuel R. S. Tavares
Equações diferenciais ordinárias
Introdução à Computação Gráfica Curvas
Projeto de Computação Gráfica
Cap. 5 – Introdução à análise diferencial de escoamentos
Cálculo da Direção de Caminhada: Gradiente de f(x)
Visão Computacional
Funções de várias variáveis
Difração de Elétrons Importância da técnica de difração de elétrons no MET Geometria espacial da difração de elétrons: Rede Real Rede Recíproca Vetor Recíproco.
Capítulo III – Processamento de Imagem
DOBRAMENTO DE CHAPAS.
Sistema de Previsão Financeira Tendências e medidas de probabilidade.
Lentes Esféricas.
Segmentação de Fundo Marcelo Gonella
Algemiro Augusto Professor: Marcelo Gattass
Transformada de Hough Processamento global para a detecção de linhas retas numa imagem Nenhum conhecimento é necessário a respeito da posição das linhas.
Parte 2. Operações Topológicas
Biometria Reconhecimento de Assinaturas
Campus de Caraguatatuba Aula 18: Sistemas de Equações Lineares (6)
Sistemas de Equações Lineares (SEL ) – Parte II
Processamento de Imagens Segmentação
Segmentação A simplificação da imagem é uma questão central na visão computacional, o que pode ser feito reduzindo-se as informações da imagem para regiões.
Algoritmos em Grafos Celso C. Ribeiro Caroline T. Rocha.
Controle de Processos por Computador
Segmentação de imagens segmentação Pré-processamento descrição / análise Não existe uma única e definitiva abordagem ao problema da segmentação A descrição.
Root-Locus Introdução Regras para construção do root-locus para
Computação Gráfica - Amostragem Profa. Mercedes Gonzales Márquez.
Prof MSc Maurício Capucim
Filtragem de Imagens CONCI, A. AZEVEDO, E. e LETA, F
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.
Mínima Curvatura (SPLINE)
Solução Numérica de Equações
PROJEÇÕES CARTOGRÁFICAS. processo matemático que permite representar uma superfície esférica (a Terra) num plano (o mapa).
Hidrodinâmica Aula 09 (1 0 Sem./2016) 1. O Teorema do Momentum 2.
Ciência da Computação Aprendizado de Máquina (Machine Learning) Aula 12 Aprendizado não Supervisionado Mapas auto-organizáveis Max Pereira.
Transcrição da apresentação:

Snakes / Contornos Ativos Processamento de Imagens

Contornos Ativos Curvas no domínio de imagens Movem-se sob influência: Forças internas da própria curva Forças externas provenientes da imagem Tais forças, combinadas, levam a curva a se moldar à borda da imagem ou outra característica selecionada.

Snakes - Aplicações Splines deformáveis Detecção de bordas Modelagem de formas (shape modeling) Segmentação Ratreamento de movimento (motion tracking)

Snakes Por que ativos ? As snakes estão sempre tentando minimizar seu funcional de energia, exibindo, portanto, comportamento dinâmico. Snakes são curvas cuja energia depende de sua forma e localização na imagem. Um mínimo local desta curva corresponde às propriedades desejadas da imagem.

Posição inicial da snake (pontilhado) Passo intermediário na processo iterativo de minimização Estágio final de minimização (snake “empurrada” de encontro ao contorno real).

Snakes Se tais propriedades desejadas são bordas, por exemplo, uma minimização desejável é aquela que mais aproxima a curva snake das bordas presentes na imagem. O processo é interativo (usuário define uma curva inicial), iterativo (processo no “tempo” em busca do ponto de mínimo)

Snakes O funcional de energia que deverá ser minimizado é uma combinação ponderada das forças internas e externas: função custo! Forças internas: Emanam da forma da snake Forças externas: Vem da imagem ou de algum outro processo de alto nível (image understading) da imagem.

Snake – representação paramétrica Eint: energia interna devida ao curvamento Eimage: Guia a snake junto a caract. importantes da imagem Econ: forças restrição externas impostas pelo usuário

Snake – energia interna : elasticidade da curva (esticamento ou contração de seu comprimento) β(s) : rigidez (stiffness) da curva (curvatura) A energia interna mantém o modelo relativamente próximo à forma original do objeto. Depende do peso de α e β. Mais ou menos rígido. α e β podem ser globais ou locais (para certos segmentos)

Snake – Energia da Imagem Line: níveis de cinza da imagem f(x,y) Edge: gradiente de f(x,y) Term (terminações de linhas): alguma medida de curvatura.

Eline Eline = I(x,y) O sinal Wline define se a snake será atraída por linhas claras ou escuras

Funcional de borda (Eedge) Eedge = -|grad f(x,y)|2 A snake será atraída p/ contornos com altos gradientes.

Funcional de terminação (Eterm) Seja C(x,y) = Gσ(x,y) * I(x,y) θ = tan-1 (Cy/Cx) : ângulo gradiente n = (cos θ , sem θ) e n┴ = -sen θ, cos θ )

Restrições (Econ)

Minimização Uma snake que minimiza E deve satisfazer a equação de Euler:

Snakes - deficiências Contorno inicial: deve ser dado próximo a curva, senão há o risco de se convergir para o local errado Dificuldade em convergir para áreas côncavas. Uma variante do modelo “resolve” esse problema: GVF snake

GVF Snake GVF: Gradient Vector Flow. O campo de fluxo de vetores gradiente são computados a partir da imagem original. É bastante denso e, por isso, mesmo que a curva inicial seja dada “longe” das bordas, essa irá convergir para o local desejado, quer seja expandindo-se, quer seja contraindo-se

GVF - Cálculo Definir um mapa de arestas (edge map) f Qq cálculo que dê valores altos nos bordos e baixos no restante (qq operador passa alta serve) O campo GVF é v(x,y) = (u(x,y),v(x,y)) que minimiza o funcional de energia:

GVF - Cálculo O GVF pode ser calculado usando as equações de Euler: É o operador laplaciano