Slides Aula19

Representação e Descrição
Descritores de baixo e médio nı́vel
Jefersson Alex dos Santos
jefersson@dcc.ufmg.br
DCC
DCC029/868 - Processamento Digital de Imagens
Introdução
Introdução
Building
Multimedia Pattern
Feature Classifier
Dataset Representation Training
Extraction
2 / 18
Introdução
Introdução
Building
Multimedia Pattern
Feature Classifier
Dataset Representation Training
Extraction
Example
w2 w1
Segmentation Pooling Color Histogram

w5
w3 =
w6
w4
w1 w2 w3 w4 w5 w6
BoW + SIFT
...
Original Image Visual Words Assignment Assignment Vectors Bag of Visual Words ...
2 / 18
Introdução
Taxonomia
Image Descriptor
Feature
Vector
Extraction
Distance/Similarity
Distance
Function
Feature
Vector
Extraction
Representações de baixo nı́vel

Descritores globais (cor, textura, forma)
Descritores locais
Representações de nı́vel médio
3 / 18
Introdução
Taxonomia
Image Descriptor
Feature
Vector
Extraction
Distance/Similarity
Distance
Function
Feature
Vector
Extraction
Representações de baixo nı́vel

Descritores globais (cor, textura, forma)
Descritores locais
Representações de nı́vel médio
3 / 18
Descritores Globais
Roteiro da Aula
1 Descritores Globais
Descritores de Textura
Descritores de Cor
Descritores de Forma
2 Representação de Nı́vel Médio
4 / 18
Descritores Globais
Um conjunto de determinados padrões existentes nas superfı́cies fı́sicas, perceptı́veis
ao olho humano, e que trazem grande quantidade de informações sobre a natureza da
superfı́cie, como suavidade, rugosidade (GONZALEZ; WOODS, 2002);
Exemplos:
Gabor Wavelets
Fourier Descriptors
Local Binary Patterns
Gray-Level Co-Occurrence Matrices
5 / 18
Descritores Globais
Um conjunto de determinados padrões existentes nas superfı́cies fı́sicas, perceptı́veis
ao olho humano, e que trazem grande quantidade de informações sobre a natureza da
superfı́cie, como suavidade, rugosidade (GONZALEZ; WOODS, 2002);
Exemplos:
Gabor Wavelets
Fourier Descriptors
5 / 18
Descritores Globais
6 / 18
Descritores Globais
6 / 18
Descritores Globais
6 / 18
Descritores Globais
Matriz de coocorrência:
7 / 18
Descritores Globais
O ideal é normalizar a matriz.
7 / 18
Descritores Globais

Etapas
7 / 18
Descritores Globais

Haralick Features
7 / 18
Descritores Globais

Haralick Features
7 / 18
Descritores Globais

Haralick Features
14 x 4 ângulos = 56 atributos
7 / 18
Descritores Globais
Descritores de Cor
Descritores de Cor
Global color histogram

Color Coherence Vector (CCV)
Border/Interior Color (BIC)
8 / 18
Descritores Globais
Descritores de Cor
Histograma de Cor
Quantifica o espaço de cores de maneira uniforme e varre a imagem calculando o

número de pixels pertencentes a cada cor (bin). O tamanho do vetor de
caracterı́sticas depende da quantização usada.
9 / 18
Descritores Globais
Descritores de Cor

Classifica os pixels da imagem em “coerentes” ou “incoerentes”
Pixel coerente: pertence a uma região com cores semelhantes, isto é, regiões
coerentes
Computa um histograma para cada grupo de pixels
Imagem original:
22 10 21 22 15 16
24 21 13 20 14 17
23 17 38 23 17 16
25 25 22 14 15 21
27 22 12 11 21 20
24 21 10 12 22 23
10 / 18
Descritores Globais
Descritores de Cor

coerentes
Imagem quantizada:
2 1 2 2 1 1
2 2 1 2 1 1
2 1 3 2 1 1
2 2 2 1 1 2
2 2 1 1 2 2
2 2 1 1 2 2
10 / 18
Descritores Globais
Descritores de Cor

coerentes
Componentes conexos (vizinhança 8):
B C B B A A
B B C B A A
B C D B A A
B B B A A E
B B A A E E
B B A A E E
10 / 18
Descritores Globais
Descritores de Cor

coerentes
Label A B C D E
Color 1 2 1 3 1
Size 12 15 3 1 5
- Componentes com quantidade de pixels acima de um limiar τ = 3: A, B, E

- Componentes com quantidade de pixels menor ou igual ao limiar τ = 3: C e D
10 / 18
Descritores Globais
Descritores de Cor

coerentes
Color 1 2 3
α 17 15 0
β 3 0 1
10 / 18
Descritores Globais
Descritores de Cor
Border/Interior Pixel Classification (BIC)

Classifica os pixels da imagem em “borda” ou “interior”.
Computa um histograma para cada conjunto.
11 / 18
Descritores Globais
Descritores de Cor

Classifica os pixels da imagem em “borda” ou “interior”.
Computa um histograma para cada conjunto.
Quantiza o espaço de cor:
11 / 18
Descritores Globais
Descritores de Cor

Alguns Resultados
12 / 18
Descritores Globais
Descritores de Cor

Alguns Resultados
12 / 18
Descritores Globais
Descritores de Cor

Alguns Resultados
12 / 18
Descritores Globais
Maioria dos métodos depende da segmentação
Descritores baseados em:

Código da Cadeia
Assinatura
Esqueleto
Pontos de Saliência
13 / 18
Descritores Globais
Maioria dos métodos depende da segmentação
Descritores baseados em:

Código da Cadeia
Assinatura
Esqueleto
Pontos de Saliência
13 / 18
Descritores Globais
Código da Cadeia
Freeman (1961 e 1974) propôs um esquema conhecido como código da cadeia
para representar a borda de um objeto
14 / 18
Descritores Globais
Código da Cadeia
Ao invés de armazenar as coordenadas absolutas dos pixels, a representação
pelo código da cadeia utiliza a posição relativa entre pixels consecutivos da borda
14 / 18
Descritores Globais
Código da Cadeia
Dado um ponto inicial pertencente à borda, o código é definido por uma
sequência formada pelas direções entre cada pixel e seu vizinho, até que todos
os pixels da borda sejam considerados
14 / 18
Descritores Globais
Código da Cadeia
Dado um ponto inicial pertencente à borda, o código é definido por uma
sequência formada pelas direções entre cada pixel e seu vizinho, até que todos
os pixels da borda sejam considerados
A direção de cada segmento é codificada por um esquema de numeração
baseado na vizinhança-4 ou vizinhança-8, ilustrado a seguir
14 / 18
Descritores Globais
Código da Cadeia
Essa representação baseia-se inicialmente na amostragem da borda a ser
codificada por meio de uma grade cujo espaçamento determina a resolução da
codificação
A Figura (a) mostra um contorno e uma grade de amostragem. Os pontos
marcados são os vértices da grade que estão mais próximos da curva e que
serão usados na codificação. A figura (b) mostra o resultado da amostragem da
borda com a grade.
Uma desvantagem: sensibilidade a pequenas perturbações ao longo da borda
15 / 18
Descritores Globais
Assinatura
Uma assinatura é uma representação unidimensional da borda de um objeto
Uma das formas mais simples é dada pelo gráfico da distância da borda ao
centróide em função do ângulo, como ilustrado a seguir
16 / 18
Representação de Nı́vel Médio
Roteiro da Aula
1 Descritores Globais
Descritores de Cor
2 Representação de Nı́vel Médio
17 / 18
Representação de Nı́vel Médio
Bag of Visual Words
pdi bow.pdf
18 / 18

Slides Aula19

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Slides Aula19

Încărcat de

Drepturi de autor:

Formate disponibile

Representação e Descrição

Descritores de baixo e médio nı́vel

Jefersson Alex dos Santos

Segmentation Pooling Color Histogram

Representações de baixo nı́vel

Representações de baixo nı́vel

2 Representação de Nı́vel Médio

Local Binary Patterns

Local Binary Patterns

Local Binary Patterns

Gray-Level Co-Occurrence Matrices

Gray-Level Co-Occurrence Matrices

O ideal é normalizar a matriz.

Gray-Level Co-Occurrence Matrices

Gray-Level Co-Occurrence Matrices

Gray-Level Co-Occurrence Matrices

Gray-Level Co-Occurrence Matrices

Global color histogram

Quantifica o espaço de cores de maneira uniforme e varre a imagem calculando o

Color Coherence Vector (CCV)

Color Coherence Vector (CCV)

Color Coherence Vector (CCV)

Componentes conexos (vizinhança 8):

Color Coherence Vector (CCV)

- Componentes com quantidade de pixels acima de um limiar τ = 3: A, B, E

Color Coherence Vector (CCV)

Border/Interior Pixel Classification (BIC)

Border/Interior Pixel Classification (BIC)

Quantiza o espaço de cor:

Border/Interior Pixel Classification (BIC)

Border/Interior Pixel Classification (BIC)

Border/Interior Pixel Classification (BIC)

Maioria dos métodos depende da segmentação

Descritores baseados em:

Maioria dos métodos depende da segmentação

Descritores baseados em:

2 Representação de Nı́vel Médio

Bag of Visual Words

S-ar putea să vă placă și