Tcnicas de inteligencia artificial

Visin Artificial
Extraccin de caractersticas

Indice
Transformada de Hough
Caractersticas: SIFT

Transformada de Hough
Fundamentos:
Motivacin:
Desarrollar tcnicas que permitan identificar primitivas
geomtricas sencillas (lneas, crculos, cuadrados.) en la
imagen (p.e. tras binarizar el resultado de Canny).

Mecanismo:
Espacio paramtrico. Los valores de los parmetros de la
ecuacin paramtrica definen unvocamente a cada primitiva.
Por cada parmetro tenemos una dimensin en el espacio
paramtrico y cada dimensin se discretiza en celdas.
Proceso de votacin. Cada punto de la imagen votar por
aquella ecuacin (combinacin de parmetros, o celda) que
cumpla. Daremos como salida las celdas con suficiente soporte o
evidencia, esto es, aquellas con un nmero suficiente de votos.

Transformada de Hough
Transformada para la recta:
Ecuacin paramtrica:

Algoritmo:

Transformada de Hough

Transformada de Hough
Transformada del crculo:
Ecuacin paramtrica:
Algoritmo:

Transformada de Hough
Anlisis:
Puntos crticos:
Ineficiencia: la complejidad espacial de la construccin del
espacio de parmetros aumenta de forma factorial con el nmero
de los mismos: O(N!) Lo mismo sucede con la complejidad
temporal del proceso de votacin: O(N-1)!
En consecuencia, el mtodo exhaustivo solamente es aplicable a
primitivas sencillas (caracterizadas por pocos parmetros) e
incluso en estos casos se hace necesaria una discretizacin muy
somera para satisfacer los requerimientos de memoria.
Ajuste de sensibilidad: aunque es un factor de menor
importancia, el ajuste del tamao de celda y del nmero mnimo
de votos (a menudo seguido de una supresin de no-mximos) es
clave para evitar un elevado nmero de falsos positivos.

Caractersticas extendidas
Las caractersticas de una imagen se puede
entender como una representacin comprensiva
de la imagen, pero reducida
Existen una serie de tareas en visin que necesitan
extraer estas caractersticas
Reconocimiento de objetos
Reconstruccin 3D
Seguimiento de movimiento
Bsqueda en base de datos de imgenes
Etc.

Estas caractersticas necesitaran ser identificadas

de manera nica

Ejemplos

http://cvlab.epf.ch/~brown/autostitch/autostitch.html

Problemas: cambios de iluminacin, tamao, punto

de vista, oclusiones, etc.

Solucin
Usar, adems de la posicin en la imagen, algn
descriptor que identifique el punto de manera
nica (o casi nica)
El descriptor contendr algn tipo de informacin
de la imagen alrededor del punto
La misma caracterstica, vista desde distintos
puntos de vista, con distinta iluminacin, con giros,
etc. tendr el mismo descriptor.
Su clculo debe ser eficiente.
Existen varias alternativas: SIFT, SURF, MSER,
etc.

SIFT
David G. Lowe, "Distinctive image features from scale-invariant
keypoints," International Journal of Computer Vision, 60, 2 (2004)

SIFT: Scale Invariant Feature Transform

Uno de los primeros en ser usados: el autor deja un
ejecutable que puede ser usado
El algoritmo devuelve las caractersticas
encontradas en la imagen
Tiene dos pasos:
Encontrar la posicin de los puntos (se podra usar
Harris o cualquier otro)
Calcular el descriptor

Localizacin de las caractersticas

Harris podra ser un buen candidato
Por qu?
Y en cuanto a la escala?

La idea es intentar que el detector sea invariante a

escala. Sift propone una deteccin multiescala

Localizacin multiescala
Cmo se puede elegir la escala?

Localizacin multiescala
La localizacin en la multiescala se consigue con
una diferencia de gaussianas (DoG)

Localizacin
Hay que encontrar un mnimo o mximo entre
escalas

Eliminacin de puntos inestables

Se encuentran muchos puntos, pero muchos de ellos
son inestables
Se eliminan aquellos:
Con un contraste bajo
Que se encuentran sobre una arista

Iniciales: 832. Finales: 536

Orientacin de la caracterstica
Es necesario encontrar cmo est orientada la
caracterstica
Se encuentra el histograma de
orientaciones ponderado en la escala
calculada y se calcula la orientacin
dominante

Descriptor
Hasta el momento hemos calculado:
Localizacin del punto.
Escala.
Orientacin.

Debemos encontrar el descriptor que nos permita

comparar entre las caractersticas
Se escoge una cierta vecindad del punto a la escala
determinada
Debemos hacer una rectificacin de la vecindad
para luego calcular descriptor

Descriptor
Se realiza un histograma de orientaciones alrededor del
punto.
Ventana 16x16 particionada en 4x4
Se calcula un histograma de 8 posibles orientaciones
Descriptor: 4x4x8=128

Ejemplos

Reconocimiento en oclusin

Otro ejemplo