Análisis de imágenes digitales

Análisis de

imágenes

digitales

SEGMENTACIÓN DE LA IMAGEN

Segmentación basada en movimiento

• Una secuencia de imágenes involucra la participación de dos o más imágenes de

una determinada escena, las cuales presentan diferencias entre sí.

• Las diferencias se pueden interpretar como variaciones espacio-temporales

generadas por el movimiento de los objetos (diferencias suaves) en la escena o por cambios significativos en la naturaleza de la escena (diferencias bruscas).

INTRODUCCIÓN

• El flujo constante de imágenes para un observador que está en movimiento

con respecto al entorno proporciona información sobre las distancias relativas de los puntos de la escena observada.

INTRODUCCIÓN

• (a), (b) y (c) son tres imágenes de una

escena y (d) es la superposición de las

tres. Se observa que la magnitud del movimiento de un punto de la escena aumenta cuando:

1. Los objetos están muy próximos al observador (caso del mouse).

2. Incrementa el ángulo entre los puntos de la escena y la dirección de traslación del observador (caso del monitor de la izquierda).

(a) (b)

• Existen tres grandes grupos de problemas relacionados con el movimiento

desde un punto de vista práctico:

1. Detección del movimiento. Se trata de registrar cualquier movimiento en la

escena utilizando una cámara. Es útil en el campo de seguridad.

2. Detección y localización de objetos en movimiento. El problema consisten en

detectar el objeto, detectar su trayectoria de su movimiento y predecir su futura trayectoria (i.e., análisis de movimiento). Algunos ejemplos son la evolución de fenómenos metereológicos con imágenes satelitales, control y predicción de tránsito vehicular, etc.

3. Obtención de las propiedades 3D de los objetos a partir de un conjunto de

proyecciones 2D adquiridas en distintos instantes de tiempo del movimiento de los objetos.

1. Velocidad máxima. La posible posición de un

objeto está dentro de un círculo cuyo centro es la posición del objeto en el cuadro anterior y el radio cmax es la máxima velocidad del objeto.

2. Aceleración pequeña. El cambio de velocidad en el

tiempo dt _{está limitada por una constante} c_.

3. Movimientos comunes. Todos los puntos de los

objetos se mueven de manera similar.

4. Correspondencia mutua. Los objetos rígidos poseen

patrones de puntos estables. Cada punto de un objeto corresponde exactamente a un punto en la siguiente imagen y viceversa.

INTRODUCCIÓN

c

max

·dt

• Para facilitar la localización de objetos en movimiento entre cuadros

consecutivos generalmente se asume lo siguiente:

t2

t1

t0

c

INTRODUCCIÓN

Segmentation of moving objects1

2D 3D Temporal Spatial

Optic Flow _DetectionChange Parametric SFM*

Dif

ferential method Block matching

Spatio-temporal Motion-based

Statistical method Frame dif

ference

Accumulated frame

dif

ference 6 parameters model 8 parameters model 12 parameters model Linear Non-linear Optical flow Change detection Parametric

Region-based Edge-based

W

atershed Bayesian Region growing Canny edge Sobel edge

1_{D. Zhang, G. Lu, “Segmentation of moving objects: A review”, Circuits, Systems and Signal Processing, vol. 20, no. 2, pp. 143-183, 2001.} *_{Structure from motion}

DIFERENCIA DE IMÁGENES

• El movimiento se deriva de un desplazamiento relativo entre el sistema de sensores y

la escena que se está captando, y es útil para extraer objetos de interés de un fondo con detalles irrelevantes.

• Un método sencillo para detectar movimiento entre dos imágenes tomadas en dos

tiempos diferentes es comparar ambas imágenes píxel a píxel.

• Supóngase que se tiene una imagen de referencia que contiene sólamente elementos

estacionarios. Al restar esta imagen con una subsecuente que tenga el mismo entorno pero con objetos en movimiento, se eliminan las componentes estacionarias quedando solamente los objetos de interés.

• Esto se puede definir como una substracción de imágenes adquiridas en diferentes

instantes de tiempo ti y tj como:

dij(x,y) = 1 si f ( x,y,t_i)− _{f (}x,y,t_j ) > _T 0 en otro caso ⎧ ⎨ ⎪ ⎩⎪

DIFERENCIA DE IMÁGENES

• De esta manera, dij(x,y) = 1 si la diferencia de los niveles de intensidad de dos

imágenes es apreciablemente diferente en las coordenadas (x,y) de acuerdo

con el valor de umbral T.

Imagen referencia con elementos estáticos

Diferencia absoluta

Umbralado

DIFERENCIA DE IMÁGENES

• Todos los píxeles con valor ‘1’ se consideran como resultado del movimiento del

objeto, aunque otros factores pueden influir:

1. f(x_,y_,ti) es un píxel de un objeto en movimiento y f(x,y,tj) es un píxel estático del fondo o viceversa.

2. f(x,y,ti) es un píxel de un objeto en movimiento y f(x,y,tj) es un píxel de otro objeto en movimiento.

3. f(x,y,ti) es un píxel de un objeto en movimiento y f(x,y,tj) es un píxel de una parte diferente del mismo objeto en movimiento.

4. Ruido, iluminación ambiental o imprecisiones en el posicionamiento de la cámara estacionaria.

• Para garantizar que solamente los objetos de interés son detectados, se pueden

aplicar operaciones de posprocesamiento para remover aquellas pequeñas regiones aisladas menores a un valor de área determinado, cerrar huecos, etc.

DIFERENCIA DE IMÁGENES

Un cuadro de video

Sin posprocesamiento Con posprocesamiento

DIFERENCIA ACUMULADA

• Las objetos detectados utilizando únicamente diferencias de imágenes no

revelan la dirección del movimiento.

• Cuando se quieren preservar los cambios en la posición de un píxel en varios

fotogramas, f(x,y,t1), f(x,y,t2),…, f(x,y,tn), se debe introducir una “memoria” al

proceso.

• Para formar una imagen de diferencia acumulada se compara la imagen de

referencia con cada una de las imágenes de la secuencia. Un contador en cada píxel de la imagen acumulativa se incrementa cada vez que se produce una diferencia entre la referencia y una imagen de la secuencia.

• Se consideran tres tipos de diferencias acumuladas: absoluta (A), positiva (P) y

DIFERENCIA ACUMULADA

• Sea R(x,y) la imagen de referencia y f(x,y,tk) una imagen de la secuencia,

entonces para todo k > 0:

Ak(x,y) = Ak−1(x,y)+1 si R(x,y)− f (x,y,tk ) > T Ak−1(x,y) en otro caso ⎧ ⎨ ⎪ ⎩⎪ Pk (x,y) = Pk−1(x,y)+1 si R(

[

x,y)− f (x,y,tk )

]

> T Pk−₁(x,y) en otro caso ⎧ ⎨ ⎪ ⎩⎪ Nk(x,y) = Nk−₁(x,y)+1 si R(

[

x,y)− f (x,y,tk )

]

< −T Nk−1(x,y) en otro caso ⎧ ⎨ ⎪ ⎩⎪

DIFERENCIA ACUMULADA

Diferencia acumulada absoluta

Diferencia acumulada positiva Diferencia acumulada negativa