Académique Documents
Professionnel Documents
Culture Documents
Universidad de Vigo
Doctorado en Ingeniera
Medioambiental
Curso de verano
- Junio 2009 -
Francesco Bianconi
Dipartimento Ingegneria Industriale
Universit degli Studi di Perugia
(ITALIA)
1
Qu vamos a ver en este seminario ?
2
Clasificacin / 1
Representacin en un espacio
de caractersticas adecuado,
(por ejemplo mediante un
vector o un histograma);
definicin de una forma de
medir la distancia entre los
vectores o la disimilitud entre
los histogramas
Clasificacin / 2
3
Segmentacin / 1
Ejemplo:
Segmentacin de
imgenes areas
Segmentacin / 2
Imagen a Resultado de la
Ground truth
segmentar segmentacin
4
Bsqueda de imgenes en bases de
datos (CBIR)
Consiste en filtrar una base de datos de informacin
visual (imgenes, vdeos). La bsqueda se basa en el
contenido visual (textura, color y otras caractersticas)
Aplicacin en:
Medicina;
Arte;
Periodismo;
Logotipos
Investigaciones policiales
Bsqueda de materiales
Ejemplos de aplicaciones
Materiales
Baldosas en piedra natural
mrmol
granito
Tablas de madera (parquet)
Baldosas en cermica
Papel
Cuero
Aplicaciones
Clasificacin formacin de lotes de
aspecto uniforme
Segmentacin bsqueda de defectos
(agujeros, grietas, vetas, etc.)
CBIR bsqueda de material
almacenado
Francesco Bianconi Introduccin Doctorado en Tecnologa Medioambiental 10
5
Presentacin
Fundamentos de reconocimiento de
patrones
Francesco Bianconi
Dipartimento Ingegneria Industriale
Universit degli Studi di Perugia
(ITALIA)
Fundamentos de
Francesco Bianconi Doctorado en Tecnologa Medioambiental 1
reconocimiento de patrones
Qu es el reconocimiento de patrones ?
Fundamentos de
Francesco Bianconi Doctorado en Tecnologa Medioambiental 2
reconocimiento de patrones
1
Aplicaciones
Principales aplicaciones:
Visin por ordenador
Reconocimiento de caracteres
Diagnstico asistido por ordenador
Reconocimiento vocal
...muchas ms
Fundamentos de
Francesco Bianconi Doctorado en Tecnologa Medioambiental 3
reconocimiento de patrones
Fundamentos de
Francesco Bianconi Doctorado en Tecnologa Medioambiental 4
reconocimiento de patrones
2
Etapas del proceso de clasificacin
Adquisicin
(sacar fotos del pescado)
Pre-
Pre-procesamiento
(separar el primer plano
del fondo)
Extraccin de los
parmetros caractersticos
(determinar ancho y brillo)
Clasificacin
Salmn Lubina
Fundamentos de
Francesco Bianconi Doctorado en Tecnologa Medioambiental 5
reconocimiento de patrones
Clasificacin
Supervisada No supervisada
Datos de entrada: Datos de entrada:
Patrones de clase conocida y Patrones de clase desconocida
sus etiquetas (ejemplo: serie de (ejemplo: serie de datos como
datos como brillo + ancho + tipo brillo + ancho);
de pescado);
Nmero de clases (N), es decir:
Patrones de clase desconocida nmero de subconjuntos a
(ejemplo: serie de datos como formar
brillo + ancho)
Datos de salida:
Datos de salida:
Patrones agrupados en N
Etiquetas de los patrones de grupos
clase desconocida
Fundamentos de
Francesco Bianconi Doctorado en Tecnologa Medioambiental 6
reconocimiento de patrones
3
Teora de la decisin Bayesiana
Lubina 1
Salmn 2
Densidad de probabilidad en
funcin del parmetro brillo
Fundamentos de
Francesco Bianconi Doctorado en Tecnologa Medioambiental 7
reconocimiento de patrones
: P (1 | x ) > P (2 | x )
= 1
2: P (1 | x ) < P (2 | x )
Fundamentos de
Francesco Bianconi Doctorado en Tecnologa Medioambiental 8
reconocimiento de patrones
4
Clasificadores
Paramtricos No paramtricos
1. Se establece a priori una Estn basados en tcnicas de
forma funcional para la clasifiacin que no requiere el
distribucin de probabilidad clculo de la distribucin de
(por ejemplo gaussiana); probabilidad
2. Se estiman los parmetros
de dicha distribucin ( y Mtodos basados en la distancia
en el caso de gaussiana)
para que sta se ajuste a los Nearest Neighbour
datos que tenemos K-Nearest Neighbours
Clasificadores bayesianos
Clasificador Bayesiano
Clasificador Naive Bayes
Fundamentos de
Francesco Bianconi Doctorado en Tecnologa Medioambiental 9
reconocimiento de patrones
Clasificador Bayesiano
p (x | i )P (i ) i = {1,...,N }
P (i | x ) = N
p (x | j )P ( j ) x = {x1,...,x M }
j =1
Fundamentos de
Francesco Bianconi Doctorado en Tecnologa Medioambiental 10
reconocimiento de patrones
5
Clasificador naive Bayes
Fundamentos de
Francesco Bianconi Doctorado en Tecnologa Medioambiental 11
reconocimiento de patrones
Fundamentos de
Francesco Bianconi Doctorado en Tecnologa Medioambiental 12
reconocimiento de patrones
6
Clasificador k-NN
x1
Fundamentos de
Francesco Bianconi Doctorado en Tecnologa Medioambiental 13
reconocimiento de patrones
Ventajas:
Ventajas x2
Implantacin sencilla;
Clasificacin rpida
Desventajas:
Desventajas
Sensible a outliers
x1
Fundamentos de
Francesco Bianconi Doctorado en Tecnologa Medioambiental 14
reconocimiento de patrones
7
1-NN y teselacin de Voronoi
Fundamentos de
Francesco Bianconi Doctorado en Tecnologa Medioambiental 15
reconocimiento de patrones
Ventajas:
Ventajas x2
Respeto al 1-NN es
menos sensbile a outliers
Desventajas:
Desventajas
Si los puntos estn muy
dispersos el centroide es
poco significativo
x1
Fundamentos de
Francesco Bianconi Doctorado en Tecnologa Medioambiental 16
reconocimiento de patrones
8
Distancia
Fundamentos de
Francesco Bianconi Doctorado en Tecnologa Medioambiental 17
reconocimiento de patrones
Distancias ms utilizadas
f2 Distancia eucl EU = c
eucldea (EU
EU) 1
c
r a MA = a+b
Distancia de Manhattan (MA
MA)
b 2
s
CH = max(a,b)
Distancia de Chebychev (CH
CH) 3
f1
Distancia eucl
eucldea Distancia correlac
correlacin (CR
CR)
CR Distancia coseno (CO
CO)
CO
estndar (ES
ES)
ES = [1cos()]/2
p
2 (x ri r )(x si s )
p
x ri x si
p x ri x si rs = 1 i =1
rs = p p rs = 1 i =1
/2
i =1 i (x ri r ) (x si
2
s )2
p
2
p
2
i =1 i =1 x ri x ri
4 5 6 i =1 i =1
Fundamentos de
Francesco Bianconi Doctorado en Tecnologa Medioambiental 18
reconocimiento de patrones
9
Cmo se puede estimar la bondad de
un clasificador ?
La idea bsica es la siguiente:
1. Se parte de un conjunto de patrones de clase
conocida;
2. se divide el conjunto en dos subconjuntos: uno para
el aprendizaje (training
training set)
set y el otro para la
clasificacin (validation
validation set);
set
3. se lleva a cabo la clasificacin;
4. se calcula la tasa de acierto:
nc
t =
nv
siendo nc el nmero de los ejemplos del grupo de test
que se han clasificado correctamente, nv el nmero total
de ejemplos del validation set.
Fundamentos de
Francesco Bianconi Doctorado en Tecnologa Medioambiental 19
reconocimiento de patrones
Full sampling
x 1 x1
Fundamentos de
Francesco Bianconi Doctorado en Tecnologa Medioambiental 20
reconocimiento de patrones
10
Mtodo leave-one-out cross validation
Repetir
18 veces
x1 x1
Se trata de un mtodo determinista:
determinista a partir de los
ejemplos disponibles siempre se obtiene la misma
estimacin del error.
Fundamentos de
Francesco Bianconi Doctorado en Tecnologa Medioambiental 21
reconocimiento de patrones
Bibliografa
Fundamentos de
Francesco Bianconi Doctorado en Tecnologa Medioambiental 22
reconocimiento de patrones
11
Presentacin
Francesco Bianconi
Dipartimento Ingegneria Industriale
Universit degli Studi di Perugia
(ITALIA)
El ojo humano
1
La retina
2
Visin escotpica
3
Sensibilidad de los conos
Estmulo visual
4
Cmo veramos si tuvisemos slo dos
tipos de conos?
Leyes de Grassmann
5
Metamerismo
6
Espacio de color CIE-RGB (1931)
blanco
= 700 nm = 546.1 nm = 435.8 nm equienergtico
+ + =
Y WR = 1 Y WV = 4.5907 Y WA = 0.0601 Y W= 5.6508
cd/m2
7
Funciones de igualacin RGB
1,0
0,8
Valor triestmulo
0,6
0,4
0,2
0,0
400 450 500 550 600 650 700
-0,2
-0,4
Longitud de onda (nm)
8
Espacio de color CIE-XYZ
Diagrama de cromaticidad uv
9
Espacios de color dependientes e
independientes del dispositivo
Los espacios de color que acabamos de ver son
independientes del dispositivo (espacios colorimtricos).
Es decir: los valores triestmulo de un color no dependen
del dispositivo con que se han adquirido.
En cambio, en los espacios dependientes del dispositivo
los valores triestmulo de un color dependen del
dispositivo con que se han adquirido.
Espacio RGB
10
Espacio HSV
Qu es el color de un material ?
Material
11
Iluminantes estndares
Iluminante D50.
D50 Simula la luz de Iluminante D65.
D65 Simula la luz de
un da despejado. un da nublado.
Colormetro / Colormetro
espectrofotmetro
12
Qu informacin podemos sacar con
una cmara digital ?
Una cmara digital proporciona informaciones en un
espacio dependiente del dispositivo (tpicamente RGB).
RA,GA,BA
Cmara A
RB,GB,BB
Cmara B
Material
13
Histograma de color
Histogramas marginales
Histograma
del canal G
14
Descriptores estadsticos: media y
desviacin tpica
Son los descriptores estadsticos ms sencillos. Se
calcula el promedio y la desviacin tpica en cada canal.
R , R
G , G
B , B
Imagen en colores
Percentiles del
canal G
Percentiles del
Imagen en colores canal B
15
Descriptores estadsticos: momentos
1 n
(x i x )
k
mk =
n i =1
Ventajas
Invariantes a rotacin y a cambio de
escala;
tiempo de cmputo moderado
Desventajas
Muy sensibles a cambios de
iluminacin;
sensibles a cambios de sistemas de
adquisicin (en el caso de espacios
dependientes del dispositivo)
16
Bibliografa
17
Presentacin
Representacin y anlisis de la
textura
Francesco Bianconi
Dipartimento Ingegneria Industriale
Universit degli Studi di Perugia
(ITALIA)
Representacin y anlisis de la
Francesco Bianconi Doctorado en Tecnologa Medioambiental 1
textura
Qu es una textura ?
Representacin y anlisis de la
Francesco Bianconi Doctorado en Tecnologa Medioambiental 2
textura
1
Propiedad de una textura
Representacin y anlisis de la
Francesco Bianconi Doctorado en Tecnologa Medioambiental 3
textura
Clasificacin
Segmentacin
Sntesis
Forma a partir de la textura (shape
from texture)
Bsqueda de imgenes en bases de
datos (CBIR)
Representacin y anlisis de la
Francesco Bianconi Doctorado en Tecnologa Medioambiental 4
textura
2
Forma a partir de la textura
Representacin y anlisis de la
Francesco Bianconi Doctorado en Tecnologa Medioambiental 5
textura
Sntesis
Muestra
3
Propiedades de las texturas
La textura:
es una propiedad de reas (un slo
punto no define una textura)
est relacionada con la distribucin
espacial de los niveles de gris
depende de la escala;
escala
Representacin y anlisis de la
Francesco Bianconi Doctorado en Tecnologa Medioambiental 7
textura
Representacin y anlisis de la
Francesco Bianconi Doctorado en Tecnologa Medioambiental 8
textura
4
Mtodos estadsticos
Matrices de co-
co-
occurrencia
Mtodos estadsticos
Autocorrelacin
Representacin y anlisis de la
Francesco Bianconi Doctorado en Tecnologa Medioambiental 9
textura
Autocorrelacin / 1
N M
I (x ,y )I (x + u ,y + v )
(u ,v ) = x =1y =1 N M
I (x ,y )
2
x =1y =1
Representacin y anlisis de la
Francesco Bianconi Doctorado en Tecnologa Medioambiental 10
textura
5
Autocorrelacin / 2
Autocorrelacin en x Autocorrelacin en y
Representacin y anlisis de la
Francesco Bianconi Doctorado en Tecnologa Medioambiental 11
textura
Autocorrelacin / 3
(x ,y ) = Ax 2 + By 2 + Cxy + Dx + Fy + G
Parmetros caractersticos
Representacin y anlisis de la
Francesco Bianconi Doctorado en Tecnologa Medioambiental 12
textura
6
Matrices de co-ocurrencia / 1
Columna n
dy
d
Fila m
dx
En frmulas:
Pr ob{[I (m ,n ) = i ] | [I (m + d x ,n + d y ) = j ]}
Representacin y anlisis de la
Francesco Bianconi Doctorado en Tecnologa Medioambiental 13
textura
Matrices de co-ocurrencia / 2
50
100
150
200
250
50 100 150 200 250
Representacin y anlisis de la
Francesco Bianconi Doctorado en Tecnologa Medioambiental 14
textura
7
Matrices de co-ocurrencia / 3
50 50
100 100
150 150
200 200
250 250
50 100 150 200 250 50 100 150 200 250
d = (5,0) d = (30,0)
Representacin y anlisis de la
Francesco Bianconi Doctorado en Tecnologa Medioambiental 15
textura
Matrices de co-ocurrencia / 4
G 1 G 1
Energa = p (m ,n )2
m =0 n =0
G 1 G 1
Entropa = p (m ,n )log[p (m ,n )]
m =0 n =0
1 G 1 G 1
Contraste = m ( n ) p (m ,n )
2
(G 1) 2 m =0 n =0
G 1 G 1 p (m ,n )
Homogeneidad =
m =0 n =0 1+ m n
Representacin y anlisis de la
Francesco Bianconi Doctorado en Tecnologa Medioambiental 16
textura
8
Matrices de co-ocurrencia / 5
En resumen:
1) Se establece un conjunto de vectores de
desplazamiento (vectores cortos = micro-textura;
vectores largos = macro-textura);
2) Se calcula la matriz de co-ocurrencia de cada vector
de desplazamiento;
3) Se establece un conjunto de caractersticas a extraer
de cada matriz de co-ocurrencia;
4) Se extraen las caractersticas de cada matriz.
Representacin y anlisis de la
Francesco Bianconi Doctorado en Tecnologa Medioambiental 17
textura
Filtros de Gabor
Mtodos basados en
anlisis de seales
Wavelets
Representacin y anlisis de la
Francesco Bianconi Doctorado en Tecnologa Medioambiental 18
textura
9
Filtros de Gabor / 1
1/
1/
Representacin y anlisis de la
Francesco Bianconi Doctorado en Tecnologa Medioambiental 19
textura
Filtros de Gabor / 2
1/
1/F
1/
1/ 1/
1/F
F
Representacin y anlisis de la
Francesco Bianconi Doctorado en Tecnologa Medioambiental 20
textura
10
Filtros de Gabor / 3
Representacin y anlisis de la
Francesco Bianconi Doctorado en Tecnologa Medioambiental 21
textura
Filtros de Gabor / 4
Transformada de Gabor.
Convolucin
Re Im Mdulo
Representacin y anlisis de la
Francesco Bianconi Doctorado en Tecnologa Medioambiental 22
textura
11
Filtros de Gabor / 5
Nmero de frecuencias nF = 6
Nmero de inclinaciones n = 6
Wavelets / 1
1 1
0.5 0.5
0 0
1 1. 1 1.2 1. 3 1.4 1. 5 1.6 1. 7 1.8 1. 9 2 1 1. 1 1.2 1. 3 1.4 1. 5 1.6 1. 7 1.8 1. 9 2
Frecuencia Frecuencia
Representacin y anlisis de la
Francesco Bianconi Doctorado en Tecnologa Medioambiental 24
textura
12
Wavelets / 2
high_y / high_y /
low_x high_x
low_y / high_x /
low_x low_y
ux ux
E1 E2
Wavelets / 3
ux ux
Representacin y anlisis de la
Francesco Bianconi Doctorado en Tecnologa Medioambiental 26
textura
13
Wavelets / 4
I
columnas
Filtro_PA 12 Hx_Hy
filas
Filtro_PA 21 columnas
Filtro_PB 12 Hx_Ly
Siendo:
= convolucin 21 = diezmado por columnas
Representacin y anlisis de la
Francesco Bianconi Doctorado en Tecnologa Medioambiental 27
textura
Wavelets / 5
1.5 1.5
Daubechies / 5
Filtros tipo
1 1
0.5 0.5
0 0
1 1.5 2 2.5 3 3.5 4 4.5 5 5.5 6 1 1.5 2 2.5 3 3.5 4 4.5 5 5.5 6
1
1
0.5
0.5
0
1 1.5 2 2.5 3 3.5 4 0
1 1.5 2 2.5 3 3.5 4
Representacin y anlisis de la
Francesco Bianconi Doctorado en Tecnologa Medioambiental 28
textura
14
Wavelets / 6
ux
Representacin y anlisis de la
Francesco Bianconi Doctorado en Tecnologa Medioambiental 29
textura
Modelos autoregresivos
Mtodos basados en
modelo
Campos aleatorios de
Markov
Representacin y anlisis de la
Francesco Bianconi Doctorado en Tecnologa Medioambiental 30
textura
15
Modelos autoregresivos / 1
v1 v2 v3
v4 vp v5
v6 v7 v8
Por ejemplo:
Representacin y anlisis de la
Francesco Bianconi Doctorado en Tecnologa Medioambiental 31
textura
Modelos autoregresivos / 2
Representacin y anlisis de la
Francesco Bianconi Doctorado en Tecnologa Medioambiental 32
textura
16
Modelos autoregresivos / 3
Representacin y anlisis de la
Francesco Bianconi Doctorado en Tecnologa Medioambiental 33
textura
Modelos autoregresivos / 3
El mtodo
cuadrados
de mnimos
proporciona la (
= VqT Vq
A )1 T
Vq Vp
solucin del sistema
v p1 1 v 11 ... v q1 a0 1
Vp = ... Vq = 1 ... ... ... A = ... E = ...
v a
pk 1 v 1k ... v qk q k
Representacin y anlisis de la
Francesco Bianconi Doctorado en Tecnologa Medioambiental 34
textura
17
Campos aleatorios de Markov / 1
( )
3) P v i v j , j W es invariante
a traslacin vi
Siendo:
vj
V el conjunto las posibles
coloraciones de la imagen
(espacio de configuraciones);
W
vi el valor del pxel i.
A una distribucin de probabilidad P(V) que satisfaga las
condiciones 1), 2) y 3) se le denomina campo aleatorio
de Markov
Representacin y anlisis de la
Francesco Bianconi Doctorado en Tecnologa Medioambiental 35
textura
G e ks Siendo:
P (v i |v W ) =
n (1+ e s )
G
vW la intensidad de los pxeles
del vecindario W;
G el nmero de niveles de gris
de la imagen
s un parmetro que depende
de la intensidad de los pxeles
del vecindario W
n el nmero de pxeles del
vecindario W
Representacin y anlisis de la
Francesco Bianconi Doctorado en Tecnologa Medioambiental 36
textura
18
Campos aleatorios de Markov / 3
v4
V1 vi v3 s = a1(v 1 + v 3 ) + a2 (v 2 + v 4 )
v2
v1 v8 v7
s = a1(v 2 + v 6 ) + a2 (v 4 + v 8 ) +
v2 vi v6
a3 (v 1 + v 5 ) + a4 (v 3 + v 7 )
v3 v4 v5
Representacin y anlisis de la
Francesco Bianconi Doctorado en Tecnologa Medioambiental 37
textura
WM
Representacin y anlisis de la
Francesco Bianconi Doctorado en Tecnologa Medioambiental 38
textura
19
Campos aleatorios de Markov / 5
argmax M
(a1,...,an ) = P (v |v ;a ,...a )
(a1,...,an )k=1 ik Wk 1 n
Representacin y anlisis de la
Francesco Bianconi Doctorado en Tecnologa Medioambiental 39
textura
Mtodos geomtricos
Coordinated Clusters
Mtodos geomtricos
Representation (CCR)
Ranklets
Representacin y anlisis de la
Francesco Bianconi Doctorado en Tecnologa Medioambiental 40
textura
20
Coordinated Clusters Representation / 1
Representacin y anlisis de la
Francesco Bianconi Doctorado en Tecnologa Medioambiental 41
textura
[
32 16 8
b2,1 b2,2 b2,3 .* (25) (24) (23) ]
4 2 1
b3,1 b3,2 b3,3
(22) (21) (20)
5
000000101
(22+20)
97
001100001
(26+25+20)
Representacin y anlisis de la
Francesco Bianconi Doctorado en Tecnologa Medioambiental 42
textura
21
Coordinated Clusters Representation / 3
0.4
0.35
0.3
0.25
0.2
0.15
0.1
0.05
0
0 100 200 300 400 511
Representacin y anlisis de la
Francesco Bianconi Doctorado en Tecnologa Medioambiental 43
textura
0.35
Imagen RGB
0.3
0.25
0.2
0.15
0.1
0.05
0
0 50 100 200 300 400 511
escala de gris
Imagen en
binarizada
Imagen
Representacin y anlisis de la
Francesco Bianconi Doctorado en Tecnologa Medioambiental 44
textura
22
Coordinated Clusters Representation / 5
50 60 80
Representacin y anlisis de la
Francesco Bianconi Doctorado en Tecnologa Medioambiental 45
textura
0.035
0.03
0.025
0.02
0.015
0.01
0.005
0
0 50 100 150 200 255
23
Local Binary Patterns / 1
Representacin y anlisis de la
Francesco Bianconi Doctorado en Tecnologa Medioambiental 47
textura
[
16 8
b2,1 b2,3 .* (24) (23) ]
4 2 1
b3,1 b3,2 b3,3
(22) (21) (20)
13
00001101
(23+22+20)
96
01100011
(26+25+20)
Representacin y anlisis de la
Francesco Bianconi Doctorado en Tecnologa Medioambiental 48
textura
24
Local Binary Patterns / 3
0.12
0.1
0.08
0.06
0.04
0.02
0
0 50 100 150 200 250
Representacin y anlisis de la
Francesco Bianconi Doctorado en Tecnologa Medioambiental 49
textura
CCR LBP
Dimensin
512 256
del espacio
Representacin y anlisis de la
Francesco Bianconi Doctorado en Tecnologa Medioambiental 50
textura
25
Ranklets / 1
Valores (escala
Idea bsica:
de gris)
14 80 130 205
1) dividir la ventana en dos
subconjuntos (ejemplo: rojo y 23 30 190 135
azul);
230 210 34 81
2) ordenar todos los pxeles de
la ventana por valor (ranking) 14 10 16 7
3) Calcular la diferencia de
Ranking
15 9 6 3
ranking entre los dos
subconjuntos 13 12 4 5
0y1
Representacin y anlisis de la
Francesco Bianconi Doctorado en Tecnologa Medioambiental 51
textura
Ranklets / 2
Representacin y anlisis de la
Francesco Bianconi Doctorado en Tecnologa Medioambiental 52
textura
26
Ranklets / 3
Representacin y anlisis de la
Francesco Bianconi Doctorado en Tecnologa Medioambiental 53
textura
Ranklets / 4
Ri
Rk
R , R
Representacin y anlisis de la
Francesco Bianconi Doctorado en Tecnologa Medioambiental 54
textura
27
Bibliografa
Representacin y anlisis de la
Francesco Bianconi Doctorado en Tecnologa Medioambiental 55
textura
28