Clasificación Agrupación de las partes de una imagen de forma homogénea

Clasificación
Agrupación de las partes de una imagen de
forma homogénea
Clasificación o clustering
• Intenta clasificar los píxeles directamente en
clases, en función de ciertas características de
cada píxel.
– Método supervisado: Las clases se definen a priori
(número y vectores representativos de cada una)
– Método no supervisado: El clasificador elige el número de
clases
Dpto.
Dpto. Física
Física Matemática
Matemática yy Fluidos
Fluidos –– Laboratorio
Laboratorio de
de Medida
Medida Avanzada
Avanzada por
por Imagen
Imagen –– Uned
Uned
Clasificación o clustering
•
•
•
Método estadístico, multiespectral
Necesita definición de distancia a las clases
Proceso
1) Extrae características o features
2) Clasificación multivariable automática
Dpto.
Dpto. Física
Física Matemática
Matemática yy Fluidos
Fluidos –– Laboratorio
Laboratorio de
de Medida
Medida Avanzada
Avanzada por
por Imagen
Imagen –– Uned
Uned
Ejemplos de características
•
•
•
•
•
Nivel de gris
Nivel de gris en otras imágenes (multiespectro)
Características locales (varianza, etc…)
Bordes, líneas, ángulos
Formas
Dpto.
Dpto. Física
Física Matemática
Matemática yy Fluidos
Fluidos –– Laboratorio
Laboratorio de
de Medida
Medida Avanzada
Avanzada por
por Imagen
Imagen –– Uned
Uned
Algoritmos de clustering
• Fuzzy C-Means (FCM)
– Número de clases prefijado
• K-Nearest Neighbor (KNN)
– Mayoria de los k-vecinos
• Clasificación jerárquica ascendente
– Tantas clases como píxeles
• Clasificación jerárquica descendente
– Una sola clase para empezar
Lentos y pueden generar estructuras indeseadas
Dpto.
Dpto. Física
Física Matemática
Matemática yy Fluidos
Fluidos –– Laboratorio
Laboratorio de
de Medida
Medida Avanzada
Avanzada por
por Imagen
Imagen –– Uned
Uned
Ejemplo. Algoritmo NN
• Consideramos cada píxel como una clase
• Hasta conseguir r clases
– Calculamos las distancias entre clases
∧
∧
d (ci , c j ) = x i − x j ; ∀ j ∈{1,2,..., n}tal que i ≠ j
– Unimos las dos clases con distancia mínima
• La distancia puede ser cualquier métrica en un
espacio normado.
Dpto.
Dpto. Física
Física Matemática
Matemática yy Fluidos
Fluidos –– Laboratorio
Laboratorio de
de Medida
Medida Avanzada
Avanzada por
por Imagen
Imagen –– Uned
Uned
Clustering. Ejemplos
Imagen inicial
Resultados con dos métodos
Otsu, 3 clases GMVE, 3 clases
Otsu, 6 clases GMVE, 6 clases
Dpto.
Dpto. Física
Física Matemática
Matemática yy Fluidos
Fluidos –– Laboratorio
Laboratorio de
de Medida
Medida Avanzada
Avanzada por
por Imagen
Imagen –– Uned
Uned
Clustering. Ejemplos
Resultado
Otsu, 8 clases
Imagen inicial
Resultado,
GMVE, 8 clases
Dpto.
Dpto. Física
Física Matemática
Matemática yy Fluidos
Fluidos –– Laboratorio
Laboratorio de
de Medida
Medida Avanzada
Avanzada por
por Imagen
Imagen –– Uned
Uned
Dpto.
Dpto. Física
Física Matemática
Matemática yy Fluidos
Fluidos –– Laboratorio
Laboratorio de
de Medida
Medida Avanzada
Avanzada por
por Imagen
Imagen –– Uned
Uned
TEXTURAS
Umbralización
automática
Filtro de Prewitt
¿Qué es una textura?
• No existe una definición precisa de textura, aunque
todos sabemos lo que es.
• Podría definirse como: ‘La disposición de las
características de los elementos constituyentes de
algo, especialmente los relacionados con la
apariencia superficial o la calidad al tacto’
• Si el nivel de gris de un objeto varía mucho aparece
una textura.
Dpto.
Dpto. Física
Física Matemática
Matemática yy Fluidos
Fluidos –– Laboratorio
Laboratorio de
de Medida
Medida Avanzada
Avanzada por
por Imagen
Imagen –– Uned
Uned
Segmentación de texturas
• Un característica de textura es un valor que
cuantifica alguna característica de la variación de
nivel de gris del objeto.
• Para segmentar:
– Calculamos una ‘imagen de textura´
– Aplicamos técnicas convencionales de segmentación a
esta imagen
Dpto.
Dpto. Física
Física Matemática
Matemática yy Fluidos
Fluidos –– Laboratorio
Laboratorio de
de Medida
Medida Avanzada
Avanzada por
por Imagen
Imagen –– Uned
Uned
Métodos de análisis de textura
• Estadísticos
• Estructurales
• Basados en modelos
• Transformadas
Dpto.
Dpto. Física
Física Matemática
Matemática yy Fluidos
Fluidos –– Laboratorio
Laboratorio de
de Medida
Medida Avanzada
Avanzada por
por Imagen
Imagen –– Uned
Uned
Métodos estadísticos
• Basados en el histograma: Media, desviación
estándar, varianza y kurtosis de los niveles de gris.
Dpto.
Dpto. Física
Física Matemática
Matemática yy Fluidos
Fluidos –– Laboratorio
Laboratorio de
de Medida
Medida Avanzada
Avanzada por
por Imagen
Imagen –– Uned
Uned
Métodos estadísticos
• Matriz de co-ocurrencia: Mide la probabilidad de que
dos píxeles a una distancia d tengan el mismo valor. A
partir de ella se calculan ciertos estadíticos:
⎡
⎢
⎢
⎢
⎢
⎣
0
0
0
1
1
0
2
2
1
1
1
0
1⎤
⎥
1
⎥
0⎥
⎥
2⎦
⎡2 0
⎢
2 1
⎢
⎢⎣ 0 2
1 ⎤
⎥
1
⎥
0 ⎥⎦
d =1 θ = 45º
Dpto.
Dpto. Física
Física Matemática
Matemática yy Fluidos
Fluidos –– Laboratorio
Laboratorio de
de Medida
Medida Avanzada
Avanzada por
por Imagen
Imagen –– Uned
Uned
Métodos estadísticos
• A partir de la matriz se calculan:
Entropía
H =
N
N
∑ ∑P
i =1
Inercia
Energía
N
H =∑
i =1
H =
j =1
ij
log
P
ij
∑ (i − j) Pij
j =1
N
N
∑
i =1
2
∑ [P ]
N
j =1
2
ij
Dpto.
Dpto. Física
Física Matemática
Matemática yy Fluidos
Fluidos –– Laboratorio
Laboratorio de
de Medida
Medida Avanzada
Avanzada por
por Imagen
Imagen –– Uned
Uned
Métodos espectrales
• La transformada de Fourier contiene información
de textura.
Ring sum
Wedge sum
π
P ( r ) = 2∑ P ( r ,θ )
θ =0
R/2
P (θ ) = ∑ P (r ,θ )
r =0
Dpto.
Dpto. Física
Física Matemática
Matemática yy Fluidos
Fluidos –– Laboratorio
Laboratorio de
de Medida
Medida Avanzada
Avanzada por
por Imagen
Imagen –– Uned
Uned
Métodos estructurales
• Asumen que la textura está compuesta de una
disposición espacial de primitivas de textura.
Textura estadística
Textura estructural
• Consisten en la búsqueda directa de la primitiva y el estudio
de su distribución.
Dpto.
Dpto. Física
Física Matemática
Matemática yy Fluidos
Fluidos –– Laboratorio
Laboratorio de
de Medida
Medida Avanzada
Avanzada por
por Imagen
Imagen –– Uned
Uned
Texturas. Ejemplo
Dpto.
Dpto. Física
Física Matemática
Matemática yy Fluidos
Fluidos –– Laboratorio
Laboratorio de
de Medida
Medida Avanzada
Avanzada por
por Imagen
Imagen –– Uned
Uned
Reconocimiento de patrones
• Se han detectado los objetos de la imagen y se han
tomado ciertas medidas sobre ellos.
• El objetivo de las técnicas de reconocimiento es
clasificar los objetos en distintas clases.
Dpto.
Dpto. Física
Física Matemática
Matemática yy Fluidos
Fluidos –– Laboratorio
Laboratorio de
de Medida
Medida Avanzada
Avanzada por
por Imagen
Imagen –– Uned
Uned
Clasificación de patrones. Pasos
• Selección de características
• Diseño del clasificador
• Entrenamiento del clasificador
• Evaluación del rendimiento
Dpto.
Dpto. Física
Física Matemática
Matemática yy Fluidos
Fluidos –– Laboratorio
Laboratorio de
de Medida
Medida Avanzada
Avanzada por
por Imagen
Imagen –– Uned
Uned
Selección de características
• ¿Cual es el menor conjunto de características que
me permite clasificar?
• ¿Cuáles son éstas?
∧
∧
N
j
Nj
1
1
µ = ∑ xij
µ = ∑y
xj
∧
σ
2
xj
=
N
1 Nj
N
yj
j i =1
∧
ij
j i =1
2
∑ ( xij − µ )
j i =1
N
xj
∧
σ
2
=
yj
relacionde Fisher =
∧
1 Nj
N
∑ ( yij − µ )
j i =1
(m
1
2
1
− m2 )
2
2
yj
σ + σ 22
Dpto.
Dpto. Física
Física Matemática
Matemática yy Fluidos
Fluidos –– Laboratorio
Laboratorio de
de Medida
Medida Avanzada
Avanzada por
por Imagen
Imagen –– Uned
Uned
Diseño del clasificador
Característica 2
Característica 1
Dpto.
Dpto. Física
Física Matemática
Matemática yy Fluidos
Fluidos –– Laboratorio
Laboratorio de
de Medida
Medida Avanzada
Avanzada por
por Imagen
Imagen –– Uned
Uned