La segmentación de rango es la tarea de segmentar (dividir) una imagen de rango , una imagen que contiene información de profundidad para cada píxel, en segmentos (regiones), de modo que todos los puntos de la misma superficie pertenezcan a la misma región, no hay superposición entre diferentes regiones y la unión de estas regiones genera la imagen completa .
Enfoques algorítmicos
Ha habido dos enfoques principales para el problema de rango de segmentación: basada en la región de la segmentación gama y la segmentación basada en el rango de borde .
Segmentación de rango basada en regiones
Los algoritmos de segmentación de rango basados en regiones se pueden clasificar en dos grupos principales: algoritmos de segmentación de rango basados en modelos paramétricos y algoritmos de crecimiento de regiones .
Los algoritmos del primer grupo se basan en asumir un modelo de superficie paramétrico y agrupar puntos de datos para que todos ellos puedan ser considerados como puntos de una superficie del modelo paramétrico asumido (una instancia de ese modelo). [1] [2]
Los algoritmos de crecimiento de regiones comienzan segmentando una imagen en regiones iniciales. Estas regiones luego se fusionan o amplían empleando una estrategia de crecimiento regional. [3] [4] Las regiones iniciales se pueden obtener utilizando diferentes métodos, incluidos métodos iterativos o aleatorios. Un inconveniente de los algoritmos de este grupo es que, en general, producen límites distorsionados porque la segmentación generalmente se realiza a nivel de región en lugar de a nivel de píxel.
Segmentación de rango basada en bordes
Los algoritmos de segmentación de rango basados en bordes se basan en la detección de bordes y el etiquetado de bordes utilizando los límites de salto (discontinuidades). Aplican un detector de bordes para extraer los bordes de una imagen de rango. Una vez que se extraen los límites, los bordes con propiedades comunes se agrupan. Fan et al. Presentan un ejemplo típico de algoritmos de segmentación de rango basados en bordes. [5] El procedimiento de segmentación comienza detectando discontinuidades utilizando valores de cruce por cero y curvatura. La imagen se segmenta en discontinuidades para obtener una segmentación inicial. En el siguiente paso, la segmentación inicial se refina ajustando cuadráticas cuyos coeficientes se calculan según el método de mínimos cuadrados . En general, un inconveniente de los algoritmos de segmentación de rango basados en bordes es que, aunque producen límites limpios y bien definidos entre diferentes regiones, tienden a producir espacios entre los límites. Además, para las superficies curvas, las discontinuidades son suaves y difíciles de ubicar y, por lo tanto, estos algoritmos tienden a segmentar la imagen de rango por debajo de la base. Aunque el problema de la segmentación de imágenes de rango se ha estudiado durante varios años, la tarea de segmentar imágenes de rango de superficies curvas aún no se ha resuelto satisfactoriamente. [6]
Ver también
Referencias
- ^ Bab-Hadiashar, A. y Gheissari, N., "Segmentación de imagen de rango mediante el criterio de selección de superficie" , Transacciones de IEEE sobre procesamiento de imágenes, 15 (7), págs. 2006-2018, 2006.
- ^ Jaklič, A. y Leonardis, A. y Solina, F. "Segmentación y recuperación de supercuadrics" . Imágenes y visión computacionales 20, Kluwer / Springer, 2000.
- ^ Faugeras, OD y Hebert, M., "Segmentación de datos de rango en parches planos y cuadráticos", Actas de la conferencia IEEE sobre visión por computadora y reconocimiento de patrones, Arlington, VA, págs. 8-13, junio de 1983.
- ^ Medioni, G. y Parvin, B., "Segmentación de imágenes de rango en superficies planas por Split y Merg" , Actas de la Conferencia IEEE sobre visión por computadora y reconocimiento de patrones, págs. 415–417, 1986.
- ^ Fan, TU, Medioni, G. y Nevatia, R., "Reconocimiento de objetos tridimensionales mediante descripciones de superficies" , Transacciones IEEE sobre reconocimiento de patrones e inteligencia de máquinas, vol. 11, págs. 1140-1157, noviembre de 1989.
- ^ Powell, MW, Bower, K., Jiang, X. y Bunke, H., "Comparación de segmentadores de imágenes de rango de superficie curva" Actas de la 6ª Conferencia Internacional sobre Visión por Computador (ICCV), Bombay, India, págs. 286– 291, 1998.