Inicializaci

1
Inicialización de Superficies Deformables
mediante Elipsoides Generalizados

• R. Dosil, X. M. Pardo, A. Mosquera, D. Cabello

Grupo de Visión ArtificialDepartamento de
Electrónica e ComputaciónUniversidade de
Santiago de Compostela
2
Reconstrucción de imágenes

• Modelos Deformables
• Superficies o curvas elásticas
• Continuidad y suavidad
• Buen ajuste local

3
Inicialización de modelos deformables

• Utilidad
• Configuración inicial próxima al objetivo
• Introducción de conocimiento

• Método
• Identificación y localización de objetos
• Aproximación a la forma global
• modelos a priori

4
Organización

1. Segmentación de imágenes 3D
2. Inicialización con modelos a priori
3. Modelo de elipsoide generalizado
4. Optimización del modelo
5. Resultados y conclusiones

5
Segmentación de imágenes 3D

• Segmentación corte a corte
• Fácil inicialización
• Poco robusto

• Segmentación 3D
• Mayor coherencia y suavidad
• Necesidad de inicialización automática

6
Inicialización con modelos a priori
7
Elipsoides generalizados

• Definición

• Características
• Ecuación implícita
• Pocos parámetros
• Información estructural
• Amplia variedad de formas

• Secciones simétricas

8
Elipsoides generalizados con deformaciones
globales

• Deformaciones aplicadas
• Torsión Afilado Curvado
• (twisting) (tapering) (bending)
• Mayor flexibilidad
• Formas no simétricas

9
Ajuste de la superficie a lospuntos de frontera

• Cálculo del vector q de parámetros del modelo
• Modelado parámetros de forma y transformación
  rígida
• Puesta en correspondencia sólo transformación
  rígida

10
Aproximaciones a la distancia

• Funciones de error estudiadas
• Función interior-exterior
• Función interior-exterior modificada
• Distancia radial

• Utilización de Algoritmos Genéticos
• Mínimo global
• No requiere estimación inicial de la solución
• Funciones complejas

11
Preprocesado

• Filtrado de la imagen
• Suavizado
• Cálculo del gradiente
• Cálculo de curvaturas
• Detección de superficies
• Detección de puntos de frontera
• Agrupamiento en parches de superficie
• Clasificación y selección de parches

12
Preprocesado detección de puntos de frontera
13
Preprocesado selección de parches de superficie

• Agrupamiento en parches de superficie
• Detección de máximos de módulo de gradiente
• Búsqueda recursiva de puntos adyacentes
• Criterio de conectividad 26
• Umbralización con histéresis

• Criterios de clasificación de parches
• área
• nivel de gradiente promedio
• descriptores de forma
• curvatura media H
• curvatura gaussiana K

14
Selección por curvatura
H gt 0 H 0 H lt 0
K gt 0 elípticacóncava - elípticaconvexa
K 0 cilíndricacóncava plano cilíndricaconvexa
K lt 0 hiperbólicacóncava silla hiperbólicaconvexa
15
Resultados Modelado

• Distribución de puntos de la superficie prototipo.

16
Resultados Inicialización

• Validación del método de inicialización ante
• imágenes ruidosas
• imágenes incompletas
• presencia de múltiples estructuras

17
Imagen sintética degradada

• Características
• Variación de contraste
• Suavizado gaussiano
• Ruido gaussiano s 20

18
Preprocesado detección de puntos de frontera
19
Preprocesadoselección de parches de superficie
cilindro cóncavo Hgt0 e K0
20
Puesta en correspondenciacon un modelo de
cilindro
21
Preprocesado en imagen real de tibia
superficie hiperbólica cóncava Hgt0 e Klt0
22
Puesta en correspondenciacon un modelo de tibia
23
Puesta en correspondencia con un modelo de tibia
z 50
x 110
y 82
24
Conclusiones y vías de continuidad

• Principales aportaciones
• Modelo a priori de superficie paramétrica
• Utilización de algoritmos genéticos
• Selección de parches basada propiedades
  geométricas

• Vías de continuidad
• Mejora da detección de puntos de frontera
• Aplicación á segmentación de estructuras con
  ramificaciones

25
Fin de la presentación