Texture description in multiples scales using universal texton dictionaries

Resumo

na de las tareas fundamentales en las aplicaciones de visión por computador es la denición de modelos y métricas de similitud adecuados para las diferentes características visuales de interés en las imágenes. Por lo general, las características de interés serán especícas para un dominio de aplicación. Sin embargo, en ausencia de información de alto nivel sobre los contenidos y las condiciones en las que se han adquirido las imágenes, tanto las características visuales como los modelos utilizados para su extracción y representación deben ser lo sucientemente genéricos para permitir el análisis de una gran diversidad de patrones visuales en una gran diversidad de condiciones de imagen. La mayoría de las imágenes, independientemente del dominio de aplicación, contienen patrones de textura en algún nivel de detalle. Debido a esto, un procesamiento y análisis apropiado de las texturas es necesario en la mayoría de sistemas de visión por computador. Por un lado, los patrones de textura podrían interferir en la extracción adecuada de características visuales de interés como el color o los bordes. Si este es el caso, y para determinadas aplicaciones, el procesamiento que permite ltrar y descartar los patrones de textura suele ser sencillo. Por otro lado, la información de textura podría ser de gran importancia como característica visual para la segmentación, reconocimiento y representación de los objetos presentes en la imagen. En este caso, las texturas y sus características deben ser modeladas de forma detallada para su adecuado tratamiento. Esto último ha motivado el desarrollo de métodos de representación y análisis de textura en la bibliografía. No obstante, a pesar de la gran diversidad de modelos de textura que han sido propuestos en las últimas décadas, la complejidad y diversidad de los patrones de textura ha provocado que el análisis y representación de texturas en dominios genéricos siga siendo un problema abierto. Aunque existen grandes diferencias entre los diferentes métodos para la extracción de características de textura existentes, hay un amplio consenso en la adopción del paradigma de Julesz de percepción de texturas basado en modelos de textons. Estos modelos están basados en estadísticas de primer orden de un conjunto de formas locales que se consideran de interés para la representación de texturas y que se denominan textons. Sin embargo, no existe consenso con respecto al diccionario concreto de textons a usar, ni con respecto a la metodología utilizada para obtener el diccionario de textons. El método de generación de diccionarios más comúnmente usado obtiene conjuntos representativos de textons mediante técnicas de aprendizaje máquina sobre conjuntos de imágenes procesadas con bancos de ltros lineales. La ventaja de estos métodos es precisamente que la incorporación del aprendizaje añade versatilidad para adaptarse a diferentes dominios de aplicación. Sin embargo, esto también limita su usabilidad en dominios de aplicación genéricos. La alternativa al aprendizaje del diccionario de textons, es el uso de un conjunto genérico de textons prediseñados. De esta forma el diccionario de textons será genérico y no estará sesgado por la distribución concreta de texturas y características existentes en un conjunto de imágenes de entrenamiento concreto. Por otra parte, para poder generar representaciones de textura complejas y genéricas con los modelos basados en textons, es necesario incrementar la complejidad y diversidad de los textons que se tienen en cuenta. En el caso de diccionarios de textons basados en aprendizaje máquina, el incremento en número y complejidad de los textons ha sido estudiado en profundidad en la bibliografía reciente. Sin embargo, según nuestro conocimiento de la bibliografía relacionada con el análisis y representación de texturas, no existen diccionarios de textons prediseñados de complejidad equivalente a la de los basados en aprendizaje máquina. Aparte de esto, una de las propiedades fundamentales de los patrones de textura es que sólo son signicativos para escalas de análisis adecuadas, de forma similar a la mayoría de características visuales estructurales. Esto supone una dicultad para el análisis de textura ya que las escalas de interés son desconocidas a priori, y son especícas de cada imagen y textura analizadas. Debido a esto, para la mayoría de las aplicaciones es necesario disponer de métodos de selección de escala para el análisis y representación de texturas. Es decir, que es necesario seleccionar una escala de análisis adecuada para poder representar adecuadamente un patrón de textura dado. Uno de los métodos más comúnmente usados para la selección de escala de características estructurales sencillas se basa en la optimización de métricas de saliencia especícas para las características de interés. Este método de selección de escala ha sido usado satisfactoriamente con características simples como blobs, esquinas, crestas o algunos tipos especiales de texturas sencillas. Sin embargo este mecanismo no ha sido sucientemente estudiado con patrones de textura genéricos, principalmente debido su complejidad computacional con representaciones complejas. Por el contrario, los métodos existentes se han centrado en el uso de técnicas heurísticas o simplicación de las representaciones de textura utilizadas, lo que provoca que el método de selección de escala sólo sea válido para un conjunto reducido de texturas. Debido a que la selección de escala es necesaria para en análisis y representación adecuado de los patrones de textura, para que una representación de texturas genérica sea útil es necesario disponer de un método de selección de escala genérico. El desarrollo de métodos genéricos de selección de escala en textura, no obstante, es aún hoy uno de los principales obstáculos en el análisis y representación de textura en dominios genéricos. Esto motiva el diseño y estudio de los métodos de selección de escala basados en optimización de métricas de saliencia, usando representaciones de textura genéricas. Sin embargo, para hacer esto, es necesario usar representaciones de textura con escala de análisis local y variable, de forma que sea posible comparar representaciones de textura asociados a diferentes escalas de análisis. En esta tesis se presenta un marco de análisis y representación de patrones de textura. Por un lado, un primer objetivo consiste en diseñar un sistema de extracción de características de textura basado en el modelo de textons, que use diccionarios prediseñados y que proporcione representaciones de textura de escala local lo sucientemente genéricas como para representar adecuadamente una gran variedad de texturas. Por otro lado, el segundo objetivo consiste en proporcionar un estudio detallado de la técnicas de selección de escala basados en la optimización de métricas de saliencia computadas en base a los modelos de textura genéricos previamente desarrollados.