| Date post: | 07-Jul-2015 |
| Category: |
Technology |
| Upload: | marcos-nieto |
| View: | 1,747 times |
| Download: | 1 times |
Line segment detection using weighted Mean Shift
procedures on a 2D Slice sampling strategy
SSWMS algorithm
Slice Sampling Weighted Mean Shift
Dr.-Ing. Marcos Nieto DoncelInvestigador/Researcher
http://marcosnieto.net/
Extracción de características
Características que definen líneas en imágenes
● Píxeles de gradiente
Información de dirección de gradiente a nivel de píxel
Puede calcularse eficientemente con aproximaciones como el operador de Sobel
● Segmentos
Agrupan información de un conjunto de píxeles
Cálculo más complejo y costoso
2
Extracción de características – SSWMS
Comparación de ruido
● Segmentos vs píxeles de gradiente
3
Distribution of error between data sample and vertical
vanishing point
Lin
e s
eg
me
nts
Gra
die
nt-
pix
els
Extracción de características – SSWMS
4
Distribution of error between data sample and central
vanishing point
Lin
e s
eg
me
nts
Gra
die
nt-
pix
els
Comparación de ruido
● Segmentos vs píxeles de gradiente
Método Velocidad Inliers/outliers Parámetros
de usuario
Robustez
frente a ruido
PPHT Rápido Muy baja Sí Baja
LSD Lento Media No Alta
SSWMS Rápido Alta No Alta
Extracción de características – SSWMS
“Slice Sampling Weighted Mean Shift”
5
Cálculo
fdp
Nivel de imagen
MuestreoGeneración
del segmento
Muestreo secuencial
Mean ShiftSlice samplerAutovalores
Método Velocidad Inliers/outliers Parámetros
de usuario
Robustez
frente a ruido
PPHT Rápido Muy baja Sí Baja
LSD Rápido Media No Alta
Extracción de características – SSWMS
6
Cálculo de
● Matriz de covarianza y sus autovalores y autovectores
Línea Esquina Homogéneo
Extracción de características – SSWMS
Cálculo de
● Composición de funciones
7
Penaliza
zonas homogénasPenaliza esquinas
Líneas
Esquinas
Zonas
homogéneas
Extracción de características – SSWMS
8
Cálculo de
● Ejemplo
Extracción de características – SSWMS
9
Muestreo secuencial
● Algoritmo “Slice sampling”
Extracción de características – SSWMS
10
Muestreo secuencial
● Mean Shift para refinar la muestra
Extracción de características – SSWMS
11
Generación de segmentos
● Mean Shift refina la posición de los extremos
Extracción de características – SSWMS
Slice sampler
12
1D
2D
Extracción de características – SSWMS
Weighted Mean Shift
13
Mean shift vector
Extracción de características – SSWMS
Algoritmo de crecimiento
● Proceso iterativo: se crece en la dirección que determina
● Se crece según Bresenham mientras con
● Se evalúa el error de la línea
● Se termina cuando
14
Extracción de características – SSWMS
Comparación con métodos del estado del arte
● Tiempo de procesado
15
Extracción de características – SSWMS
Comparación con métodos del estado del arte
16
Extracción de características – SSWMS
17
Parametrización
● El ancho de banda de Mean-Shift se puede utilizar para reducir la cantidad
resultante de segmentos
● Por defecto, ancho de banda = 3
Extracción de características – SSWMS
Tiempo de ejecución
● C++
● Core2Duo @ 2.2 GHz
18
Extracción de características – SSWMS
“Recall” y “Precision”
● Variando el tamaño
● Variando la cantidad de ruido
● Variando la perspectiva
19
Recall: “cuántos de los segmentos de ground truth se han detectado”
Precision: “cuántas detecciones son correctas frente a la cantidad total de detecciones”
Extracción de características – SSWMS
Ejecución online
20
