Image segmentation and compression using the tree of shapes of an image. Motion estimation
- Autores: Laura Igual Muñoz
- Directores de la Tesis: Luís Garrido Ostermann (dir. tes.), Vicent Caselles Costa (dir. tes.)
- Lectura: En la Universitat Pompeu Fabra ( España ) en 2006
- Idioma: español
- Tribunal Calificador de la Tesis: Josep Blat Gimeno (presid.), Marcelo Bertalmío Barate (secret.), Miquel Feixas Feixas (voc.), Ferrán Marqués Acosta (voc.), Etienne Mémin (voc.)
- Materias:
- Texto completo no disponible (Saber más ...)
- Resumen
En esta tesis tratamos diferentes temas relacionados con el procesamiento de imágenes, y está estructurada en tres partes, Planteamos el interés del árbol de formas de una imagen como una representación de imágenes orientada a regiones. En particular, el árbol de formas ofrece una representación estructurada y compacta de la familia de líneas de nivel de una imagen. Esta representación se ha usado en muchas aplicaciones de procesamiento de imágenes como filtrado, registro, o análisis de formas.
Aquí, mostramos como se puede utilizar para segmentación, optimización del a tasa de distorsión, y codificación. Abordamos el problema de segmentación y de optimización de la tasa de distorsión usando el algoritmo de Guigues en una jerarquía de particiones. Esta jerarquía se construye usando el funcional de energía multiescala de Mumford-Shah simplificado, todo ello subordinado a la familia de líneas de nivel de la imagen. Una vez hecho esto, para segmentar una imagen, minimizamos el funcionale simplificado de Mumford-Shah en el conjunto de particiones representadas en esta jerarquía.
El problema de codificación óptima de la imagen, según la llamada "rate-dustortion theory", también se resuelve en la misma jerarquía de particiones. En el caso de codificación, proponemos un modelo variacional para seleccionar una familia de líneas de nivel de una imagen de niveles de gris con la que obtenemos una descripción mínima de la imagen. Nuestro funcional de energía representa el coste en bits de codificar las líneas de nivel seleccionadas controlando, al mismo tiempo, el error máximo de la imagen reconstruida. En este caso, se utiliza un algoritmo voraz (greedy) para minimizar el funcional correspondiente. Incluimos varios experimentos para cada algoritmo.
La estimación del movimiento en una secuencia de imágenes es una herramienta clave en muchas aplicaciones de procesamiento de vídeo. La mayoría de los métodos existentes usan la hip
