Segmentaçao de imagens de profundidade utilizando curvaturas de superfícies e um método de estimativa robusto

Abstract

Neste trabalho são apresentadas contribuições para o aperfeiçoamento da segmentação de imagens de profundidade, um processo de fundamental importância a sistemas de visão computacional e ainda um dos maiores desafios nesta área de pesquisa. O principal objetivo é desenvolver técnicas de segmentação que preservem melhor a topologia dos objetos em cena, de modo a auxiliar processos posteriores de representação, modelagem, reconhecimento e reconstrução de objetos, ajudando a diminuir algumas limitações na utilização de sistemas de visão computacional. O problema da segmentação de imagens de profundidade foi abordado em duas formas diferentes e as principais contribuições apresentadas são: (1) dois métodos de deteção de bordas inéditos baseados em valores das curvaturas de superfície H e K e integrando dados de profundidade e de intensidade luminosa correspondentes à mesma cena: e (2) um novo método de segmentação de imagens de profundidade utilizando um algoritmo genético e um método de estimativa robusto, aperfeiçoados, para a extração de superfícies planas das imagens. Através da utilização de uma mesma base de imagens, os resultados experimentais foram comparados positivamente aos resultados obtidos por outros quatro métodos de segmentação de imagens de profundidade, considerados a principal referência no assunto de acordo com a literatura. Os métodos de deteção de bordas integrando dados de intensidade luminosa preservam melhor as formas e localizações de bordas dos objetos em cena e podem ser utilizados para melhorar os resultados obtidos por outros métodos de segmentação. O método de segmentação por extração de superfícies planas foi avaliado quantitativamente, utilizando um conjunto de métricas relacionadas a segmentações manualmente geradas, e apresentou um melhor desempenho na preservação da topologia dos objetos, principalmente, pelo fato de melhor segmentar regiões pequenas das imagens. As contribuições apresentadas constituem avanços relevantes para o aperfeiçoamento da segmentação de imagens de profundidade e estão sendo utilizadas como suporte a um projeto mais amplo, o SRIC3D, em desenvolvimento pelo grupo de pesquisa IMAGO.

This work is a contribution to the improvement of the range image segmentation process, which is of fundamental importance to computer vision systems and still one of the greatest challenges in this research field. The main objective is to develop segmentation techniques to better preserve the objects topology in the imaged scenes in order to support object representation, modeling, recognition and reconstruction processes, while also helping to make feasible new applications of computer vision systems. The range image segmentation problem was approached in two different ways and the main contributions presented here are: (1) two original edge detection techniques based on H and K surface curvature values and integrating range and light intensity data corresponding to the same scene; and (2) a novel range image segmentation method employing an improved genetic algorithm and a robust estimator to extract planar surfaces from the range images. By the use of a same image database, the experimental results were positively compared to the ones obtained by other four range image segmentation methods which are considered the main reference in this subject, according to the literature. The edge detection techniques, integrating range and intensity data, better preserve shapes and edge locations of the imaged objects and may be applied to improve the performance of other segmentation methods. The segmentation method based on planar surface extraction was quantitatively evaluated, using a set of metrics related to ground truth segmentations, and presented a better performance in preserving object topology, mainly, because of the better segmentation of small image regions. The presented contributions are relevant advances to the improvement of the range image segmentation process and are already being used as support for another project - the Content-based Image Retrieval System of 3D Digital Replicas from Physical Objects. SRIC3D - under development by the IMAGO research group.