Upload
others
View
4
Download
0
Embed Size (px)
Citation preview
IntroducaoO metodo de Passeios Aleatorios
Comparacoes com outros metodosImplementacao
ConclusoesReferencias
Segmentacao de Imagens comPasseios Aleatorios em Grafos
Jefferson Serafim Ascaneo
Orientador: Prof. Dr. Paulo A. V. de Miranda
Departamento de Ciencia da ComputacaoInstituto de Matematica e Estatıstica
Universidade de Sao Paulo
Novembro de 2012
Jefferson Serafim Ascaneo Segmentacao de Imagens com Passeios Aleatorios em Grafos
2/ 30
IntroducaoO metodo de Passeios Aleatorios
Comparacoes com outros metodosImplementacao
ConclusoesReferencias
Agenda
1 Introducao
2 O metodo de Passeios Aleatorios
3 Comparacoes com outros metodos
4 Implementacao
5 Conclusoes
6 Referencias
Jefferson Serafim Ascaneo Segmentacao de Imagens com Passeios Aleatorios em Grafos
3/ 30
IntroducaoO metodo de Passeios Aleatorios
Comparacoes com outros metodosImplementacao
ConclusoesReferencias
Segmentacao de imagensObjetivos
Agenda
1 IntroducaoSegmentacao de imagensObjetivos
2 O metodo de Passeios Aleatorios
3 Comparacoes com outros metodos
4 Implementacao
5 Conclusoes
6 Referencias
Jefferson Serafim Ascaneo Segmentacao de Imagens com Passeios Aleatorios em Grafos
4/ 30
IntroducaoO metodo de Passeios Aleatorios
Comparacoes com outros metodosImplementacao
ConclusoesReferencias
Segmentacao de imagensObjetivos
O que e segmentacao de imagens?
E a atribuicao de rotulos aos pixels de uma imagem,de forma que pixels que pertencam ao mesmo rotulotenham caracterısticas em comum.
Permite analisar cada segmento de forma separada,e isolar elementos de interesse.
Jefferson Serafim Ascaneo Segmentacao de Imagens com Passeios Aleatorios em Grafos
5/ 30
IntroducaoO metodo de Passeios Aleatorios
Comparacoes com outros metodosImplementacao
ConclusoesReferencias
Segmentacao de imagensObjetivos
Segmentacao de imagens com sementes
Alguns pixels ja estao rotulados,o algoritmo deve usar isto para determinaros rotulos dos pixels restantes.
Jefferson Serafim Ascaneo Segmentacao de Imagens com Passeios Aleatorios em Grafos
6/ 30
IntroducaoO metodo de Passeios Aleatorios
Comparacoes com outros metodosImplementacao
ConclusoesReferencias
Segmentacao de imagensObjetivos
Objetivos
Implementar o metodo de Passeios Aleatorios,e integra-lo aos programasCAOS (Computer-Aided Object Segmentation)e BIA (Brain Imae Analyzer).
Compara-lo a outros metodos, tambem baseados em grafos.
Jefferson Serafim Ascaneo Segmentacao de Imagens com Passeios Aleatorios em Grafos
7/ 30
IntroducaoO metodo de Passeios Aleatorios
Comparacoes com outros metodosImplementacao
ConclusoesReferencias
PreliminaresPasseios AleatoriosAplicacao a segmentacao de imagensO problema de DirichletPropriedades
Agenda
1 Introducao
2 O metodo de Passeios AleatoriosPreliminaresPasseios AleatoriosAplicacao a segmentacao de imagensO problema de DirichletPropriedades
3 Comparacoes com outros metodos
4 Implementacao
5 Conclusoes
6 Referencias Jefferson Serafim Ascaneo Segmentacao de Imagens com Passeios Aleatorios em Grafos
8/ 30
IntroducaoO metodo de Passeios Aleatorios
Comparacoes com outros metodosImplementacao
ConclusoesReferencias
PreliminaresPasseios AleatoriosAplicacao a segmentacao de imagensO problema de DirichletPropriedades
Preliminares
Grafo G = (V ,E )e pesos w(e) > 0 para toda aresta e ∈ E .
Um vertice v ∈ V esta associado a um pixel da imagem.Os pesos sao determinados a partir da imagem original.Ex.: diferenca entre valores dos pixels. (complemento)
Jefferson Serafim Ascaneo Segmentacao de Imagens com Passeios Aleatorios em Grafos
9/ 30
IntroducaoO metodo de Passeios Aleatorios
Comparacoes com outros metodosImplementacao
ConclusoesReferencias
PreliminaresPasseios AleatoriosAplicacao a segmentacao de imagensO problema de DirichletPropriedades
Passeios Aleatorios
Imagine um bebado andando pelos vertices do grafo.A probabilidade dele ir para um vertice vizinhoe proporcional ao peso da aresta.
Pr(eu,v ) =w(eu,v )∑
w∈N(u)
w(eu,w )
O passeio termina ao chegar em um vertice rotulado.
Jefferson Serafim Ascaneo Segmentacao de Imagens com Passeios Aleatorios em Grafos
10/ 30
IntroducaoO metodo de Passeios Aleatorios
Comparacoes com outros metodosImplementacao
ConclusoesReferencias
PreliminaresPasseios AleatoriosAplicacao a segmentacao de imagensO problema de DirichletPropriedades
Aplicacao a segmentacao de imagens
Para cada vertice v e rotulo s,calcular a probabilidade de um passeio aleatorioque comeca em vterminar no rotulo s.
Atribuir o verticeao rotulo com maior probabilidadede ser o fim do passeio.
Jefferson Serafim Ascaneo Segmentacao de Imagens com Passeios Aleatorios em Grafos
11/ 30
IntroducaoO metodo de Passeios Aleatorios
Comparacoes com outros metodosImplementacao
ConclusoesReferencias
PreliminaresPasseios AleatoriosAplicacao a segmentacao de imagensO problema de DirichletPropriedades
O problema de Dirichlet
Sejam
di =∑
∀j∈N(i)
w(ei ,j)
Lij =
di se i = j−wij se vi e vj sao adjacentes0 caso contrario
Jefferson Serafim Ascaneo Segmentacao de Imagens com Passeios Aleatorios em Grafos
12/ 30
IntroducaoO metodo de Passeios Aleatorios
Comparacoes com outros metodosImplementacao
ConclusoesReferencias
PreliminaresPasseios AleatoriosAplicacao a segmentacao de imagensO problema de DirichletPropriedades
O problema de Dirichlet
Uma versao combinatoria da integral de Dirichletpode ser definida como
D[x ] =1
2xTLx =
1
2
∑eij∈E
wij(xi − xj)2 (1)
Uma funcao harmonica combinatoria e uma funcao x queminimiza (1).
Jefferson Serafim Ascaneo Segmentacao de Imagens com Passeios Aleatorios em Grafos
13/ 30
IntroducaoO metodo de Passeios Aleatorios
Comparacoes com outros metodosImplementacao
ConclusoesReferencias
PreliminaresPasseios AleatoriosAplicacao a segmentacao de imagensO problema de DirichletPropriedades
O problema de Dirichlet
A funcao x e um vetor de tamanho |V |sujeito a seguinte restricao:
Escolha um rotulo s.xv = 1 se v pertence a se xv = 0 se v pertence a um rotulo diferente de s.
Precisamos encontrar o valor de xpara os vertices nao rotulados.
Jefferson Serafim Ascaneo Segmentacao de Imagens com Passeios Aleatorios em Grafos
14/ 30
IntroducaoO metodo de Passeios Aleatorios
Comparacoes com outros metodosImplementacao
ConclusoesReferencias
PreliminaresPasseios AleatoriosAplicacao a segmentacao de imagensO problema de DirichletPropriedades
Solucao do Problema de Dirichlet
Separando os vertices emVM (marcados/rotulados) e VU (nao marcados):
D[xU ] =1
2
[xTMxTU
](LM BBT LU
)(xMxU
)(2)
=1
2(xTMLMxM + 2xTU BT xM + xTU LUxU) (3)
Jefferson Serafim Ascaneo Segmentacao de Imagens com Passeios Aleatorios em Grafos
15/ 30
IntroducaoO metodo de Passeios Aleatorios
Comparacoes com outros metodosImplementacao
ConclusoesReferencias
PreliminaresPasseios AleatoriosAplicacao a segmentacao de imagensO problema de DirichletPropriedades
Solucao do Problema de Dirichlet
Diferenciando (3) e encontrando o ponto crıtico (que e omınimo):
LUxU = −BT xM
E um sistema linear esparso com |VU | variaveis desconhecidas.Como o grafo e conexo, possui solucao unica.
Solucionamos este sistema linear para cada rotulo s,encontrando as probabilidades que querıamos.
Jefferson Serafim Ascaneo Segmentacao de Imagens com Passeios Aleatorios em Grafos
16/ 30
IntroducaoO metodo de Passeios Aleatorios
Comparacoes com outros metodosImplementacao
ConclusoesReferencias
PreliminaresPasseios AleatoriosAplicacao a segmentacao de imagensO problema de DirichletPropriedades
Propriedades do metodo
1 Segmentos conectados as sementes;
2 A K-tupla de probabilidades para cada verticee igual a media ponderadadas probabilidades dos vertices vizinhos;
3 A solucao das probabilidades e unica;
4 A segmentacao esperada de uma imagem de ruıdo puroe igual a obtida em uma imagem uniforme.
Jefferson Serafim Ascaneo Segmentacao de Imagens com Passeios Aleatorios em Grafos
17/ 30
IntroducaoO metodo de Passeios Aleatorios
Comparacoes com outros metodosImplementacao
ConclusoesReferencias
Segmentacao do calcaneoClassificacoes
Agenda
1 Introducao
2 O metodo de Passeios Aleatorios
3 Comparacoes com outros metodosSegmentacao do calcaneoClassificacoes
4 Implementacao
5 Conclusoes
6 Referencias
Jefferson Serafim Ascaneo Segmentacao de Imagens com Passeios Aleatorios em Grafos
18/ 30
IntroducaoO metodo de Passeios Aleatorios
Comparacoes com outros metodosImplementacao
ConclusoesReferencias
Segmentacao do calcaneoClassificacoes
(a) RM de um pe (b) Gabarito (c) Sementes
Figura: (a) Fatia de uma imagem 3D de RM de um pe de nossos dadosexperimentais. (b) Gabarito de segmentacao do osso calcaneo. (c)Exemplo de um conjunto de sementes obtido pela erosao e dilatacao dogabarito de segmentacao.
Jefferson Serafim Ascaneo Segmentacao de Imagens com Passeios Aleatorios em Grafos
19/ 30
IntroducaoO metodo de Passeios Aleatorios
Comparacoes com outros metodosImplementacao
ConclusoesReferencias
Segmentacao do calcaneoClassificacoes
(a) IRFC (b) RFC+GC (c) Passeios Aleatorios
Figura: Resultados de segmentacao do calcaneo.
Jefferson Serafim Ascaneo Segmentacao de Imagens com Passeios Aleatorios em Grafos
20/ 30
IntroducaoO metodo de Passeios Aleatorios
Comparacoes com outros metodosImplementacao
ConclusoesReferencias
Segmentacao do calcaneoClassificacoes
0 5
10 15 20 25 30 35 40
1st 2nd 3rd
Fre
qu
en
cy
IRFCRFC+GC
RW(p=20)
0 5
10 15 20 25 30 35 40
1st 2nd 3rd
Fre
qu
en
cy
IRFCRFC+GC
RW(p=20)
(a) Segmentacao do calcaneo (b) Segmentacao do talus
Figura: Para cada imagem individual, os metodos podem ser classificadosde acordo com seus valores medios do coeficiente de Dice, comoprimeiro (melhor), segundo, ou terceiro (pior). Calculando a frequenciapara cada posicao de classificacao, temos a distribuicao de classificacao:(a) para a segmentacao do calcaneo, e (b) para a segmentacao do talus.
Jefferson Serafim Ascaneo Segmentacao de Imagens com Passeios Aleatorios em Grafos
21/ 30
IntroducaoO metodo de Passeios Aleatorios
Comparacoes com outros metodosImplementacao
ConclusoesReferencias
Segmentacao do calcaneoClassificacoes
0.5
0.6
0.7
0.8
0.9
1
0 2 4 6 8 10
Dic
e
Erosion radius (pixels)
IRFCRFC+GC
RW(p=20)
(a) Acuracia media pelo coeficientede Dice
0
100
200
300
400
500
600
0 2 4 6 8 10
Tim
e (
ms)
Erosion radius (pixels)
IRFCRFC+GC
RW(p=20)
(b) Tempo medio de execucao
Figura: Segmentacao 2D de fatias da coluna vertebral, em imagens detomografia computadorizada. Alem de ter um desempenho inferiorneste conjunto de imagens, o algoritmo de Passeios Aleatorios (RW)possui tempo de execucao bem acima dos outros algoritmos.
Jefferson Serafim Ascaneo Segmentacao de Imagens com Passeios Aleatorios em Grafos
22/ 30
IntroducaoO metodo de Passeios Aleatorios
Comparacoes com outros metodosImplementacao
ConclusoesReferencias
SegmentacaoInterface
Agenda
1 Introducao
2 O metodo de Passeios Aleatorios
3 Comparacoes com outros metodos
4 ImplementacaoSegmentacaoInterface
5 Conclusoes
6 Referencias
Jefferson Serafim Ascaneo Segmentacao de Imagens com Passeios Aleatorios em Grafos
23/ 30
IntroducaoO metodo de Passeios Aleatorios
Comparacoes com outros metodosImplementacao
ConclusoesReferencias
SegmentacaoInterface
(a) Marcadores (b) Segmentacao (c) Probabilidades
Figura: Segmentacao de um passaro com marcadores de objeto e fundo
Jefferson Serafim Ascaneo Segmentacao de Imagens com Passeios Aleatorios em Grafos
24/ 30
IntroducaoO metodo de Passeios Aleatorios
Comparacoes com outros metodosImplementacao
ConclusoesReferencias
SegmentacaoInterface
Figura: Resultado de uma segmentacao 2D no programa CAOS
Jefferson Serafim Ascaneo Segmentacao de Imagens com Passeios Aleatorios em Grafos
25/ 30
IntroducaoO metodo de Passeios Aleatorios
Comparacoes com outros metodosImplementacao
ConclusoesReferencias
SegmentacaoInterface
Figura: Resultado de uma segmentacao 3D de uma ressonanciamagnetica sintetica (do BrainWeb - Simulated Brain Database) noprograma BIA
Jefferson Serafim Ascaneo Segmentacao de Imagens com Passeios Aleatorios em Grafos
26/ 30
IntroducaoO metodo de Passeios Aleatorios
Comparacoes com outros metodosImplementacao
ConclusoesReferencias
Agenda
1 Introducao
2 O metodo de Passeios Aleatorios
3 Comparacoes com outros metodos
4 Implementacao
5 Conclusoes
6 Referencias
Jefferson Serafim Ascaneo Segmentacao de Imagens com Passeios Aleatorios em Grafos
27/ 30
IntroducaoO metodo de Passeios Aleatorios
Comparacoes com outros metodosImplementacao
ConclusoesReferencias
Conclusoes
Apresenta resultados superiores em alguns conjuntos de imagens.
Porem, possui grande sensibilidade a certos parametros.
Os pesos das arestas do grafoforam elevados a uma potencia p,e os resultados obtidos variaram bastantede acordo com este valor.
Jefferson Serafim Ascaneo Segmentacao de Imagens com Passeios Aleatorios em Grafos
28/ 30
IntroducaoO metodo de Passeios Aleatorios
Comparacoes com outros metodosImplementacao
ConclusoesReferencias
Conclusoes
Alem disso, tambem possui sensibilidadea localizacao das sementes,algo que nao ocorre com outros metodos.
Testes com raios de erosao diferentes para objeto e fundomostram que, em algumas imagens,o desempenho e significativamente reduzidoquando as sementes nao estao equidistantes da borda correta.
Jefferson Serafim Ascaneo Segmentacao de Imagens com Passeios Aleatorios em Grafos
29/ 30
IntroducaoO metodo de Passeios Aleatorios
Comparacoes com outros metodosImplementacao
ConclusoesReferencias
Agenda
1 Introducao
2 O metodo de Passeios Aleatorios
3 Comparacoes com outros metodos
4 Implementacao
5 Conclusoes
6 Referencias
Jefferson Serafim Ascaneo Segmentacao de Imagens com Passeios Aleatorios em Grafos
30/ 30
IntroducaoO metodo de Passeios Aleatorios
Comparacoes com outros metodosImplementacao
ConclusoesReferencias
Referencias
P.G. Doyle and J.L. Snell.
Random walks and electric networks.
Carus mathematical monographs. Mathematical Association of America,1984.
Leo Grady.
Random walks for image segmentation.
IEEE Trans. Pattern Anal. Mach. Intell., 28(11):1768–1783, November2006.
Ali K. Sinop and Leo Grady.
A Seeded Image Segmentation Framework Unifying Graph Cuts AndRandom Walker Which Yields A New Algorithm.
In Computer Vision, 2007. ICCV 2007. IEEE 11th InternationalConference on, pages 1–8. IEEE, 2007.
Jefferson Serafim Ascaneo Segmentacao de Imagens com Passeios Aleatorios em Grafos