Investigadores de la Universidad Estatal de Carolina del Norte han desarrollado una nueva técnica que mejora la capacidad de las tecnologías de visión por computadora para identificar y separar mejor los objetos en una imagen, un proceso llamado segmentación.
El procesamiento de imágenes y la visión por computadora son importantes para múltiples aplicaciones, desde vehículos autónomos hasta la detección de anomalías en imágenes médicas.
Las tecnologías de visión por computadora utilizan algoritmos para segmentar o delinear los objetos en una imagen. Por ejemplo, separando el contorno de un peatón en el contexto de una calle concurrida.
Estos algoritmos se basan en parámetros definidos - valores programados - para segmentar imágenes. Por ejemplo, si hay un cambio de color que cruza un umbral específico, un programa de visión por computadora lo interpretará como una línea divisoria entre dos objetos. Yese umbral específico es uno de los parámetros del algoritmo.
Pero hay un desafío aquí. Incluso pequeños cambios en un parámetro pueden conducir a resultados de visión por computadora muy diferentes. Por ejemplo, si una persona que cruza la calle entra y sale de áreas sombreadas, eso afectaría el color que ve una computadora:y la computadora puede "ver" a la persona desaparecer y reaparecer, o interpretar a la persona y la sombra como un objeto grande y único, como un automóvil.
"Algunos parámetros de algoritmo pueden funcionar mejor que otros en cualquier conjunto de circunstancias, y queríamos saber cómo combinar múltiples parámetros y algoritmos para crear una mejor segmentación de imágenes por programas de visión por computadora", dice Edgar Lobaton, profesor asistente de electricidad.e ingeniería informática en NC State y autor principal de un artículo sobre el trabajo.
Lobaton y el estudiante de doctorado Qian Ge desarrollaron una técnica que compila datos de segmentación de múltiples algoritmos y los agrega, creando una nueva versión de la imagen. Esta nueva imagen se segmenta de nuevo, en función de la persistencia de cualquier segmento dadotodos los algoritmos de entrada originales.
"Visualmente, los resultados de esta técnica se ven mejor que cualquier algoritmo por sí solo", dice Lobaton. "Sin embargo, la naturaleza de este trabajo no se alinea con las métricas existentes para medir la precisión de la visión por computadora. Por lo tanto, necesitamosdesarrollar un nuevo medio para evaluar la precisión de la visión por computadora, ese es un proyecto futuro para nosotros "
Lobaton señala que la nueva técnica de segmentación de imágenes se puede usar en tiempo real, procesando 30 cuadros por segundo. Esto se debe, en parte, al hecho de que la mayoría de los pasos computacionales se pueden ejecutar en paralelo, en lugar de secuencialmente.
El documento, "Segmentación de imágenes basada en el consenso a través de la persistencia topológica", se presentará el 1 de julio en la Conferencia IEEE sobre visión por computadora y reconocimiento de patrones en Las Vegas, Nevada. El trabajo se realizó con el apoyo de la Fundación Nacional de Ciencias con subvenciónCNS-1239323.
Fuente de la historia :
Materiales proporcionado por Universidad Estatal de Carolina del Norte . Nota: El contenido puede ser editado por estilo y longitud.
Cite esta página :