Segmentación de Imágenes de Intensidad generada por Láser usando Técnicas de División y Fusión

Este artículo propone una metodología para la segmentación de regiones en imágenes de intensidad de retorno de pulso láser. Esta metodología se basa en la utilización conjunta de dos técnicas secuénciales, siendo una de división recursiva y otra de fusión de regionales. La etapa inicial de división recursiva consiste en el particionamiento de la imagen en un de regiones arbitrarias.

sen00045


Esa estrategia consiste entonces en dividir la imagen en regiones, utilizando un umbral pre-establecido con base en conocimientos a priori de los objetos presentes en la escena. Al final de ese proceso de segmentación es obtenida una imagen dividida en regiones contiguas, pero que puede estar fragmentada debido a la posibilidad de ligeras diferencias radiométricas en la imagen de retorno de pulso láser.
Y la etapa fusión de regiones tiene por objetivo unir regiones adyacentes, con características similares, teniendo por base criterios estadísticos.

En este caso se verifica a través de una prueba de razón de verosimilitudes si las regiones adyacentes pertenecen o no a un mismo objeto. La utilización de criterios estadísticos para la discriminación de regiones de interés es de suma importancia, visto que estos procedimientos pueden hacer con que los objetos existentes en la escena sean segmentados con mayor eficiencia.
Así, la solución propuesta consiste en aplicar la técnica de división recursiva en la imagen de intensidad y entonces aplicar el proceso de fusión de regiones utilizando criterios estadísticos en la imagen particionada. Los resultados obtenidos permitieron verificar que la metodología propuesta es apropiada para aplicaciones envolviendo análisis de imagen, pues posibilitó la obtención de regionales generalmente relacionadas con objetos urbanos, tales como calles y edificios. Especialmente la etapa de fusión estadística se mostró eficiente para la disminución de la fragmentación observada en los resultados generados por la etapa inicial de división recursiva.

1.- Introducción

La segmentación de imágenes es el término usado en visión computacional para la agrupación de partes de una imagen genérica en unidades que son homogéneas con respecto a una o varias características (o atributos), resultando en una imagen segmentada (Ballard y Brown, 1982).

La segmentación por regiones es utilizada para separar los objetos de interés. En este caso, la imagen es particionada en diferentes regiones, quedándose cada una relacionada en ciertas características y conjuntos de píxeles conectados. Así, a partir del particionamiento de la imagen, en regiones, pueden ser realizadas medidas sobre cada región y las relaciones entre las regiones adyacentes pueden ser establecidas (Gonzáles y Woods, 2000).

En el ámbito de reconocimiento de patrones la segmentación de imágenes es un paso preliminar y esencial para pasos subsecuentes de análisis de imagen.
En este caso, el reconocimiento puede ser realizado a partir de la relación espacial entre los objetos de interés presentes en la escena.

La estrategia propuesta en este trabajo consiste en el particionamiento de la imagen en un conjunto de regiones arbitrarias. Al final de ese proceso de segmentación es obtenida una imagen dividida en regiones contiguas, pero que puede estar fragmentada debido a la posibilidad de ligeras diferencias radiométricas en la imagen de retorno de pulso láser. Y la etapa de fusión de regiones tiene por objetivo unir regiones adyacentes con características similares, teniendo por base criterios estadísticos. En este caso, se verifica a través de la razón de verosimilitudes (Jain et al., 1995) y a través de una prueba de razón de verosimilitudes (Larson, 1982) si las regiones adyacentes pertenecen o no a un mismo objeto. La utilización de criterios estadísticos acerca de las regiones de interés es de suma importancia, visto que estas informaciones pueden hacer que los objetos existentes en la escena sean segmentados con mayor eficiencia.

Este artículo está organizado en 6 secciones principales. La sección 2 presenta algunas características del sistema de perfilamiento láser. La sección 3 presenta los aspectos teóricos de la división recursiva de regiones. Ya los aspectos teóricos del proceso de fusión de regiones son presentados en la sección 4. Los resultados y análisis son descritos en la sección 5 y la sección 6 trae las consideraciones finales sobre el trabajo.

2.- Sistema de Perfilamiento Láser

Los últimos años el uso de la tecnología de perfilamiento Láser tiene un foco creciente en las investigaciones. La necesidad de adquisición rápida y eficaz de datos digitales de elevación del terreno (Modelo Digital de Elevación – MDE) ha motivado el uso de esta tecnología.

El sistema de perfilamiento láser es compuesto por tres componentes principales, siendo ellos el Global Positioning System (GPS), el Inertial Measurement Unit (IMU) y el sensor Láser. Este sistema tiene como función principal, a través de la emisión y recepción de pulsos Láser, medir la distancia entre el sensor y la superficie del objeto. Con la integración GPS/IMU, el sistema suministra una nube de puntos adquirida a través de las medidas de distancia.

Una característica destacada de los sistemas de perfilamiento láser es la medición de la primera y de la última reflexión de un mismo pulso. Algunos sistemas pueden medir diferentes ecos de la señal emitida, reflejado por diferentes objetos dentro de la proyección de faja en el terreno(footprint). Es posible medir el primero y el último eco del pulso, o hasta medir toda la variación del eco, si fuera necesario (Wehr y Lohr, 1999).

Además de la información de altura, las informaciones relacionadas con la capacidad de reflectancia de determinados objetos son dispuestas por el sistema de perfilamiento láser. La intensidad de retorno de los pulsos al sistema puede ser medida variando de acuerdo con la superficie perfilada, es decir, la superficie puede absorber o reflejar pulsos de forma diferente. Esta característica puede auxiliar en un proceso de segmentación de la imagen, pues los objetos presentes en la escena, dependiendo de sus características, poseen respuestas diferentes.

La imagen mostrada en la figura 1 es un ejemplo de una imagen de intensidad obtenida usando la información de retorno del primer pulso del sistema de perfilamiento láser realizado por el Instituto de Tecnología para el Desarrollo (LACTEC).

Bajar PDF – Portugués (670 Kb)

Fuente:

Edinéia Aparecida dos SantosAluir Porfírio Dal Poz – Universidade Estadual Paulista – Faculdad de Ciencias y Tecnología – Brasil

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Solve : *
28 ⁄ 1 =