Detección y descripción de características – Lo que vemos V.S. lo que entendemos

Para una amplia variedad de aplicaciones computacionales encontrar las correspondencias visuales entre un par de imágenes dado es una de las temas de investigación actuales más importantes dentro del área de visión computacional. Tareas como la representación de imágenes, el reconocimiento de patrones y objetos, la reconstrucción de escenas 3D, o la navegación visual  no serían posibles de llevar a cabo sin la presencia de características estables y representativas en la imagen.

La descomposición de una imagen digital en regiones de interés o “características locales” es una técnica ampliamente utilizada en visión artificial que permite, tanto explotar las propiedades de apariencia local, como reducir la complejidad de los problemas de visión computacional.

La tarea de encontrar correspondencias visuales entre imágenes de una misma escena se divide en dos partes importantes: En primer lugar está la detección de los puntos clave (características locales) más sobresalientes en la imagen y, en segundo lugar, la descripción de dichos puntos de interés.


1

Figura 1. Características Locales detectadas en una imagen digital


Los detectores de características ideales encuentran regiones salientes en la imagen tales que sean posibles de detectar aun cuando estos estén sujetos a cambios de punto de vista; en forma más general, estos deben ser robustos a todas las transformaciones posibles de la imagen. Una vez que se encuentra un conjunto distintivo de puntos de interés con características contrastantes, es posible construir un descriptor de características para cada uno de dichos elementos. Un descriptor de características ideal debe ser capaz de capturar la información más importante y distintiva de una región saliente, de manera que si la misma estructura es detectada posteriormente, esta pueda ser reconocida. En este contexto, ciertas características de imagen como la intensidad de color, las formas, las texturas, o bien la respuesta de ciertos tipos de filtros espaciales pueden ser utilizados para construir descriptores.

Además de cumplir con estas características, la velocidad con que se detecta y describe a cada uno de estos puntos significativos de la imagen debe también ser optimizada para ajustarse a las restricciones de tiempo demandadas por ciertas aplicaciones particulares. Por esta razón la dificultad inherente de extraer características útiles de una imagen yace en balancear dos metas comunes de competitividad: La  calidad en la descripción de las características locales y los requerimientos de costo computacional.


2

Figura 2. Correspondencias entre los puntos característicos de un par de imágenes de una misma escena.


La década pasada fue testigo de avances clave en lo que se refiere a la extracción de puntos característicos en imágenes digitales. En el 2004 David Lowe propuso el algoritmo SIFT (Scale Invariant Feature Transform), un detector y descriptor de características locales que es invariante tanto a la rotación como al escalamiento.  Dicho algoritmo emplea una versión adaptado a la escala del método de Diferencias Gaussianas (DoG) en conjunto con el descriptor de características conocido como Histograma de Gradientes Orientados (HOG).  A pesar de que el enfoque empleado por el algoritmo SIFT implica un considerable costo computacional, este es ampliamente aceptado como uno de las opciones de más alta calidad actualmente disponibles, prometiendo distintividad y robustez a una variedad de transformaciones de imagen comunes.

Recientemente, la meta en la investigación de algoritmos de detección y descripción de características locales ha consistido en buscar un desempeño similar a SIFT, mientras que a su vez se adquiera una complejidad computacional mucho menor. El algoritmo SURF (Speeded-Up Robust Features) desarrollado y publicado por Herbert Bay en el 2006 es quizá el ejemplo más importante de ello. Dicho algoritmo de detección y descripción de características locales está basado en principios similares al algoritmo SIFT, diferenciándose principalmente en la explotación de las propiedades de la imagen integral para llevar a cabo aproximaciones eficientes de las operaciones de filtrado implicadas en la detección de los puntos clave, lo cual se traduce en una velocidad de computo notoriamente superior en comparación al algoritmo SIFT.

 

CARACTERÍSTICAS LOCALES

Una característica local puede ser definida como un patrón en una imagen digital que difiere de su vecindad inmediata.  Dichas características están usualmente asociadas con algún cambio en alguna o varias de las propiedades de la imagen, como pueden ser los cambios en el nivel de intensidad, el color o la textura.

Las características locales pueden ser puntos específicos en la imagen, aunque otras características de la imagen como los bordes o pequeñas masas (blobs) pueden ser también consideradas como tal.

Típicamente, algún tipo de información es extraída de una región centrada sobre la posición de la característica local y de esta forma dicha información puede convertirse en un descriptor de dicha característica.

El principal objetivo de la detección y descripción de características locales en una imagen es proveer una abstracción general y compacta de la información contenida en dicha imagen, de manera que esta pueda ser utilizada con mayor facilidad y eficiencia en diversas aplicaciones de visión computacional.


3

Figura 3. La detección y descripción de características locales en una imagen digital permiten obtener una representación general y compacta de la información contenida en dicha imagen.


En términos generales, una característica local ideal debe de tener las siguientes propiedades:

  • Repetibilidad: Dadas dos imágenes de un mismo objeto o escena en particular, tomadas en condiciones diferentes de punto de vista, un alto porcentaje de las características detectadas en dicho objeto o escena deben poder ser encontrados en ambas imágenes.
  • Distintividad: Los patrones de intensidad asociados con la característica detectada deben de mostrar suficiente variación, de manera que dicha característica local pueda ser distinguida apropiadamente.
  • Localidad: La característica debe ser local, con el fin de eliminar la probabilidad de oclusión y para permitir la aproximación a través de modelos simples de las deformaciones geométricas y fotométricas entre dos imágenes tomadas desde puntos de vista diferentes.
  • Cantidad: El número de características locales detectadas debe ser lo suficientemente grande, tal que un número razonable de estas sean detectadas aun en objetos muy pequeños. Además, la densidad de características detectadas debe reflejar el contenido de información de una imagen y proveer una representación compacta de la misma.
  • Precisión: Las características detectadas deben estar localizadas en forma precisa, tanto en ubicación en la imagen, así como con respecto de la escala y deformación geométrica del objeto.
  • Eficiencia: Preferentemente, el tiempo de detección de características en una nueva imagen debe ser lo suficientemente razonable para aplicaciones donde el tiempo es crítico.

 

DESCRIPTORES DE CARACTERÍSTICAS

Los detectores de características locales permiten localizar y visualizar propiedades importantes en las imágenes digitales, sin embargo la simple detección de estos puntos o regiones características usualmente no provee información suficiente que pueda ser utilizada en aplicaciones de visión artificial.

Los descriptores de características  juegan un papel importante dentro de una amplia variedad de aplicaciones de visión computacional ya que estos permiten extraer información significativa correspondiente a una amplia variedad de propiedades en la imagen.

En forma general, un descriptor de características (o simplemente descriptor) se puede definir como una abstracción de las características visuales contenidas en una imagen digital. Dichos descriptores usualmente describen características elementales como son la forma, el color, la textura, el movimiento, entre otras.

Como resultado de la descripción de características, típicamente se obtiene lo que se conoce como vector de características, el cual contiene una descripción codificada de cada uno de los puntos característicos encontrados en la imagen.

Dependiendo del contenido y la cantidad de información característica que engloban, los descriptores de características  se pueden clasificar como:

  1. Descriptores Globales: Este tipo de descriptores proporcionan una descripción general de la información de color o textura, contenida en una imagen. Un ejemplo típico de este tipo de descriptores son los histogramas de intensidad, los cuales ofrecen una descripción clara de la distribución estadística en los niveles de intensidad de los píxeles de la imagen.
  2. Descriptores Locales: Como su nombre lo sugiere, los descriptores locales proporcionan una descripción informativa de ciertos elementos u objetos específicos en la imagen digital.  Este tipo de descriptores se utilizan para sustraer información descriptiva de los puntos o regiones de interés encontradas por un detector de características locales.

 

Los descriptores de características pueden ademas clasificarse de acuerdo al tipo de información empleada pasa su construcción, como por ejemplo:

  1. Descriptores de forma: Este tipo de descriptores proporcionan información referente a la geometría de los elementos u objetos en una imagen.
  2. Descriptores de color: Los descriptores de color proveen información sobre la distribución de color en los elementos y objetos que conforman la imagen.
  3. Descriptores de textura: Estos descriptores ofrecen una descripción distintiva de propiedades estructurales de la imagen, como son el contraste, la direccionalidad, o la rugosidad, entre otras.
  4. Descriptores de movimiento: Los descriptores de movimiento tienen la función de extraer la información acerca de la relación espacio-temporal de los objetos en una imagen. El movimiento se puede relacionar con el cambio de posición de los objetos en una escena, o bien con el desplazamiento del dispositivo utilizado para la captura de imágenes.

 

Un algoritmo de descripción de características abstrae la información contenida alrededor de un punto de interés dado y la representa a través de un vector de características.

Encontrar las correspondencias entre las características locales en un par de imágenes diferentes de una misma escena u objeto es la tarea más importante derivada de la descripción de dichas características locales, y es lo que hace posible la implementación de una amplia variedad de aplicaciones de visión computacional.


4

Figura 4. Aplicación de la detección y descripción de características para la detección de objetos en una imagen.


En entradas posteriores veremos con mas detalle algunas de las técnicas mas populares para detectar y describir características en una imagen. ¡Manténganse sintonizados!

Detección y descripción de características – Lo que vemos V.S. lo que entendemos