A methodology for image segmentation using superpixels and depth information

Simple item page
dc.contributor.advisorMartínez Carrillo, Fabio
dc.contributor.advisorPertuz Arroyo, Said David
dc.contributor.authorSalazar Acosta, Isail
dc.date.accessioned2024-03-03T23:27:04Z
dc.date.available2017
dc.date.available2024-03-03T23:27:04Z
dc.date.created2017
dc.date.issued2017
dc.description.abstractLos algoritmos clásicos de segmentación de imágenes explotan la detección de similaridades y discontinuidades en diferentes patrones visuales con el fin de detectar y diferenciar regiones de interés en una imagen. Sin embargo, debido a la alta variabilidad e incertidumbre de los datos presentes en las mismas, se hace difícil producir resultados acertados. En este sentido, la segmentación basada solo en color a menudo no es suficiente para un gran porcentaje de imágenes naturales. Interesantemente, en los últimos años, la disponibilidad de cámaras RGB-D (color más profundidad) de bajo costo (p.ej., la Kinect de Microsoft) ha abierto nuevas posibilidades de investigación. Este trabajo presenta una metodología que permite la integración de la información de profundidad al problema de la segmentación. Específicamente, la imagen de color es sobre-segmentada en una determinada cantidad de superpixeles que luego son procesados en un enfoque de fusión de regiones tomando en cuenta la profundidad. Para este propósito, una nube de puntos 3D se genera a partir de los datos de profundidad a fin de detectar características relevantes en el espacio 3D: planos y contornos. Éstas son luego traducidas en segmentaciones incompletas que sirven de soporte al proceso de fusión de regiones. La salida es una segmentación final a partir de los superpixeles. Los experimentos fueron conducidos sobre la base de datos de imágenes NYU-Depth V2. Los resultados obtenidos reportan mejoras considerables con respecto a la segmentación clásica basada en color según medidas de desempeño comunes en el estado del arte.
dc.description.abstractenglishClassical image segmentation algorithms exploit the detection of similarities and discontinuities in different visual patterns (e.g., color, texture, brightness) to detect and differentiate multiple regions of interest in an image. However, due to the high variability and uncertainty of image data, it is a difficult task to achieve accurate results. In this way, segmentation based just in color is often not sufficient for a large percentage of natural images. Interestingly enough, in the last few years, the availability of low cost color-plus-depth (RGB-D) cameras (e.g., Microsoft’s Kinect) has opened up new research possibilities. This work presents a methodology that allows the integration of depth information to the segmentation problem. Specifically, the color image is oversegmented into several superpixels to thereafter be processed by a depth-aware region merging approach. For this purpose, a 3D point cloud is reconstructed from the depth information to detect relevant 3D features: planes and contours. These features are then translated into coarse segmentations which serve as support inputs to the region merging process. The output is a final segmentation from superpixels. Experiments were conducted on the NYU-Depth V2 (NYUD2) dataset. Obtained results report considerable improvements over classic color segmentation in terms of state-of-the-art performance measures and are expected to pave the way for future research in scene understanding and RGB-D image segmentation.
dc.description.degreelevelPregrado
dc.description.degreenameIngeniero Electrónico
dc.format.mimetypeapplication/pdf
dc.identifier.instnameUniversidad Industrial de Santander
dc.identifier.reponameUniversidad Industrial de Santander
dc.identifier.repourlhttps://noesis.uis.edu.co
dc.identifier.urihttps://noesis.uis.edu.co/handle/20.500.14071/37061
dc.language.isospa
dc.publisherUniversidad Industrial de Santander
dc.publisher.facultyFacultad de Ingenierías Fisicomecánicas
dc.publisher.programIngeniería Electrónica
dc.publisher.schoolEscuela de Ingenierías Eléctrica, Electrónica y Telecomunicaciones
dc.rightshttp://creativecommons.org/licenses/by/4.0/
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.licenseAttribution-NonCommercial 4.0 International (CC BY-NC 4.0)
dc.rights.urihttp://creativecommons.org/licenses/by-nc/4.0
dc.subjectSegmentación De Imágenes
dc.subjectSobre-Segmentación
dc.subjectSuperpixeles
dc.subjectCámaras Rgb-D
dc.subjectImágenes Rgb-D
dc.subjectNube De Puntos 3D.
dc.subject.keywordImage Segmentation
dc.subject.keywordOver-Segmentation
dc.subject.keywordSuperpixels
dc.subject.keywordRgb-D Cameras
dc.subject.keywordRgb-D Images
dc.subject.keyword3D Point Cloud.
dc.titleA methodology for image segmentation using superpixels and depth information
dc.title.englishA methodology for image segmentation using superpixels and depth information
dc.type.coarhttp://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.hasversionhttp://purl.org/coar/resource_type/c_7a1f
dc.type.localTesis/Trabajo de grado - Monografía - Pregrado
Files
Original bundle
Now showing 1 - 3 of 3
No Thumbnail Available
Name:
Carta de autorización.pdf
Size:
318.33 KB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Documento.pdf
Size:
7.45 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Nota de proyecto.pdf
Size:
347.78 KB
Format:
Adobe Portable Document Format
Download
Collections
Ingeniería Electrónica