Covariance-based descriptors for pattern recognition in multiple feature spaces
Pol Cirujeda Santolaria · TDX (Tesis Doctorals en Xarxa) · 2015
La representacion de los datos es de especial interes en cualquier area de investigacion. En vision por computador estamos acostumbrados a tratar con caracteristicas de datos, construir representaciones utiles que sirvan para que un modelo computacional pueda reconocer patrones especificos. Esta tesis explora la cuestion acerca de si es posible observar y entender estas caracteristicas no por su contenido, sino desde un espacio mas elevado en el que tengan otro valor. Para un ordenador, una persona en una imagen puede ser un conjunto de pixeles de colores. Para un buen algoritmo de reconocimiento de patrones, quizas seria mejor una representacion basada en un determinado comportamiento de observaciones dentro de una region, tales como una determinada distribucion de color y contorno en una posicion determinada. En esta tesis se explora el uso de descriptores basados en la covarianza de los datos con el fin de trasladar la observacion de caracteristicas dentro de una region de interes a un determinado espacio descriptivo que utilice las matrices de covarianza como signaturas descriptivas de los datos. Este espacio constituye la variedad de las matrices simetricas definidas positivas, con su propia metrica y consideraciones analiticas, en la que se pueden desarrollar diferentes metodos de machine learning para el reconocimiento de patrones. Sea cual sea el dominio de las caracteristicas, ya sean observaciones visuales en imagenes 2D, caracteristicas de forma y textura en nubes de puntos 3D, gestos y movimientos en secuencias de imagenes de profundidad, o informacion de densidad en imagenes medicas en 3D, el espacio del descriptor de covarianza actua como un paso de unificacion en el reto de mantener un marco de trabajo en comun para diversas aplicaciones. Con el objetivo de probar la validez de esta metodologia, esta tesis presenta los fundamentos del descriptor basado en covarianza -su construccion, la teoria necesaria en cuanto a su definicion geometrica, y diversas tecnicas de machine learning que tengan en cuenta esta variedad- y los situa en cuatro casos concretos de aplicacion: clasificacion de imagenes en 2D mediante la tecnica de boosting; descripcion i registracion de escenas en nubes de puntos 3D mediante un proceso de minimizacion basado en teoria de juegos; clasificacion de gestos en secuencias de imagenes de profundidad; y finalmente analisis de imagen medica para la clasificacion de tejido en tomografias por computador. Todas estas aplicaciones comparten el mismo enfoque en cuanto a descriptores, pero con diferentes caracteristicas en cuanto a los tipos de datos y aplicando diferentes algoritmos de machine learning en funcion de la naturaleza del problema a resolver. Las publicaciones en revistas cientificas y conferencias derivadas de esta tesis son las siguientes: POL CIRUJEDA, YASHIN DICENTE CID, XAVIER MATEO, XAVIER BINEFA. A 3D Scene Registration Method via Covariance Descriptors and an Evolutionary Stable Strategy Game Theory solver. International Journal of Computer Vision, 2015. POL CIRUJEDA, YASHIN DICENTE CID, HENNING MULLER, DANIEL RUBIN, TODD A. AGUILERA, XAVIER BINEFA, ADRIEN DEPEURSINGE. A 3D Riesz-Covariance Texture Model for Prediction of Carcinoma Recurrence in Lung CT. Transactions on Medical Imaging (en preparacion en la fecha de deposito). POL CIRUJEDA, HENNING MULLER, DANIEL RUBIN, TODD A. AGUILERA, BILLY W. LOO JR., MAXIMILIAN DIEHN, XAVIER BINEFA, ADRIEN DEPEURSINGE. 3D Riesz-Wavelet Based Covariance Descriptors for Texture Classification of Lung Nodule Tissue in CT. International Conference of the IEEE Engineering in Medicine and Biology Society, 2015. POL CIRUJEDA, XAVIER BINEFA. Medical Image Classification via 2D Color Feature Based Covariance Descriptors. Working Notes of CLEF 2015 (Cross Language Evaluation Forum), CEUR Workshop Proceedings, 2015. OSCAR ALFONSO JIMENEZ DEL TORO, POL CIRUJEDA, YASHIN DICENTE CID, HENNING MULLER. RadLex Terms and Local Texture Features for Multimodal Medical Case Retrieval. Multimodal Retrieval in the Medical Domain, 2015. Lecture Notes in Computer Science, Springer. POL CIRUJEDA, XAVIER BINEFA. 4DCov: a Nested Covariance Descriptor of Spatio-temporal Features for Gesture Recognition in Depth Sequences. International Conference on 3D Vision, 2014. POL CIRUJEDA, XAVIER MATEO, YASHIN DICENTE CID, XAVIER BINEFA. MCOV: a Covariance Descriptor for Fusion of Texture and Shape Features in 3D Point Clouds. International Conference on 3D Vision, 2014. POL CIRUJEDA, XAVIER BINEFA. Augmented Poselets for Human Body Pose Inference by a Probabilistic Graphical Model. In SIGMM ACM Multimedia, 2012. ORIOL MARTINEZ, POL CIRUJEDA, LUIS FERRAZ, XAVIER BINEFA. Dissociating Rigid and Articulated Motion for Hand Tracking. International Conference on Pattern Recognition, 2012.