Techniques for statistical shape model building and fusion
Kostantyn Butakov · Dialnet (Universidad de la Rioja) · 2009
La presente tesis se centra en los aspectos de construccion y combinacion de modelos activos de forma y de apariencia. Estos modelos representan una herramienta ampliamente utilizada para la segmentacion y modelado de objetos mediante restricciones de forma y textura basadas en la estadistica aprendida de un conjunto de entrenamiento. Sin embargo, estos modelos tienen varios problemas: 1) el costoso proceso de entrenamiento (tanto en relacion al tiempo necesario como a la demanda de memoria); 2) la necesidad de un conjunto de entrenamiento de imagenes con el objeto delineado (por lo general de forma manual); 3) el alto grado de incertidumbre de dichos delineados (por la presencia de ruido), e incluso la imposibilidad practica de realizar demarcaciones manuales cuando se trabaja en tres dimensiones. Para resolver estos problemas se propone: 1. Un framework para la fusion ponderada de varios modelos activos de forma y apariencia basado en la combinacion de autoespacios. Esta estrategia de combinacion puede ser entendida como una interpolacion lineal de los modelos. El modelo fusionado permite segmentar los objetos cuya apariencia se puede representar aproximadamente como una combinacion lineal de los objetos que corresponden a los modelos fusionados. En otras palabras, si un objeto tiene una serie de apariciones tipicas (diferentes expresiones o vistas faciales o diferentes patologias cardiacas), es posible elegir las apariciones mas representativas y asumir que cualquier otra es una combinacion lineal de dicho conjunto representativo. De este modo, la fusion de modelos se puede utilizar para segmentar la imagen y los pesos de la combinacion pueden ser utilizados para determinar cual modelo representa mejor al objeto. Las posibles aplicaciones de este framework son: construccion incremental del modelo, clasificacion basada en los pesos de la combinacion y reduccion del conjunto de entrenamiento hasta tener solo las apariencias caracteristicas. 2. Un algoritmo de segmentacion de caras de varias vistas basado en la fusion de modelos activos de apariencia. Este algoritmo se utiliza para la segmentacion de cualquier vista facial y tambien para determinar el angulo de la vista a partir de los pesos de la fusion. Se construyen solo los modelos que corresponden a las vistas extremas y se supone que el resto de las vistas son combinacion lineal de las extremas. Estimacion de los pesos de fusion mediante la minimizacion de error de reconstruccion permite encontrar el modelo combinado optimo que mejor se adapta a la imagen segmentada. 3. La combinacion de imagenes de tomografia computada (CT), ultrasonido (US) y tomografia computarizada por emision de fotones individuales (SPECT) para crear automaticamente un modelo activo de forma. Se demuestra como la estadistica de la apariencia puede ser aprendida para dos modalidades donde la resolucion o calidad son demasiado bajas para obtener marcaciones manuales fiables de los contornos del objeto, especialmente en 3D. En este caso la generacion de imagenes sinteticas, a traves de la simulacion del proceso de formacion de la imagen, permite sintetizar un conjunto de entrenamiento para la apariencia a partir de un conjunto de formas obtenidas de las imagenes de alta calidad que ofrece CT.