Especialidades

Computación

Tutor

GARCÍA VAREA, ISMAEL
ROMERO GONZALEZ, CRISTINA

Descripción y Objetivos

La clasificación de imágenes consiste en asignar a cada imagen una etiqueta que describe su contenido (por ejemplo, cocina o coche). Este proceso se suele llevar a cabo extrayendo una serie de puntos clave de las imágenes RGB y creando un vector descriptor de su entorno local. Aunque estos descriptores son bastante robustos respecto a rotación, escalado y translación, suelen perder mucha precisión al cambiar las condiciones de iluminación.

Este problema se puede solucionar utilizando imágenes 3D (o RGB-D), que dan información sobre profundidad a la que se encuentran los puntos y, en consecuencia, deben ser más robustos ante este tipo de cambios.

El objetivo de este estudio es demostrar empíricamente que las imágenes 3D ofrecen una ventaja clara en clasificación bajo condiciones de iluminación variables.

Metodología y Competencias

Para la realización de este trabajo se deben llevar a cabo las siguientes tareas:

 

• Estudio del estado del arte en clasificación de imágenes y de los descriptores disponibles para 2D y 3D.
• Análisis y selección de la base de datos de pruebas.
• Generación de descriptores y clasificación.
• Análisis de resultados.

 

Medios a utilizar

 

• Librerías OpenCV y PCL para la extracción de puntos. (C/C++)
• Base de datos de imágenes de ImageCLEF 2013.

 

Bibliografía

 

1. Lowe, D. G. (2004). Distinctive image features from scale-invariant keypoints.International journal of computer vision, 60(2), 91-110.
2. Steder, B., Rusu, R. B., Konolige, K., & Burgard, W. (2011, May). Point feature extraction on 3D range scans taking into account object boundaries. In Robotics and automation (icra), 2011 ieee international conference on (pp. 2601-2608). IEEE.
3. OpenCV. http://opencv.org/
4. Point Cloud Library. http://pointclouds.org/
5. Base de datos de ImageCLEF 2013. http://www.imageclef.org/2013/robot

 

Asignación

Pendiente de asignar