| Summary: | Esta tese trata de uma proposta de uma modelagem hierarquica hibrida, abordando o problema de correspondencia na estereoscopia em visao computacional, utilizando o raciocinio com incerteza e algoritmos geneticos, na busca pela melhor solucao para o problema de correspondencia de pontos multiplos entre imagens. 0 modelo propoe a extracao de um conjunto de caracteristicas de cada ponto e de seus vizinhos, consistindo de informacao contextual (area) e estrutural (tokens). A similaridade e verificada pela comparacao de tais caracteristicas, do ponto de referencia para os pontos candidatos a correspondencia, usando-se medidas de similaridade. Estas medidas sao transformadas em probabilidades basicas (massas) ou crencas, que indicam o grau de certeza de um ponto corresponder a uma referencia, segundo cada caracteristica (ou evidencia). Um processo iterativo e proposto para alterar a convergencia da correspondencia no caso da existencia de problemas provenientes do processo de aquisicao das imagens, como por exemplo, a oclusao. Tambem propoe-se a correspondencia simultanea de N pontos, utilizando as mesmas evidencias de similaridade. 0 uso de N pontos, introduz uma nova restricao no problema a coerencia estrutural entre as regioes poligonais (ou metaobjetos), que emergem da interconexao dos pontos. Esta restricao esta relacionada com as caracteristicas geometricas dos meta-objetos. Assim, no processo de correspondencia, alem de ser necessario satisfazer as restricoes estabelecidas por Marr (1982), os pontos candidatos juntos devem formar uma regiao poligonal, semelhante aquela formada pelos pontos de referencia. A complexidade aumenta com o aumento do numero de pontos simultaneos considerados, implicando em caracteristicas geometricas mais complexas que podem aumentar a seletividade das possibilidades de correspondencia. 0 espaco de busca pelos pontos correspondentes depende do numero dos possiveis pontos candidatos por vertice, tornando complexo o processo de correspondencia, 0 modelo proposto usa um algoritmo genetico para realizar esta tarefa, considerando as evidencias de similaridade adotadas para compor a funcao de avaliacao por minimizacao ou por maximizacao, incorporando as restricoes do problema. Para otimizar o tempo de processamento, propoe-se tambem a utilizacao de um algoritmo genetico paralelo em modelo de ilha. Neste modelo, varias populacoes diferentes evoluem separadamente, havendo migracao de individuos entre as populacoes. Sao apresentados resultados da execucao do modelo com algoritmo genetico sequencial e paralelo, sobre imagens reais, mostrando a adequacao do modelo tratado nesta para o problema de correspondencia em questao. === This thesis proposes a hierarchical point wise approach to the correspondence problem in stereopsis, using a hybridization of reasoning under uncertainty and genetic algorithms for establishing the best solution, in a simultaneous multi point approach. The proposed model extracts a set of features from the point and its neighborhood, consisting of both context (area) and structural (token) information. Similarity is measured by comparison of such features, from the reference to the candidate points. The measurements are then assigned basic probabilities or mass, indicating the confidence degree (belief) a point corresponds to a reference. Simultaneous correspondence is also proposed for N points, under the same similarity criteria. The use of N points permits the adoption of a new constraint to the problem, resulting from the polygonal region (or meta-object) generated by the interconnection of the points. This constraint is stated as the structural coherence, related to the geometric features of the resulting meta-object. Then, besides satisfying the constraints stated in Marr (1982), the candidate points all together must form a similar polygonal region to that of the reference points. The larger is the number of simultaneous points taken, the more complex is the meta-object to be searched. Complexity of the objects implies complex geometric features, which can increase selectivity of possible correspondences. The search space depends upon the number of candidates for each individual point; thus it can be a very large space. The proposed model uses a genetic algorithm for searching such space, taking into account the similarity criteria adopted, to formulate the fitness function that can be minimized or maximized, and incorporates the constraints of the problem. The island model genetic algorithm is used to provide fast processing to the whole correspondence task. This model consists in the simultaneous evolution of several different populations, with the migration of individuals among them. Thus, different regions of the search space are exploited and the best individual solutions can be exchanged. Some experimental results, using sequential and parallel genetic algorithms, are presented to show the adequacy of the model to the correspondence problem at hand.
|
|---|
