Buscar en
Revista Iberoamericana de Automática e Informática Industrial RIAI
Toda la web
Inicio Revista Iberoamericana de Automática e Informática Industrial RIAI Texturas de Movimiento: Campos Markovianos Mixtos y Segmentacion
Información de la revista
Vol. 4. Núm. 4.
Páginas 80-86 (Octubre 2007)
Compartir
Compartir
Descargar PDF
Más opciones de artículo
Vol. 4. Núm. 4.
Páginas 80-86 (Octubre 2007)
Open Access
Texturas de Movimiento: Campos Markovianos Mixtos y Segmentacion
Visitas
2527
Tomás Crivelli
,
Autor para correspondencia
tomas.crivelli@irisa.fr

Campus de Beaulieu, 35042 Rennes Cedex, Francia
, Bruno Cernuschi Frías*,, Patrick Bouthemy*,*
* Laboratorio de Investigación en Procesamiento de Señales e Imágenes y Redes Neuronales (LIPSIRN), Facultad de Ingeniería, Universidad de Buenos Aires, Paseo Colón 850, Buenos Aires, Argentina
CONICET, Argentina
Este artículo ha recibido

Under a Creative Commons license
Información del artículo
Resumen

El objeto de este trabajo es la modelización de movimiento en secuencias de imágenes que presentan cierta dinámica estacionaria y homogénea. En este caso se adopta un modelo de Campos Aleatorios Markovianos con estados mixtos, como representación de las llamadas texturas de movimiento. El enfoque consiste en describir la distribución espacial de algún tipo de medida de movimiento, la cual consiste de dos tipos de valores: una componente discreta relativa a la ausencia de movimiento y una parte continua para mediciones diferentes de cero. Se proponen varias extensiones importantes y se aplica el modelo al problema de segmentación de texturas, tanto en secuencias sintéticas como reales.

Palabras clave:
Campos Aleatorios Markovianos
segmentación
texturas de movimiento
El Texto completo está disponible en PDF
Referencias
[Besag, 1974]
J. Besag.
Spatial interaction and the statistical analysis of lattice systems.
Journal of the Royal Statistical Society. Series B, 36 (1974), pp. 192-236
[Bouthemy et al., 2005]
Bouthemy, et al.
Auto-models with mixed states and analysis of motion textures. Tech Report 1682.
IRISA, (2005),
[Chan et al., 2005]
A.B. Chan, N. Vasconcelos.
Mixtures of dynamic textures.
10th IEEE Int. Conf. on Computer Vision, ICCV’2005, pp. 641-647
[Cross and Jain, 1983]
G.R. Cross, A.K. Jain.
Markov random field texture models.
IEEE Trans. Pattern Analysis Analysis and Machine Intelligence, vol. 5 (1983), pp. 25-39
[Doretto et al., 2003]
Doretto, et al.
Dynamic texture segmentation.
9th IEEE Int. Conf. on Computer Vision, ICCV’2003, pp. 1236-1242
[Fablet and Bouthemy, 2003]
R. Fablet, P. Bouthemy.
Motion recognition using non-parametric image moion modeIs estimated from temporal and multiscale coocurrence statistics.
IEEE Trans. Pattern Analysis and Machine Intelligenee, 25 (2003), pp. 1619-1624
[Geman and Geman, 1984]
S. Geman, D. Geman.
Stochastic relaxalion, Gibbs distributions, and the Bayesian restoration of images.
IEEE Transactions on Pattern Analysis and Machine Intelligenee, 6 (1984), pp. 721-741
[Horn and Johnson, 1986]
R. Horn, C. Johnson.
Matrix analysis.
Cambridge University Press, (1986),
[Szummer and Picard, 1996]
M. Szummer, R. Picard.
Temporal texture modelling.
3rd IEEE Int. Conf. on Image Praeessing, ICIP’96, pp. 823-826
[Yuan et al., 2004]
Yuan, et al.
Synthesizing dynamic textures with closed-loop linear dynamic systems.
8th Eurapean Conf. on Computer Vision, ECCV’2004. Prague. vol. LNCS, 3022 (2004), pp. 603-616

IRISA/INRIA

Copyright © 2007. Elsevier España, S.L.. Todos los derechos reservados
Opciones de artículo
Herramientas