SF 1/11/2007 - 1
1) Compressão de Imagens M
1) Compressão de Imagens M
é
é
dicas
dicas
2)Transforma
2)Transforma
ç
ç
ões Geom
ões Geom
é
é
tricas
tricas
Sérgio S Furuie
SF 1/11/2007 - 2
Tamanhos T
Tamanhos T
í
í
picos
picos
O CT Scan & MRI: 512 x 512 x 2 ..………. 512 KB O Gated Blood Pool: 128 x 128 x 32 x 2………….512 KB O DSA: 512 x 512 x 30 x 1 ………..………..7,5 MB O RX estático: 2048 x 2048 x 2 ………….……….…8 MB O Mamografia: 4.000 x 5.000 x 1.5 bytes………… 30 MB O Estudo 3D CT: 512 x 512 x 128 x 2…………....128 MB O Hemodinâmica: 10242 x 1 x 30/s x 4 min ………..4 GB O (típico 512 x 512 x 15/s x 100 s...390 MB)
No InCor => arquiva-se digitalmente (PACS) ~5 TB/ano
=> produz-se em torno de ~7 TB/ano
SF 1/11/2007 - 3
O Definição
Utilizar a redundância de informações em imagens de forma a descrevê-las com um menor número de parâmetros
Descrever imagens de uma forma mais
compacta do que a descrição em matriz MxN
Compressão
SF 1/11/2007 - 4
Compressão
Compressão
de
de
Imagens
Imagens
M
M
é
é
dicas
dicas
O
O ObjetivosObjetivos
Redu
Reduççãoão do do espaespaççoo de de armazenamentoarmazenamento Redu
Reduççãoão do tempo de do tempo de transmissãotransmissão –
– CalcularCalcular parapara 100MB ?100MB ? –
– bandabanda de 100 Kbits/s:de 100 Kbits/s: –
– RedeRede a 10 Mbps:a 10 Mbps: –
SF 1/11/2007 - 5 s Mbps s Mbps h s x x x 8 100 80 10 2 min 133 8000 10 100 8 10 100 3 6 => => > = =
SF 1/11/2007 - 6
Compressão
Compressão
de
de
Imagens
Imagens
M
M
é
é
dicas
dicas
Compressão Descompressão
Transmissão
A X Â
A=Â+η
SF 1/11/2007 - 7
Compressão
Compressão
de
de
Imagens
Imagens
M
M
é
é
dicas
dicas
O
O ConceitosConceitos ImportantesImportantes
Taxa
Taxa de de compressãocompressão: : –
– TamanhoTamanho de A / de A / TamanhoTamanho de Xde X –
– Bytes Bytes parapara representarrepresentar A / bytes A / bytes parapara representarrepresentar XX –
– TamanhoTamanho de X de X podepode ser ser maiormaior do do queque tamanhotamanho de A?de A? Tempo
Tempo parapara compressãocompressão Tempo
Tempo parapara descompressãodescompressão Medidas
SF 1/11/2007 - 8
Compressão
Compressão
de
de
Imagens
Imagens
M
M
é
é
dicas
dicas
O
O MedidasMedidas de de ErroErro::
Medidas
Medidas objetivasobjetivas
–
– ErroErro QuadrQuadrááticotico MMéédiodio: 1/N soma {A(i,j): 1/N soma {A(i,j)-- Â(i,j)}Â(i,j)}22 –
– ErroErro mmááximoximo Medidas
Medidas subjetivassubjetivas –
– VerificarVerificar comocomo a a compressão/descompressãocompressão/descompressão alteraaltera as
as caractercaracteríísticassticas visuaisvisuais dada imagemimagem quantoquanto aosaos pontospontos importantes
importantes parapara ananááliselise ((diagndiagnóósticostico, , quantificaquantificaççãoão dede parâmetros
parâmetros etc...)etc...) –
SF 1/11/2007 - 9
Compressão
Compressão
de
de
Imagens
Imagens
M
M
é
é
dicas
dicas
O
O As As ttéécnicascnicas de de compressãocompressão podempodem serser
O
O divididasdivididas em:em:
T
Téécnicascnicas semsem perdasperdas (loss(loss--less techniques)less techniques) –
– Â=A; Â=A; T
Téécnicascnicas com com perdasperdas ((lossylossy techniques)techniques) –
SF 1/11/2007 - 10
Compressão
Compressão
de
de
Imagens
Imagens
M
M
é
é
dicas
dicas
O
O TTéécnicascnicas semsem perdasperdas::
Exploram
Exploram redundânciasredundâncias nana imagemimagem semsem alteraralterar o
o conteconteúúdodo de de informainformaççãoão Exemplos
Exemplos:: –
– RunRun--length codelength code –
– Huffman codingHuffman coding –
– LZWLZW Taxas
SF 1/11/2007 - 11
Compressão
Compressão
de
de
Imagens
Imagens
M
M
é
é
dicas
dicas
Lossless techniques: Run
Lossless techniques: Run
-
-
length
length
O O OriginalOriginal Run-length code (por linhas) 9 0 6 1 2 0 6 1 5 0 2 1 6 0 1 1 5 0 2 1 6 0 2 1 6 0 2 1 4 0 Ou simplesmente: 9 6 2 6 5 2 6 1 5 2 6 2 6 2 4
SF 1/11/2007 - 12
Se
Se
não
não
bin
bin
á
á
ria
ria
?
?
O
SF 1/11/2007 - 13
Solu
Solu
ç
ç
ão
ão
O
O usarusar a a triplatripla ((marcamarca, , comprimentocomprimento, valor) se , valor) se houverhouver
repeti
repetiççãoão maiormaior do do queque 3. Do 3. Do contrcontrááriorio, , apenasapenas o o valor. A
valor. A marcamarca éé o o primeiroprimeiro dadodado O
O marcamarca=valor do pixel com =valor do pixel com menormenor ocorrênciaocorrência
para
para codificarcodificar o valor o valor dada marcamarca, , usausa--se se –
– ((marcamarca, , marcamarca))
12 12 15 15 15 15 10 12 =>
12 12 15 15 15 15 10 12 => 1010 12 12 12 12 10 4 1510 4 15 10 1010 10 12 12 não
não permitirpermitir queque hajahaja a a triplatripla ((marcamarca, , marcamarca, valor), , valor), masmas desdobrar
desdobrar
12 12 15 15 15 15 2 2 12 =>
SF 1/11/2007 - 14
Compressão
Compressão
de
de
Imagens
Imagens
M
M
é
é
dicas
dicas
Lossless techniques: LZW
Lossless techniques: LZW
O
O Original (Original (arquivoarquivo textotexto)) O O a b a b a b a b c c b a b a b b a b a b aa a a a a a aa a a a a a _ _ ___ _ ___ _____ _ ___ ______ _ _ ___ _ ___ _____ _ ___ ______ O O 1 2 4 3 5 8 1 10 11 1 2 4 3 5 8 1 10 11 Tabela
Tabela de de CCóódigosdigos
O O a 1a 1 baba 5 5 babababa 99 b 2 b 2 abcabc 6 6 aaaa 1010 c c 33 cbcb 7 7 aaaaaa 1111 ab
SF 1/11/2007 - 15
Huffman
Huffman
SF 1/11/2007 - 16
Codifica
Codifica
ç
ç
ão
ão
Huffman
Huffman
SF 1/11/2007 - 17
Compressão
Compressão
com
com
perdas
perdas
O
O TTéécnicascnicas com com perdasperdas::
Exploram
Exploram redundânciasredundâncias masmas alteramalteram o
o conteconteúúdodo de de informainformaççãoão Exemplos
Exemplos:: –
– TransformadasTransformadas
O
O((HotelingHoteling, , CossenosCossenos, Walsh, Walsh--HadamardHadamard))
–
– ExpansõesExpansões em em SSéérierie –
– QuadtreesQuadtrees –
SF 1/11/2007 - 18
diagrama
diagrama
geral
geral
Transf.
Imagem
quantização
Codif.
Entropia
Tabela1
Tabela2
lossless
lossy
I
O
SF 1/11/2007 - 19
Compressão
Compressão
de
de
Imagens
Imagens
M
M
é
é
dicas
dicas
Lossy
Lossy
Techniques
Techniques
O
O QuadtreesQuadtrees: 2: 2nn PalavraPalavra--chavechave: : similaridadesimilaridade
(1 1 0 1) 1 ((1 1 0 0) (1 1 1 0) (0 1 1 1) (0 0 1 1)) (1 0 (0 0 1 1) 1)
sentido horário, 1=>totalmente branco, 0=>preto
11 1 0 1 1 0 1
0 0 1 1 1100 1110 0111 0011
SF 1/11/2007 - 20
Compressão
Compressão
de
de
Imagens
Imagens
M
M
é
é
dicas
dicas
Lossy
Lossy
Techniques
Techniques
O
O CritCritéériosrios de de SimilaridadeSimilaridade
Emax
Emax, , EmEméédiodio Intensidade
Intensidade dos dos ppííxelsxels entreentre doisdois valoresvalores limiteslimites Intensidade
Intensidade dos dos ppííxelsxels prpróóximaxima dada mméédiadia dada regiãoregião Boa
Boa aproximaaproximaççãoão polinomialpolinomial dentrodentro dada regiãoregião Boa
SF 1/11/2007 - 21 f(t) f(t) F(w)F(w) f f11(t)(t) F F11(w)(w)
Compressão
Compressão
de
de
Imagens
Imagens
Transformada
SF 1/11/2007 - 22
Image
Image
Transforms
Transforms
O
O BasisBasis ImagesImages::
O
O V :V : TransformedTransformed ImageImage
{
{ BBklkl** } : } : BasisBasis ImagesImages
∑∑
− = − ==
N 1 0 k 1 N 0 l kl klB
(
,
)
v
n)
U(m,
.
*m
n
)
'
,
'
(
,
B
' 'k
k
l
l
B
kl k l=
δ
−
−
(orthonormality)SF 1/11/2007 - 23
Transf
Transf
. de Fourier, DFT,FFT
. de Fourier, DFT,FFT
y x F(u,v) F f(x,y) D i r e t a F u v f x y j u x v y d x d y I n v e r s a f x y F u v j u x v y d u d v : ( , ) ( , ) . e x p ( ( ) ) . . : ( , ) ( , ) . e x p ( ( ) ) . . = − + = + − ∞ − ∞ ∫ ∫ ∫ ∫ 2 2 π π Contínuo Discreto F u v MN f x y j u x M v y N f x y F u v j u x M v y N y N x M v N u M ( , ) ( , ) . exp ( ( . ) ) ( , ) ( , ) . exp ( ( . ) ) = − + = + = − = − = − = − ∑ ∑ ∑ ∑ 1 2 2 0 1 0 1 0 1 0 1 π π F-1
SF 1/11/2007 - 24
Examples
Examples
of
of
basis
basis
images
images
U u . 1 0 0 0 0 0 0 0 0 u . 0 1 0 0 0 0 0 0 0 ... u . 0 0 0 0 0 0 0 0 1 00 01 nn = + + +
U ... v .
kle
j...
2 N= +
π(km+ln)+
n m ( DFT ) ( pixel ) DCT, DST, Hadamard, KL, SVDSF 1/11/2007 - 25
Discrete
Discrete
Cosine
Cosine
Transform
Transform
C U V NxNN
C
)
2N
1)m
+
(2n
cos(
2
1
1
1
π
=
n m[
...
−1]
=
c
0c
NSF 1/11/2007 - 26
DCT:
DCT:
properties
properties
O O Real: CReal: C**=C, C=C, C--11=C=CTT O O V = C . U . CV = C . U . CTT O O U = CU = CTT. V . C. V . C OO BasisBasis imagesimages: B: B**klkl==cckk**. . cckk*T*T
O
O DFT: DFT: SymmetricSymmetric extensionextension ofof imageimage
O
O ~ KL (~ KL (highlyhighly correlatedcorrelated imageimage))
first
first orderorder stationarystationary MarkovMarkov
O
O ExcellentExcellent energyenergy compactioncompaction
O
SF 1/11/2007 - 27
O
O A A ttéécnicacnica::
Dividir
Dividir a a imagemimagem em em blocosblocos de 8x8 de 8x8 ppííxelsxels Aplicar
Aplicar a DCT em a DCT em cadacada blocobloco (em (em zigzig--zagzag)) Arredondar
Arredondar ((quantizarquantizar) ) osos coeficientescoeficientes parapara as as componentes
componentes abaixoabaixo de de umauma certacerta precisãoprecisão Armazenar
Armazenar a a sséérierie de de coeficientescoeficientes inteirosinteiros usando
usando ““codificacodificaççãoão de de entropiaentropia”” ((ttéécnicacnica lossless)lossless)
Compressão de Imagens
SF 1/11/2007 - 28
diagrama
diagrama
geral
geral
Transf.
Imagem
quantização
Codif.
Entropia
Tabela1
Tabela2
lossless
lossy
I
O
SF 1/11/2007 - 29
codifica
SF 1/11/2007 - 30
original decompressed Normal Heart
Compressão
Compressão
de
de
Imagens
Imagens
Transformada
SF 1/11/2007 - 31
original 30%
50% 70%
Compressão
Compressão
de
de
Imagens
Imagens
Transformada
SF 1/11/2007 - 32
Compressão
Compressão
: wavelets
: wavelets
) ( 1 ) ( , a b x a x b a − = ψ ψ
função base:
dx a b x x f a b a F ( , ) = 1 ( ) * ( − ) ∫ ψtransf. wavelet:
) 2 ( 2 ) ( /2 , x x n m m n m = − − − ψ ψdx
n
x
x
f
n
m
F
(
,
)
=
2
−m/2∫
(
)
ψ
*(
2
−m−
)
SF 1/11/2007 - 33
decomposi
decomposi
ç
ç
ão
ão
(
(
Mallat
Mallat
)
)
h
2
2
g
f
mf
m+1f’
m+1f
f
1f’
1f
2f’
2f’
1n pontos
níveis
SF 1/11/2007 - 34
nD
nD
compressão
compressão
com wavelet
com wavelet
Compressão Compressão::
1)
1) transformadatransformada wavelet wavelet nDnD dada imagemimagem 2)
2) quantizaquantizaççãoão escalarescalar 3)
3) codificacodificaççãoão dada entropiaentropia Decompressão
Decompressão:: 1)
1) DecodificaDecodificaççãoão dada entropiaentropia 2)
2) ““DequantizaDequantizaççãoão”” escalarescalar 3)
SF 1/11/2007 - 35
nD
nD
compressão
compressão
com wavelet
com wavelet
SF 1/11/2007 - 36
3D
3D
SF 1/11/2007 - 37
wavelet
wavelet
O
O m level (3D) => m level (3D) => baixabaixa resoluresoluççãoão=1/(2x2x2)=1/(2x2x2)m O ~90% da energia
O quantização diferenciada para cada nível
O em 3D, taxa de compressão melhor 40 a 90% do
que 2D
O 20:1 sem perda de qualidade (...)
O DICOM (2003) adicionou a compressão por
SF 1/11/2007 - 38
O
O DiscussãoDiscussão
Porque
Porque compressãocompressão?? Compressão
Compressão lossless x lossless x lossylossy Como
Como avaliaravaliar a a perdaperda de de informainformaççãoão diagndiagnóósticastica?? –
– AnAnááliselise subjetivasubjetiva
–
– AnAnááliselise objetivaobjetiva
–
– ExtraExtraççãoão de de parâmetrosparâmetros
compressão
compressão de de imagensimagens coloridascoloridas –
– RGB => RGB => YCbCrYCbCr ((luminâncialuminância e e crominânciacrominância))
O
O Y: ~Y: ~intensidadeintensidade
O
O CbCbe Cr: e Cr: menosmenosflutuaflutuaççõesões=> => subsamplingsubsampling
Compressão
SF 1/11/2007 - 39
O
O ConclusõesConclusões
As
As ttéécnicascnicas de de compressãocompressão podempodem ser ser úúteisteis Taxas
Taxas elevadaselevadas podempodem ser ser obtidasobtidas (80:1)(80:1) Dif
Difíícilcil avaliaravaliar impactoimpacto dada compressãocompressão An
Anááliselise devedeve ser ser feitafeita casocaso a a casocaso An
Anááliselise objetivaobjetiva e e subjetivasubjetiva A
A aplicaaplicaççãoão mméédicadica devedeve determinardeterminar aa qualidade
qualidade dada imagemimagem O
O queque osos olhosolhos nãonão vêemvêem o o coracoraççãoão nãonão sentesente??
Compressão
SF 1/11/2007 - 40
Exemplo (IJ)
Exemplo (IJ)
O
O Compressão com perdas: JPEGCompressão com perdas: JPEG
Ver tamanho dos arquivos em Bytes
SF 1/11/2007 - 41
Registro/fusão de imagens
SF 1/11/2007 - 42
Motiva
Motiva
ç
ç
ão: fusão
ão: fusão
O
O ConjugaConjugaçção de imagens ão de imagens
para melhorar a para melhorar a sensitividade
sensitividade e e sensibilidade
sensibilidade diagndiagnóóstica stica (fusão)
(fusão) O
O AlinhamentoAlinhamento de de imagensimagens
3D 3D
Estudo
Estudo multimulti--modal (CT, modal (CT, MRI, SPECT, ..)
MRI, SPECT, ..) quantitativaquantitativa Aumento
Aumento dada sensitividadesensitividade e e da
da especificidadeespecificidade diagn
SF 1/11/2007 - 43
Exemplos de
SF 1/11/2007 - 44
Transforma
Transforma
ç
ç
ões
ões
geom
geom
é
é
tricas
tricas
O
O TransformaTransformaçção global vs. Localão global vs. Local
O
O TransformaTransformaçção rão ríígida vs. gida vs. DeformativaDeformativa
O
O TransformaTransformaçções geomões geoméétricas: tricas:
transla
translaçção, rotaão, rotaçção =>rão =>ríígida, lineargida, linear escala,
escala, shearshear, perspectiva =>, perspectiva =>deformativadeformativa transla
translaçção, rotaão, rotaçção, escala =>linearão, escala =>linear transla
SF 1/11/2007 - 45
95 80 80 80
95 90 90 105
150 20 100 130
220 150 160 150
95 80 80 80
95 90 90 105
150 20 100 130
220 150 160 150
95 80 80 80
95 90 90 105
150 20 100 130
220 150 160 150
95 80 80 80
95 90 90 105
150 20 100 130
220 150 160 150
95 80 80 80
95 90 90 105
150 20 100 130
220 150 160 150
12
7
6 20
3
8
9 17
15 14 10 13
2 22 15 150
Transla
Transla
ç
ç
ão
ão
95 80 80 80
95 90 90 105
150 20 100 130
220 150 160 150
95 80 80 80
95 90 90 105
150 20 100 130
220 150 160 150
95 80 80 80
95 90 90 105
150 20 100 130
220 150 160 150
95 80 80 80
95 90 90 105
150 20 100 130
220 150 160 150
95 80 80 80
95 90 90 105
150 20 100 130
220 150 160 150
12
7
6 20
3
8
9 17
15 14 10 13
2 22 15 150
x y zSF 1/11/2007 - 46
Transla
Transla
ç
ç
ão
ão
= 1 . 1 0 0 0 1 0 0 0 1 0 0 0 1 1 1 1 1 0 0 0 2 2 2 z y x z y x z y x ) , , ( ) , , ( ) , , ( ) , , ( ) , , ( ) , , ( ) , , ( 0 2 0 2 0 2 2 2 2 1 1 1 2 2 2 2 2 2 0 0 0 1 1 1 2 1 z z y y x x f z y x g z y x f z y x g z y x z y x z y x P translacao P − − − = = = + => + x P1 P2 f(x1,y1,z1) g(x2,y2,z2)
SF 1/11/2007 - 47 95 80 80 80 95 90 90 105 150 20 100 130 220 150 160 150 95 80 80 80 95 90 90 105 150 20 100 130 220 150 160 150 95 80 80 80 95 90 90 105 150 20 100 130 220 150 160 150 95 80 80 80 95 90 90 105 150 20 100 130 220 150 160 150 95 80 80 80 95 90 90 105 150 20 100 130 220 150 160 150 12 7 6 20 3 8 9 17 15 14 10 13 2 22 15 150
Escala
Escala
95 80 80 80
95 90 90 105
150 20 100 130
220 150 160 150
95 80 80 80
95 90 90 105
150 20 100 130
220 150 160 150
95 80 80 80
95 90 90 105
150 20 100 130
220 150 160 150
95 80 80 80
95 90 90 105
150 20 100 130
220 150 160 150
95 80 80 80
95 90 90 105
150 20 100 130
220 150 160 150
12
7
6 20
3
8
9 17
15 14 10 13
2 22 15 150
x y zSF 1/11/2007 - 48
Escala
Escala
= 1 . 1 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 2 2 2 z y x S S S z y x z y x x P1 P2 f(x1,y1,z1) g(x2,y2,z2)SF 1/11/2007 - 49
Rota
Rota
ç
ç
ão
ão
95 80 80 80
95 90 90 105
150 20 100 130
220 150 160 150
95 80 80 80
95 90 90 105
150 20 100 130
220 150 160 150
95 80 80 80
95 90 90 105
150 20 100 130
220 150 160 150
95 80 80 80
95 90 90 105
150 20 100 130
220 150 160 150
95 80 80 80
95 90 90 105
150 20 100 130
220 150 160 150
12
7
6 20
3
8
9 17
15 14 10 13
2 22 15 150
x y zSF 1/11/2007 - 50
Rota
Rota
ç
ç
ão
ão
− = 1 . 1 0 0 0 0 ) cos( ) ( 0 0 ) ( ) cos( 0 0 0 0 1 1 1 1 z y x sin sin R α α α α α 2 1[rotação ( , , )] P P α β γ => x P1 P2 f(x1,y1,z1) g(x2,y2,z2) − = 1 . 1 0 0 0 0 ) cos( 0 ) ( 0 0 1 0 0 ) ( 0 ) cos( 1 1 1 z y x sin sin R β β β β β − = 1 . 1 0 0 0 0 1 0 0 0 0 ) cos( ) ( 0 0 ) ( ) cos( 1 1 1 z y x sin sin R γ γ γ γ γ
SF 1/11/2007 - 51
Transf
Transf
.
.
geom
geom
é
é
tricas
tricas
na
na
pr
pr
á
á
tica
tica
Escalamento (S) e Rotação (R) em torno de um ponto genérico (P0) 1) P/ rotação deve-se centrar em (P0) => translação T
2) Rotação R 3) Retorno da translação (T-1) 4) Escala S ) ( . . . 0 1 0 1 2 S T R T P P = − P0 γ β α R R R R z y x t r r r t r r r t r r r z y x z y x . . 1 . 1 0 0 0 1 ' ' ' 33 32 31 23 22 21 13 12 11 = =
(não é linear!)
SF 1/11/2007 - 52
Transf
Transf
. geom. =>
. geom. =>
Interpola
Interpola
ç
ç
ão
ão
x1 x x2 ) .( ) ( 1 1 2 1 2 1 x x x x y y y y − − − + = y1 y2 y 6 8 2 4
Frequentemente uma transformação geométrica
exigirá também uma interpolação na intensidade
SF 1/11/2007 - 53
Interpola
Interpola
ç
ç
ão
ão
bi
bi
-
-
linear
linear
P1 P2 P3 P4 Q1 Q2 ) .( ) ( ) 2 ( ) .( ) ( ) 1 ( 3 3 4 3 4 3 1 1 2 1 2 1 x x x x I I I Q I x x x x I I I Q I − − − + = − − − + = Q(x,y) ) .( ) 1 ( ) 2 ( ) 1 ( ) ( 1 1 2 y y y y Q I Q I Q I Q I − − − + =
SF 1/11/2007 - 54
Exemplos
Exemplos
pr
pr
á
á
ticos
ticos
(IJ)
(IJ)
O
O RotaRotaççãoão=> => efeitoefeito com e com e semsem interpolainterpolaççãoão
O
O sliceslice
O
SF 1/11/2007 - 55
M
M
é
é
todos para alinhamento
todos para alinhamento
O
O Baseado em pares de pontos conhecidosBaseado em pares de pontos conhecidos
Procrustes
Procrustes (r(ríígido)gido) Affine
Affine (permite transla(permite translaçção, rotaão, rotaçção, escala, ão, escala, shearshear)) Projetiva (perspectiva, transla
Projetiva (perspectiva, translaçção, rotaão, rotaçção, escala, ão, escala, shear
shear)) –
– DeterminaDeterminaçção de parâmetros de transformaão de parâmetros de transformaçção (ão (fittingfitting de modelos)
de modelos)
O
O Baseado no conteBaseado no conteúúdo das imagens (do das imagens (nãonão--supervissupervis.) .)
p/ alinhamento r
p/ alinhamento ríígido [refinamento]gido [refinamento]
Correla
Correlaçção cruzadaão cruzada Informa
Informaçção mão múútuatua –
SF 1/11/2007 - 56
Alinhamento
Alinhamento
O
O EstratEstratéégiasgias
Alinhamento preliminar (r
Alinhamento preliminar (ríígido)gido) Refinamento do alinhamento
Refinamento do alinhamento
–
– InformaInformaçção mão múútuatua
–
SF 1/11/2007 - 57
perspectiva
orthophoto
SF 1/11/2007 - 58
Alinhamento r
Alinhamento r
í
í
gido
gido
γ β α R R R R z y x t r r r t r r r t r r r z y x z y x . . 1 . 1 0 0 0 1 ' ' ' 33 32 31 23 22 21 13 12 11 = = 60 60 65 65 40 40 60 60 94 94 10 10 90 90 14 14 45 45 95 95 32 32 80 80 42 42 15 15 30 30 12 12 y y’’ x x’’ y y x x q q p p
Solução: algoritmo de Procrustes
1) corr(p,q)
2) SVD
3) Rotação
SF 1/11/2007 - 59
Procrustes
Procrustes
P
R
Q
t
U
V
R
UDV
K
Q
Q
P
P
K
T T T.
.
)
(
)
(
−
=
=
=
−
−
=
SF 1/11/2007 - 60
Alinhamento
Alinhamento
Affine
Affine
= 1 . 1 0 0 0 1 ' ' ' 34 33 32 31 24 23 22 21 14 13 12 11 z y x r r r r r r r r r r r r z y
x
Shear, rotação, translação
Solução: otimização
∑
− = i i i r Tq p q T q 2 min ' r r r rSF 1/11/2007 - 61
∑
∑
=− = i i i i i i p p p p H log2 1 log2∑
− = j i j i p j i p B A H , 2 ( , ) log * ) , ( ) , ( ) , ( ) ( ) ( ) , (A B H A H B H A B I = + −Alinh
Alinh
. Conte
. Conte
ú
ú
do: Informa
do: Informa
ç
ç
ão m
ão m
ú
ú
tua
tua
entropia
entropia conjunta
informação mútua
) , ( ) ( ) ( ) , ( B A H B H A H B A IN = +informação mútua
normalizada
SF 1/11/2007 - 62
MR + PET sem registro
SF 1/11/2007 - 63