III WVC 2007 - Iris.sel.eesc.sc.usp.br - USP

WVC'2007 - III Workshop de Visão Computacional, 22 a 24 de Outubro de 2007, São José do Rio Preto, SP.Figura 4. Esquema de seleção empregado para o cruzamento• W v com dimensão 7 × 7• w s =0.6 e w c =0.4As Figuras 5 e 6 apresentam os resultados obtidos utilizandoo par de imagens estéreo conhecido como Tsukubae Corridor respectivamente. Os pixels de maior intensidade,cor branca, correspondem aos pontos onde a disparidadepossui maior intensidade, o que significa regiões mais próximasdo sistema de observação. É fácil identificar que o algoritmoproduziu melhor resultado na imagem de tsukuba.Por outro lado, a imagem corridor apresentou um mapade disparidades com muitos pontos inválidos. Essa últimatrata-se de um caso bastante discutido em trabalhos de visãoestéreo. Por ter baixa resolução, apenas 200 × 200, e tambémpor apresentar muitas regiões repetitivas e com falta detextura, naturalmente a quantidade de ambigüidades é muitomaior que no primeiro teste.Indiscutivelmente, todo o processo de otimização da superfíciede disparidade é altamente dependente da métricautilizada na construção do EDI. Uma medida de semelhançaerrônea implica em cromossomos defeituosos sendopropagados para as próximas gerações, corrompendo consigoparte de seus vizinhos, já que a medida de continuidadedas disparidades deve ser considerada.5. ConclusõesEste trabalho apresentou um algoritmo genético para aestimação de mapas de disparidade estéreo. Normalmente,trabalhos da área apresentam soluções locais para a construçãodo mapa de disparidade. Somente a partir de 98 quemétodos globais vêm se tornando freqüentes em trabalhospublicados em jornais e conferências. Grande parte dos algoritmosglobais apresentam alto custo computacional esão altamente dependentes das técnicas de construção doEDI. Assim como este trabalho, a determinação do EDItem grande influência no resultado final da otimização,isso porque os valores de custo são a peça chave para aevolução dos indivíduos da população. O uso de técnicas inteligentesna determinação de mapas de disparidades maisbem adaptados é uma promessa empolgante da soluçãodo problema estéreo. Além do mais, AGs permitem utilizarum número infinito de estratégias de representação eevolução dos indivíduos, podendo também partir para algoritmosmais avançados utilizando interpretações multiobjetivopara a avaliação dos cromossomos. Devido às propriedadesde aprendizado e generalização de soluções, essasestratégias inteligentes favorecem a recuperação da informaçãotridimensional globalmente mais adaptada.Referências[1] X. Armangué and J. Salvi. Overall view regarding fundamentalmatrix estimation. International Journal of Imageand Vision Computing, IVC, 21(2):205–220, February 2003.[2] A. Bensrhair, P. Miché, and R. Debrie. Fast and automaticstereo vision matching algorithm based on dynamic programmingmethod. Pattern Recogn. Lett., 17(5):457–466,1996.[3] J. D. S. da Silva, P. O. Simoni, and K. K. Bharadwaj. Multiplecorrespondences in stereo vision under a genetic algorithmapproach. In SIBGRAPI ’00: Proceedings of the 13thBrazilian Symposium on Computer Graphics and Image Processing,pages 52–59, Washington, DC, USA, 2000. IEEEComputer Society.[4] A. J. Fitch, A. Kadryov, W. Christmas, and J. Kittler. Fastrobust correlation. IEEE Transactions on Image Processing,14(8):1063–1073, August 2005.[5] R. Hartley and A. Zisserman. Multiple View Geometry inComputer Vision. Cambridge University Press, 40 West 20thStreet, New York, NY 10011-4211, USA, second edition,2003.85