Techniques for statistical shape model building and fusion

Resumen

La presente tesis se centra en los aspectos de construcción y combinación de modelos activos de forma y de apariencia. Estos modelos representan una herramienta ampliamente utilizada para la segmentación y modelado de objetos mediante restricciones de forma y textura basadas en la estadística aprendida de un conjunto de entrenamiento. Sin embargo, estos modelos tienen varios problemas: 1) el costoso proceso de entrenamiento (tanto en relación al tiempo necesario como a la demanda de memoria); 2) la necesidad de un conjunto de entrenamiento de imágenes con el objeto delineado (por lo general de forma manual); 3) el alto grado de incertidumbre de dichos delineados (por la presencia de ruido), e incluso la imposibilidad práctica de realizar demarcaciones manuales cuando se trabaja en tres dimensiones. Para resolver estos problemas se propone: 1. Un framework para la fusión ponderada de varios modelos activos de forma y apariencia basado en la combinación de autoespacios. Esta estrategia de combinación puede ser entendida como una interpolación lineal de los modelos. El modelo fusionado permite segmentar los objetos cuya apariencia se puede representar aproximadamente como una combinación lineal de los objetos que corresponden a los modelos fusionados. En otras palabras, si un objeto tiene una serie de apariciones típicas (diferentes expresiones o vistas faciales o diferentes patologías cardiacas), es posible elegir las apariciones más representativas y asumir que cualquier otra es una combinación lineal de dicho conjunto representativo. De este modo, la fusión de modelos se puede utilizar para segmentar la imagen y los pesos de la combinación pueden ser utilizados para determinar cual modelo representa mejor al objeto. Las posibles aplicaciones de este framework son: construcción incremental del modelo, clasificación basada en los pesos de la combinación y reducción del conjunto de entrenamiento hasta tener solo las apariencias características. 2. Un algoritmo de segmentación de caras de varias vistas basado en la fusión de modelos activos de apariencia. Este algoritmo se utiliza para la segmentación de cualquier vista facial y también para determinar el ángulo de la vista a partir de los pesos de la fusión. Se construyen sólo los modelos que corresponden a las vistas extremas y se supone que el resto de las vistas son combinación lineal de las extremas. Estimación de los pesos de fusión mediante la minimización de error de reconstrucción permite encontrar el modelo combinado óptimo que mejor se adapta a la imagen segmentada. 3. La combinación de imágenes de tomografía computada (CT), ultrasonido (US) y tomografía computarizada por emisión de fotones individuales (SPECT) para crear automaticamente un modelo activo de forma. Se demuestra cómo la estadística de la apariencia puede ser aprendida para dos modalidades donde la resolución o calidad son demasiado bajas para obtener marcaciones manuales fiables de los contornos del objeto, especialmente en 3D. En este caso la generación de imágenes sintéticas, a través de la simulación del proceso de formación de la imagen, permite sintetizar un conjunto de entrenamiento para la apariencia a partir de un conjunto de formas obtenidas de las imágenes de alta calidad que ofrece CT.