30th mayo 2006

SVD and matrix polynomial interpolation for lossy progressive transmission of 3D images

posted in 3D, Investigación, Polinomios matriciales, Publicaciones, Reconstrucción de imagen, SVD - DVS, Transmisión progresiva |

Publicado el capítulo “SVD and matrix polynomial interpolation for lossy progressive transmission of 3D images” (I. Baeza, J.A. Verdoy, R.J. Villanueva, J. Villanueva-Oller, A.G. Law), en el libro Computer Vision and Robotics, ISBN 1-59454-357-7, pp. 27-47 (año 2006). Ed. Nova Science Publishers.

En este artículo presentamos un nuevo método de transmisión progresiva de imágenes 3D compuesto de 4 elemtos: (1) Descomposición de la imagen en regiones empleando DVS (Descomposición de Valores Singulares), (2) algoritmo de reconstrucción progresiva que emplea polinomios matriciales de interpolación y aproximaciones derivadas de DVS, (3) empleo de la norma matricial para analizar la bondad de la aproximación y (4) una estrategia adaptativa óptima para elegir la “siguiente región a transmitir”.

la DVS de matrices se usa en algunos campos del procesamiento de imagen, tales como la restauración, pero no es habitual su uso en transmisión. Dada una imagen (matriz) de tamaño m x n, su DVS produce una matriz de tamaño m x m, una matriz de tamaño n x n y un vector de tamaño min{m, n}. Esto quiere decir que la DVS genera más del doble de datos que la matriz original. A pesar de esto es posible diseñar una estrategia de transmisión adaptativa con pérdida, con los 4 elementos que hemos descrito antes, caracterizada por su excelente capacidad de reconstrucción y su eficiencia computacional cuando las cantidades de datos transmitidos son muy bajas.

Palabras clave: Descomposición de Valores Singulares, transmisión progresiva de imágenes, imágenes 3D, reconstrucción progresiva de imágenes