Unsupervised TOF Image Segmentation through Spectral Clustering and Region Merging

espanolLas camaras de tiempo de vuelo (TOF) generan dos imagenes simultaneas, una de intensidad y una de rango. Esto permite abordar problemas de segmentacion donde la informacion de intensidad o de rango separadamente es insuficiente para extraer los objetos de interes de la escena 3D. A su vez, la informacion de rango permite obtener una aproximacion del vector normal de cada punto de las superficies capturadas. En este articulo se presenta un metodo de clustering espectral no supervisado que combina la informacion de intensidad, de rango y las orientaciones de los vectores normales para mejorar los resultados de la segmentacion. La principal contribucion de este articulo consiste en la utilizacion de un proceso estadistico de union de regiones como paso final de metodo de segmentacion. El proceso de union de regiones combina regiones adjacentes que satisfacen un criterio de semejanza. El rendimiento del metodo propuesto fue evaluado sobre imagenes reales. El uso de este paso final presenta mejoras preliminares en las metricas evaluadas. EnglishTime of Flight (TOF) cameras generate two simultaneous images, one of intensity and one of range.This allows to tackle segmentation problems in which the separate use of intensity or range information is not enough to extract objects of interest from the 3D scene. In turn, range information allows to obtain anormal vector estimation of each point of the captured surfaces. This article presents a semi-supervised spectral clustering method which combines intensity and range information as well as normal vector orientations to improve segmentation results. The main contribution of this article consists in the use of a statistical region merging as a final step of the segmentation method. The region merging process combines adjacent regions which satisfy a similarity criterion. The performance of the proposed method was evaluated over real images. The use of this final step presents preliminary improvements in the metrics evaluated.