3. Representaión holístia de texturas en olor 31
3.7. Desriptor Pereptual de Textons (PTD)
3.7.2. Experimento 3: Evaluaión del PTD
Paralaevaluaióndelrendimientodeestedesriptorsehaseguidoelproedimientodesritoen
elapartado 3.5.3.Losvoabulariosprobadossehan obtenidodenuevoon diversasfuniones de
uantiaiónyutilizandolosespaiosdelafamiliaHSIpararepresentarelolordelosblobs
(HSI-Carron,HSV-YagiyHSV-Smith),talyomosehaindiadoenelapartado3.6.2.A ontinuaión,
para adaimagensealulalasimilitud desu representaiónonlasdel restodeimágenes dela
BDutilizandopara ello ladistania
χ 2
(indiadaen laeuaión3.21).Paravalorarlaalidaddelarepresentaiónobtenidaon eldesriptor PTDde nuevosehaaluladoel
recall
entodaslasBDdetexturas.
Resultadosexperimentales
AligualqueoneldesriptorJPTDenestaexperimentaiónsehanrealizadodiversaspruebas
utilizando diferentes voabularios al variar las funiones de uantiaión
Q S △
yQ C △
según losmodelosdesritosen elapartado3.6.2. Laspruebasrealizadas semuestranen latabla3.5 donde
seindialaodiaióndeéstas.Asímismoenlasguras3.16y3.17seenuentranrepresentadas
demaneragráalaeieniaobtenidaenadaprueba(
recall(r)
,siendor
elnúmerodeimágenesrelevantesdeadaBD).EstainformaiónseenuentramásdetalladaenlastablasA.17-A.32que
guranenelapéndieA.
En lasgráasdelagura3.16paraadaBDsehandestaadoonunpuntomayorel
voab-ulariodondesehaobtenidolaeieniamáximaylasdisontinuidadesdelaslíneasqueunenlos
Tabla3.5:Codiaióndelosvoabulariostesteados.
Modelosde Tamañodelvoabulario
uantizaión
Q S #
,Q C #
(N1, N2, N3
),N,N+M (5,5,5),125,611 (7,7,7),343,829 (9,9,9),729,1458 (6,6,6),216,1512 (M1, M2, M3
),M (9,9,6),486 (9,9,6),486 (9,9,9),729 (12,12,9),1296HSI-Carron
q 1 q 2 q 3 q 4
HSV-Yagi
q 1 q 2 q 3 q 4
HSV-Smith
q 1 q 2 q 3 q 4
Q S #
,Q C ⊗
(
N1, N2, N3
),N,N+M (5,5,5),125,681 (7,7,7),343,1639 (8,8,8),512,1808 (M1, M2, M3
),M (4,16,4),256 (9,16,9),1296 (9,16,9),1296HSI-Carron
q 5 q 6 q 7
HSV-Yagi
q 5 q 6 q 7
HSV-Smith
q 5 q 6 q 7
Q S ⊗
,Q C ⊗
(
N1, N2, N3
),N,N+M (4,8,5),160,288 (4,8,5),160,416 (4,8,7),224,480 (4,8,7),224,1520 (M1, M2, M3
),M (4,8,4),128 (4,16,4),256 (4,16,4),256 (9,16,9),1296HSI-Carron
q 8 q 9 q 10 q 11
HSV-Yagi
q 8 q 9 q 10 q 11
HSV-Smith
q 8 q 9 q 10 q 11
Q S ⊚ Q C ⊗
(
N1, N2, N3
),N,N+M (3,8,7),168,424 (3,8,7),168,744 (3,8,7),168,1192 (3,8,7),168,1464 (4,8,7),224,1520 (3,8,7),168,1768 (M1, M2, M3
),M (4,16,4),256 (6,16,6),576 (8,16,8),1024 (9,16,9),1296 (9,16,9),1296 (10,16,10),1600HSI-Carron
q 12 q 13 q 14 q 15 q 16 q 17
HSV-Yagi
q 12 q 13 q 14 q 15 q 16 q 17
HSV-Smith
q 12 q 13 q 14 q 15 q 16 q 17
Conrespetoalusodediferentes funionesdeuantiaión,araízdelosresultadossepuede
onluirqueelmejormodelodeuantiaiónprátiamenteentodaslasBDhasidoelodiado
omoq16,queorrespondealmodelo
Q S ⊚ Q C ⊗
on1520términos(orrespondeaunauantiaión ilíndriaparalosatributosformayolor).Conestevoabularioen13delas16BDseonsigueelmejorrendimientoyenlas3BDCorelTex,CorelSandyCorelMarbonunvoabulariomuysimilar
(q17yq14respetivamente).Detodasformasladeterminaióndeltamañoidóneodelvoabulario
noesunaspetorítioparalarepresentaióndelastexturasporquelosresultadosnovaríanmuy
signiativamente si sevaría eltamaño de éste.A modode ejemplo tomando elvoabulario q12
on menosdeuna uartapartedetérminoson respetoalvoabularioq17(424 y1768términos
respetivamente)elrendimientobajaunamediadel3%.
Sobreelespaiodeolorutilizadopararepresentarel olor,entodaslasBD Corelseobtiene
unresultadoligeramente superior siseutilizaelespaiode olorHSV-Smithenlugardel espaio
HSI-Carron, justamente en estas BD el olor paree ser el elemento más disriminatorio, véase
la tabla 3.7, de ahí que sean mássensibles al espaio de olor utilizado. Respeto alespaio de
olorHSV-Yagi,en muhos asosproduelospeoresresultados. Lavariaióndel rendimiento de
larepresentaiónenfunióndelespaiodeolorsepuede observaren lagráadelagura3.14,
dondeseonrmaqueenmediaelmejorespaioderepresentaióneselHSV-Smith.
Conlusiones
Comoeradeesperar,laBDdondesehaonseguidounmejorresultadohasidolaBDBDHomo
debido a lahomogeneidad desus onjuntos relevantes. En general todas lasBD Corelontienen
q2 q4 q6 q8 q10 q12 q14 q16
Figura 3.16: Resultados de lareuperaiónde imágenes on diferentes modelos de uantizaión.
q2 q4 q6 q8 q10 q12 q14 q16
Figura3.17:Resultadosde lareuperaiónde imágenesutilizandoelespaiodeolorHSV-Smith
on diferentesmodelosdeuantiaión.
Figura3.18:MediadelaeieniadetodaslaBDparaadamodelodeuantiaión.
Tabla3.6: Reallpromediodel desriptorPTDydeotrosdesriptores.
BD PTD JPTD TD HTD+SCD HTD+CSD EHD+CSD
LBP 1 LBP 2 LBP 3
CCTM CDWFOutex 71.69 68.25 75.39 61.10 66.02 67.64 56.87 46.82 60.80 70.00
-VisTexL 88.70 83.68 84.01 87.41 83.45 85.25 73.20 50.36 66.11 - 91.3
VisTexP 84.80 80.82 80.35 83.44 80.24 81.81 70.38 45.85 64.69 -
-CorelTex 84.89 82.03 78.78 67.33 72.36 75.31 61.89 60.83 62.22 -
-CorelTex2 90.81 88.28 84.58 76.11 85.89 87.33 72.50 68.89 72.42 -
-CorelV1Tex 95.00 92.25 91.03 85.94 91.89 92.78 77.53 72.14 74.56 -
-CorelV2Tex 95.17 91.00 90.58 88.53 85.89 92.28 81.47 79.81 81.44 -
-CorelTexPat 95.25 93.75 91.56 93.69 89.86 90.50 86.89 82.92 86.03 -
-CorelSand 86.86 78.33 75.75 72.00 85.06 85.28 55.54 60.17 59.89 -
-CorelBark 79.36 73.47 63.69 64.83 69.11 70.36 48.39 51.69 51.67 -
-CorelCol 81.10 77.55 76.24 73.43 72.78 75.52 68.89 68.73 70.62 -
-CorelMarb 86.56 80.97 78.33 70.67 80.11 82.03 59.78 63.72 65.19 -
-CorelPain 80.14 75.36 72.28 62.31 72.61 73.94 50.67 49.11 51.69 -
-CorelShel 58.03 50.72 48.78 41.50 47.06 49.97 32.83 35.94 35.67 -
-Arenas 81.12 - 75.70 56.99 80.09 80.21 52.06 63.29 61.47 -
-BDHomo 98.30 97.22 97.40 97.85 97.78 98.21 91.11 85.28 84.93 -
-Media 84.29 80.91 79.03 73.94 78.76 80.52 64.99 61.59 65.38 -
-texturas,estosevereejadoenlosbuenosresultadosonseguidosporeldesriptor.LasBDdonde
los resultados sonpeores sonla BD Outex y CorelShel. En la primeraBD esto esdebido a que
ontienetexturaspereptualmentemuysimilares:lasetiquetadasonelnombrebarleyrieyalgunas
granite. Sin embargo, en la BD CorelShel la onfusión viene provoada por la enorme falta de
homogeneidaddesusonjuntosrelevantes.
Comparaión onotros desriptores
ConelobjetivodepoderontrastarlosresultadosobtenidosoneldesriptorPTDenlatabla
3.6 se enuentran los resultados obtenidos on los desriptores de texturas refereniados en el
apartado3.5.3entreotros.TambiénseenuentrandenuevolosresultadosdelosdesriptoresTDy
JPTDyamostradosenapartadosanteriores.Enlaitadatablaguranlosresultadosobtenidosen
las16BD,dondeparaadaBDsehadestaadoennegritaelmejorresultadoobtenidoyenursiva
elsegundomejorresultado.ElvoabulariodeldesriptorPTDsehaobtenidoonlauantiaión
q16orrespondientealmodelo
Q S ⊚ Q C ⊗
on1520términosyelespaiodeolorHSV-Smith.Comparando úniamente las representaionesholístias seobservaque el desriptor PTD es
el mejor en todas las BD, exepto en laBD Outexdonde es superado por el desriptor TD. El
desriptor PTD es más eiente que el JPTD ya que ofree mejores resultados a osta de un
voabulariomuhomenor(1520términoselPTDy96768términoselJPTD).Comparandotodos
losdesriptores,en todaslasBDexeptoenlasBDVisTexLyOutexeldesriptorholístio PTD
superaatodoslosdesriptores.Elsegundomejordesriptor(indiadoenursiva) eseldesriptor
MPEG-7EHD+CSDyeldesriptorholístioJPTDuyosresultadossonsimilaresenmuhosasos
aldesriptorEHD+CSD.
Considerandolaeieniamedia(últimaolumnadelatabla)eldesriptorPTDsuperaenun
4%alsegundomejordesriptorJPTD.
Tabla3.7:Aportaióndeadaomponente deldesriptorPTDenel
recall
.texturasutilizadosenlaexperimentaiónyporlotantosepuedeonsiderarundesriptorgeneral
detexturasenolor.
Experimento 4
De manera adiional se ha reído interesante medir la aportaión individual de ada una de
lasomponentesdel desriptorPTDenelálulo delreallpromedio, laomponente quemodela
la distribuión delas formasde losblobs,
P T D s
y laparte quemodelaladistribuión delolor de losblobs,P T D c
.Paraello seharepetido laexperimentaiónutilizandoeldesriptorP T D c
yenotroexperimentoeldesriptor
P T D s
.ParaeldesriptorPTDsehautilizadolauantiaiónq16, orrespondiente almodelo
Q S ⊚ Q C ⊗
on 1520 términosy el espaio deolor HSI-Carron, ya que es uno de losque produe losmejores resultados. El desglose de este desriptorda lugar aldesriptor
P T D c
on elmodeloQ C ⊗
de1296términosyaldesriptorP T D s
onelmodeloQ S ⊚
de224términos.En latabla 3.7semuestran losresultadosobtenidos.
Comparando la aportaión de ada una de las omponentes (
P T D c
yP T D s
), en la tabla3.7 se ha destaado en negritala que esmayor. Como se puede observar,la omponente
P T D c
proporionaunaeieniasiempresuperiorquelaobtenidaonlaomponente
P T D s
entodaslaBD.En algunasBD(Arenas,CorelSand,CorelMarbyCorelPain)laaportaióndelaomponente
P T D c
es muho mayor quela deP T D s
y por tanto tiene mayor poderdisriminatorio, esto se explia porque estasBD searaterizan por tener imágenes uyas formas sonsimilarespero onExperimento5
Dado que las texturas se representan on modelos estadístios, en este experimento se ha
estudiadoelefetodeusardiferentesfuniones paraalularlasimilitudentrerepresentaionesa
lahoradeapliareldesriptorPTDparareuperarimágenes.Lasmedidasutilizadasquepermiten
omparardistribuionesdedensidad deprobabilidadsonlassiguientes:
1. Lafunión
χ 2
proporionaunamedidadesimilitudentredosdistribuionesdeprobabilidad.Dadaslasdistribuionesdeprobabilidad
H 1
yH 2
ladistaniasedene:χ 2 (H 1 , H 2 ) = 1
2. La distaniaBhattaharyya.Considerandoadadistribuión omounvetorn-dimensional
tiene una interpretaión geométria direta. Es el oseno del ángulo que forman los dos
vetoresquerepresentanlasdistribuiones.Ésta sealula:
distancia B(H 1 , H 2 ) =
T
X
t=1
p H 1 (t) × H 2 (t).
(3.33)3. Divergenia Jerey, esuna divergenia empíriamente derivadade ladivergenia
Kullbak-Leibler, ésta se puede interpretar omo la ineienia de transformar una distribuión en
otra.Sealuladelasiguientemanera:
divergencia J (H 1 , H 2 ) =
ParaobtenerelvoabulariodeldesriptorPTDsehautilizadolauantiaiónq16
orrespon-diente almodelo
Q S ⊚ Q C ⊗
on 1520 términosyel espaiodeolorHSI-Carron. En latabla 3.8se muestran losresultadosobtenidos sobre todaslasBDdonde sehadestaado ennegritael mejorresultadoobtenidoenadaBD.
Enlatabla3.8sedemuestraqueelusodediferentesfunionesdesimilitudalahoradeomparar
lasrepresentaionesapenas afetaalaeieniaobtenida.LadivergeniaJereyeslafuniónde
similitudqueporpoomargensuperaaladistania