Métricas de Similaridade em Processamento

Digital de Imagens

Antonio Carlos Sobieranski

 Similaridade
• Medida de similaridade é a medida do quanto 2 objetos/dados se
assemelham
• Em Machine Learning é a distância em termos de dimensões – que
representam as características (features) dos objetos.
• Distâncias pequenas → alto grau de similaridade;
• Distâncias grandes → baixo grau de similaridade;

• Distâncias devem ser calculados entre dimensões relacionadas somente.

Idealmente cada elemento deve ser normalizado para evitar determinada
feature dominar o cálculo da distância.

<http://www.cyclops.ufsc.br>
 Similaridade
• Algumas métricas convencionais entre pontos
→ medem a similaridade entre duas coordenadas quaisquer no plano m-
dimensional

<http://www.cyclops.ufsc.br>
 Similaridade
• Algumas métricas convencionais entre pontos
→ medem a similaridade entre duas coordenadas quaisquer no plano m-
dimensional

<http://www.cyclops.ufsc.br>
 Similaridade
• Algumas métricas convencionais entre pontos
→ medem a similaridade entre duas coordenadas quaisquer no plano m-
dimensional

<http://www.cyclops.ufsc.br>
 Similaridade
• Algumas métricas convencionais entre pontos
→ medem a similaridade entre duas coordenadas quaisquer no plano m-
dimensional
• Similaridade Coseno: leva em consideração
orientação e não magnitude.
• Vetores com a mesma orientação,
e.g. 90 degrees → similarity 1

<http://www.cyclops.ufsc.br>
 Similaridade
• Algumas métricas convencionais entre conjuntos
→ medem a similaridade entre objetos, onde objetos são pontos ou vetores

https://dataaspirant.com/
<http://www.cyclops.ufsc.br>
 Similaridade
• Algumas métricas convencionais entre conjuntos
→ medem a similaridade entre objetos, onde objetos são pontos ou vetores

https://dataaspirant.com/
<http://www.cyclops.ufsc.br>
 Similaridade
• Menor distância entre 2 coordenadas → uma reta ?

<http://www.cyclops.ufsc.br>
 Distância de Mahalanobis
• Métricas de distância levando em consideração um
conjunto de dados
→ medem a similaridade entre coordenadas m-dimensionais no feature-
space.

<http://www.cyclops.ufsc.br>
 Distância de Mahalanobis
• Métricas de distância levando em consideração um
conjunto de dados

<http://www.cyclops.ufsc.br>
 Distância de Mahalanobis
• Métricas de distância levando em consideração um
conjunto de dados
• Múltiplos usos:
• → Centro da distribuição a pontos quaisquer;
• → Ponto a ponto;
• → Ponto em relação a múltiplos conjuntos;
• → Similaridade entre distribuições.
•

<http://www.cyclops.ufsc.br>
 Distância de Mahalanobis
• Comparação com outras métricas convencionais

<http://www.cyclops.ufsc.br>
 Aplicações
• Algumas aplicações da distância de Mahalanobis

<http://www.cyclops.ufsc.br>
 Aplicações
• Algumas aplicações da distância de Mahalanobis

<http://www.cyclops.ufsc.br>
 Porém, na visão computacional...
• Em processamento de imagens e visão computacional
→ número de combinações possíveis de se obter similaridade pode tornar o
processo de decisão de qual métrica utilizar bastante complexo…

<http://www.cyclops.ufsc.br>
 Porém, na visão computacional...
• Em processamento de imagens e visão computacional
→ número de combinações possíveis de se obter similaridade pode tornar o
processo de decisão de qual métrica utilizar bastante complexo…

<http://www.cyclops.ufsc.br>
 Porém, na visão computacional...
• Ainda, existem métricas específicamente designadas para
espaços de cores
→ norma vetorial no RGB, HSV, CIE-Lab
→ distância cônica no HSV
→ CIE-Lab94, CIE-Lab2000, LabCMC
→ Distância estatística m-dimensionais nos espaços
→ Mahalanobis
• → Mahalanobis-Taguchi
• → Bhattacharya
•
→ Norma de Frobenius, Kullback-Leibler

<http://www.cyclops.ufsc.br>
 Porém, na visão computacional...
• Para ajudar, alguns padrões podem ser muito complexos….

<http://www.cyclops.ufsc.br>
Distância Polinomial de Mahalanobis
• Distância Polinomial de Mahalanobis

<http://www.cyclops.ufsc.br>
Distância Polinomial de Mahalanobis
• Distância Polinomial de Mahalanobis

<http://www.cyclops.ufsc.br>
Distância Polinomial de Mahalanobis
• Segmentação supervisionada por crescimento de regiões
•

<http://www.cyclops.ufsc.br>
Distância Polinomial de Mahalanobis
• Segmentação supervisionada por crescimento de regiões
•

<http://www.cyclops.ufsc.br>
Distância Polinomial de Mahalanobis
• Técnicas que auxiliam o especialista médico na tomada
de decisão

<http://www.cyclops.ufsc.br>
Distância Polinomial de Mahalanobis
• Identificação de padrões baseados em cores (em geral).
• Neste exemplo demonstra-se um método para detecção de
padrões de pele

<http://www.cyclops.ufsc.br>
 Exercício Proposto
• Implementar um simples classificador de imagem com base
em algumas distâncias apresentadas
• Demonstrar mapa de intensidade para a métrica escolhida

<http://www.cyclops.ufsc.br>