AJUSTE DE PIXELES Aunque los criterios ecm, dam, y npc son los más empleados, cabe la posibilidad de diseñar otros nuevos en función de las necesidades de la aplicación. Un ejemplo de esto es el mecanismo para la estimación de los vectores empleado en este proyecto, consistente en una modificación del sistema de bloques conocida como pixel-matching [7],[8]. La razón por la que se aplica este mecanismo, es que en nuestros modelos de mallas el vector que realmente interesa calcular es el que describe el movimiento de cada uno de los nodos de la malla empleada. En los modelos clásicos orientados a bloques el vector estimado se asigna a todos los píxeles del bloque; pero en el modelo basado en deformación de la malla que aquí se trata, se pretende obtener el campo denso mediante una interpolación más compleja, puesto que se emplea un modelo de movimiento más avanzado como es el afín. El método de pixel-matching aplica una serie de coeficientes a los términos de la suma del criterio dam, estableciendo así una ponderación en función de la posición de los píxeles en el bloque de estimación. Dicha ponderación equivale a aplicar una máscara como la de la figura, que penaliza los valores de intensidad de los píxeles en función de su distancia al punto central [7]. Máscara para el ajuste de píxeles. Gracias a la máscara anterior, se consigue que el píxel central tenga más importancia que el resto en la estimación. Pixel-matching modificado. En el modelo basado en objetos es posible obtener más de un vector de movimiento por nodo, con lo que se rompe la conectividad global de la malla. Esto sucederá para el caso de nodos situados en los bordes entre regiones, para los que se obtendrán tantos vectores como regiones compartan dicho nodo. Para el caso de puntos interiores se sigue empleando la matriz de pesos descrita con anterioridad, pero para los puntos de los bordes dicha matriz se enmascara con el contorno del objeto, anulando aquella zona para el área que no pertenezca al objeto que se está considerando. De esta forma, en la estimación solamente influyen los píxeles que rodean al punto de estimación, y que además pertenecen a ese objeto tratado. Esto se repite para todas las regiones que comparten el punto, dando siempre el mayor peso al píxel central. En la figura se muestra un ejemplo de lo anterior en el que, mientras que para el fondo estático se estima un vector con movimiento nulo, para el móvil se detecta un vector no nulo. Ejemplo del modelo basado en objetos. En la siguiente figura hay un ejemplo de las máscaras empleadas. Máscaras para el ajuste de píxeles modificado.