Segmentação de objetos via transformada imagem-floresta orientada com restrições de conexidade
Segmentação de objetos em imagens é um dos problemas mais fundamentais e desafiadores em processamento de imagem e visão computacional. O conhecimento de alto nível e específico do usuário é frequentemente requerido no processo de segmentação, devido à presença de fundos heterogêneos, objetos com bo...
| Author: | |
|---|---|
| Format: | doctoral thesis |
| Status: | Published version |
| Publication Date: | 2018 |
| Country: | Brasil |
| Institution: | Universidade de São Paulo (USP) |
| Repository: | Biblioteca Digital de Teses e Dissertações da USP |
| Language: | Portuguese |
| OAI Identifier: | oai:teses.usp.br:tde-01102018-120427 |
| Online Access: | http://www.teses.usp.br/teses/disponiveis/45/45134/tde-01102018-120427/ |
| Access Level: | Open access |
| Keyword: | Connectivity constraints Funções de conexidade monotonicamente incrementais Funções de conexidade não monotonicamente incrementais Graph-cut segmentation Image foresting transform Image segmentation Monotonic-incremental path-cost functions Non-monotonically-incremental path-cost functions Oriented image foresting transform Restrição de conexidade Segmentação de imagens segmentação por corte em grafo Transformada imagem-floresta Transformada imagem-floresta orientada |
| Summary: | Segmentação de objetos em imagens é um dos problemas mais fundamentais e desafiadores em processamento de imagem e visão computacional. O conhecimento de alto nível e específico do usuário é frequentemente requerido no processo de segmentação, devido à presença de fundos heterogêneos, objetos com bordas fracamente definidas, inomogeneidade de campo, ruído, artefatos, efeitos de volume parcial e seus efeitos conjuntos. Propriedades globais do objeto de interesse, tais como conexidade, restrições de forma e polaridade de borda, são conhecimentos prévios de alto nível úteis para a sua segmentação, permitindo a customização da segmentação para um objeto alvo. Nesse trabalho, apresentamos um novo método chamado Transformada Imagem-Floresta Orientada Conexa (COIFT, Connected Oriented Image Foresting Transform), que fornece soluções ótimas globais de acordo com uma medida de corte em grafo, incorporando a restrição de conexidade na Transformada Imagem-Floresta Orientada (OIFT, Oriented Image Foresting Transform), com o fim de garantir a geração de objetos conexos, bem como permitir o controle simultâneo da polaridade de borda. Enquanto o emprego de restrições de conexidade em outros arcabouços, tais como no algoritmo de corte-mínimo/fluxo-máximo (min-cut/max-flow), leva a um problema NP-difícil, a COIFT conserva o baixo custo computacional da OIFT. Experimentos mostram que a COIFT pode melhorar consideravelmente a segmentação de objetos com partes finas e alongadas, para o mesmo número de sementes em segmentação baseada em marcadores. |
|---|