Segmentação de imagens por texturas através de um método de agrupamento de dados

• Ano de defesa: 2018
• Autor(a) principal: Carvalho, Taiane Viana de
• Orientador(a): Martins, Allan de Medeiros
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Programa de Pós-Graduação: PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA E DE COMPUTAÇÃO
• País: Brasil
• Palavras-chave em Português: Processamento de imagens; Segmentação de imagens; Texturas; Mistura de gaussianas; Clustering
• Área do conhecimento CNPq: CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
• Link de acesso: https://repositorio.ufrn.br/jspui/handle/123456789/25963

A segmentação é uma das etapas mais complexas em processamento de imagens e o foco em pesquisas nessa área tem sido cada vez maior. Segmentar, significa subdividir uma imagem em suas regiões distintas a partir de propriedades dos píxeis, tais como nível de cinza e textura. Este trabalho apresenta um método de segmentação com base na extração de características de texturas em imagens. O método consiste em gerar um conjunto de dados gerado a partir da quantificação das texturas presentes na imagem e depois agrupá-los em classes que representarão as texturas que constituem a imagem. A realização do agrupamento dos píxeis ocorre através da aplicação de uma técnica de agrupamento de dados que inicialmente agrupa os pontos do conjunto de dados em classes auxiliares fazendo o uso de uma técnica de quantização vetorial. Essas classes auxiliares serão ligadas formando uma única classe dependendo do grau de compartilhamento de características da textura. Os métodos tradicionais que calculam a similaridade ou dissimilaridade entre grupos possuem algumas limitações quanto ao aumento da distância entre as médias desses grupos. Uma alternativa utilizada neste trabalho é de um novo método que empregando o conceito de mistura de gaussianas calcula a divergência entre um conjunto de dados modelado por gaussianas com o modelo de uma única gaussiana que descreve todo o conjunto. O objetivo dessa abordagem é separar automaticamente regiões com diferentes texturas em uma imagem, utilizado um algoritmo eficiente e de baixo custo computacional.