Detalhes bibliográficos
Ano de defesa: |
2018 |
Autor(a) principal: |
Carvalho, Taiane Viana de |
Orientador(a): |
Martins, Allan de Medeiros |
Banca de defesa: |
Não Informado pela instituição |
Tipo de documento: |
Dissertação
|
Tipo de acesso: |
Acesso aberto |
Idioma: |
por |
Instituição de defesa: |
Não Informado pela instituição
|
Programa de Pós-Graduação: |
PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA E DE COMPUTAÇÃO
|
Departamento: |
Não Informado pela instituição
|
País: |
Brasil
|
Palavras-chave em Português: |
|
Área do conhecimento CNPq: |
|
Link de acesso: |
https://repositorio.ufrn.br/jspui/handle/123456789/25963
|
Resumo: |
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. |