Construção automática de operadores morfológicos por aprendizagem computacional.

• Ano de defesa: 1997
• Autor(a) principal: Hae, Yong Kim
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Aprendizagem computacional; Computational learning; Image processing; Mathematical morphology; Morfologia matemática; Processamento de imagens
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/3/3142/tde-13112024-143201/

A Morfologia Matemática é uma teoria que lida com o processamento e análise de imagens, utilizando operadores baseados em conceitos topológicos e geométricos. Tradicionalmente, o usuário constrói um operador morfológico manualmente, compondo operadores elementares, baseado em suas experiências prévias. Porém, muitas vezes, esta tarefa não é trivial, dificultando o uso prático da morfologia. Esta tese introduz novas técnicas para construir operadores em geral (isto é, não necessariamente binários) automaticamente utilizando pares de imagens de entrada e de saída como exemplos de treinamento. Estas técnicas foram implementadas para imagens binárias, em níveis de cinza e coloridas e alguns exemplos de aplicação juntamente com informações de desempenho são expostos. Freqüentemente, um operador gerado automaticamente é composto por um número muito grande de operadores elementares. Técnicas convencionais necessitam de muito tempo para aplicar tal operador numa imagem digital. Esta tese também introduz novos esquemas de representação para operadores, que podem ser armazenados em árvores binárias. O uso de árvores binárias acelera tanto a construção como a aplicação do operador. Finalmente, a construção automática do operador é formalizada utilizando os modelos de aprendizagem PAC (provavelmente aproximadamente correta) generalizada e vizinho mais próximo.