Métodos híbridos via energias quadráticas em grafos direcionados para segmentação de imagens 

• Ano de defesa: 2021
• Autor(a) principal: Demario, Caio Lopes
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Image foresting transform; Image segmentation; Passeios aleatórios; Random walks; Segmentação de imagens; Transformada imagem-floresta
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/45/45134/tde-21072021-152120/

Neste trabalho são investigados métodos híbridos para segmentação de imagens, tomando como base o algoritmo dos Passeios Aleatórios (Random Walks - RW), porém adotando grafos direcionados, de modo a explorar a polaridade de borda dos objetos. Como resultado temos um novo método híbrido baseado em sementes, chamado OIFT Relaxada (Relaxed OIFT - ROIFT), que estende o método proposto por Malmberg et al. para grafos direcionados, devidamente incorporando a restrição de polaridade de borda. Os resultados de segmentação via ROIFT se encontram entre os obtidos pela Transformada Imagem-Floresta Orientada (OIFT) e pela extensão do RW para grafos direcionados, tal como proposto por Singaraju et al., com estes refletindo casos particulares extremos do novo método. A ROIFT é avaliada em imagens médicas de Ressonância Magnética e Tomografia Computadorizada, produzindo resultados de segmentação superiores e mais intuitivamente corretos que os obtidos por Singaraju et al. e OIFT, além de ser facilmente extensível para imagens multidimensionais. Também é proposto um método híbrido chamado Relaxed Deep Extreme Cut, que estende o método Deep Extreme Cut, de Maninis et al., atuando em algumas de suas deficiências. Esse método é avaliado em imagens bidimensionais do conjunto de dados do GrabCut, apresentando resultados superiores aos obtidos pelo método de Maninis et al.