Use este identificador para citar ou linkar para este item: http://repositorio.ufes.br/handle/10/9701
Título: Uma abordagem não-supervisionada para segmentação de cenas naturais coloridas
Autor(es): Komati, Karin Satie
Orientador: Salles, Alexandre Ottoni Teatini
Data do documento: 16-Dez-2011
Editor: Universidade Federal do Espírito Santo
Resumo: A análise e segmentação de cenas naturais é um tópico importante em processamento de imagens e visão computacional, com aplicações em diversas áreas, tais como navegação robótica, biometria, tratamento de imagens de satélite e inspeção de qualidade. Entretanto, a etapa de segmentação pode se tornar extremamente complicada devido à imensa variabilidade de cor, iluminação e texturas que se manifestam em uma imagem. Ou seja, é muito difícil implementar uma abordagem que consiga segmentar satisfatoriamente todas as nuances de uma cena, projetada numa imagem. Este trabalho busca o desenvolvimento de uma técnica não supervisionada e automática que possa segmentar imagens coloridas de cenas naturais. Para tanto, o ponto de partida foi a técnica conhecida como JSEG (JSegmentation) onde não se supõe um modelo específico de texturas e regiões, nem se realiza ajuste de parâmetros a partir de imagens. Em linhas gerais, o JSEG avalia a homogeneidade local de uma região, caracterizada por cor e textura, e assim realiza a segmentação, caracterizando regiões distintas e seus limites na imagem. Entretanto, é possível melhorar os seus resultados de segmentação adotando um critério adequado para distinguir informações intra e inter-regiões. Dentre as opções para tal melhoria, estão os operadores de detecção de bordas, mas eles não são compatíıveis com tal tarefa, pois são muito sensíveis a quaisquer bordas e não incluem bons critérios de homogeneidade de regiões. Neste contexto, multifractal se encaixa bem na definição de um critério de homogeneidade. Assim, este trabalho propõe três versões melhoradas para o algoritmo de segmentação de imagens coloridas JSEG, combinando o algoritmo clássico JSEG e o operador fractal local, que mede a dimensão fractal de cada pixel, aumentando o limite de detecção no J-image. Experimentos com imagens de cenas naturais coloridas do The Berkeley Segmentation Dataset and Benchmark (BSDS) são apresentados, mostrando uma melhoria dos resultados, qualitativa e quantitativamente falando, em comparação com o método clássico JSEG.
Segmentation of natural scenes is an important task in image processing and computer vision, with applications in several areas such as robot navigation and object recognition. However, the segmentation can become extremely complex due to the huge variability of color, lighting and textures found in an image. In other words, it is very difficult to develop an approach that can successfully segment all changes in a scene. This Thesis proposes a new unsupervised and fully automatic method for boundary detection in natural color images, consisting of two levels of integration, or two-stage sequential processes. In the first stage, two different techniques to measure color-texture homogeneity in a region-growing method are combined by two different control algorithms. One control algorithm is based on a local function and the other is based on a global statistical property (the shape of the power spectrum of the image being analyzed). One homogeneity measure is the J-value (provided by the JSEG algorithm) and the second measure is a multifractal descriptor. This first stage performs region extraction. In the second integration, edge information is extracted by a classical method, and integrated with region information. This process eliminates false boundaries in the region map, guided by the edge map, and reduces the noise in the edge map as well, now guided by the region map, thus taking advantage of their complementary nature. Furthermore, it integrates the two maps into a single final result, enhancing the coincident information of both maps. Each phase of integration improves, progressively, the detection of the boundaries. Experiments on a large and consolidated dataset of natural color images (“The Berkeley Segmentation Dataset and Benchmark”) suggest that the results for the approach here proposed are closer to the human perception than the individual methods, quantitatively and qualitatively speaking.
URI: http://repositorio.ufes.br/handle/10/9701
Aparece nas coleções:PPGEE - Teses de doutorado

Arquivos associados a este item:
Arquivo TamanhoFormato 
tese_2856_TeseDoutoradoKarinSatieKomati.pdf23.21 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.