Um método automático para o ajuste de segmentadores de imagens baseados em informação de textura e cor.
Autor(a) principal: | |
---|---|
Data de Publicação: | 2009 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações da UFCG |
Texto Completo: | http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/4318 |
Resumo: | O ajuste de segmentadores para a detecção de materiais específicos que compõem o conteúdo retratado por uma imagem digital é usualmente executado de forma manual, ou com pouco grau de automatização. A obtenção de segmentadores com base em aprendizagem normalmente envolve os seguintes passos: construir um conjunto de imagens segmentadas manualmente; analisar os melhores parâmetros - espaço de cores, profundidade de cor, tamanho da janela de pixels a ser considerada, dentre outras; ajustar um classificador que decide se cada pixel faz parte ou não da superfície do material. Uma vez que esta segmentação é geral mente um passo intermediário de inúmeras aplicações das áreas de Visão Computacional e de Processamento de Imagens, uma fraca automatização do processo faz com que esforço seja investido em uma tarefa secundária. Neste trabalho, é proposto um método de automatização do ajuste de segmentadores de materiais baseados em informação de cor e textura, utilizando redes neurais artificiais como estruturas de classificação, filtros de Gabor como descritores de textura e um algoritmo floodfill adaptado como etapa de pós-processamento. A descoberta dos melhores parâmetros dos filtros de Gabor e do algoritmo floodfill é realizada através da aplicação de um algoritmo genético. Uma avaliação experimental envolvendo a detecção de 3 classes de materiais (pele humana, grama e céu) foi realizada, e os segmentadores obtidos com o método proposto apresentaram resultados melhores (com relação à Medida-F) do que o método geral Naïve Bayes bem como métodos específicos para cada tipo de material, tendo sido demonstrada a generalidade do método proposto. |
id |
UFCG_c55bb77ae3773b1a81ddec9723c90118 |
---|---|
oai_identifier_str |
oai:localhost:riufcg/4318 |
network_acronym_str |
UFCG |
network_name_str |
Biblioteca Digital de Teses e Dissertações da UFCG |
repository_id_str |
4851 |
spelling |
GOMES, Herman Martins.GOMES, H. M.http://lattes.cnpq.br/4223020694433271SAMPAIO, Marcus Costa.SAMPAIO, M. C.http://lattes.cnpq.br/7407058401863661CARVALHO, João Marques de.CARVALHO, J. M.http://lattes.cnpq.br/1398733763837178CAVALCANTI, George Darmiton da Cunha.George D. C. Cavalcantihttp://lattes.cnpq.br/8577312109146354CARDOSO, Fernando H. B.http://lattes.cnpq.br/9260329080245174CARDOSO, Fernando Henrique Bezerra.O ajuste de segmentadores para a detecção de materiais específicos que compõem o conteúdo retratado por uma imagem digital é usualmente executado de forma manual, ou com pouco grau de automatização. A obtenção de segmentadores com base em aprendizagem normalmente envolve os seguintes passos: construir um conjunto de imagens segmentadas manualmente; analisar os melhores parâmetros - espaço de cores, profundidade de cor, tamanho da janela de pixels a ser considerada, dentre outras; ajustar um classificador que decide se cada pixel faz parte ou não da superfície do material. Uma vez que esta segmentação é geral mente um passo intermediário de inúmeras aplicações das áreas de Visão Computacional e de Processamento de Imagens, uma fraca automatização do processo faz com que esforço seja investido em uma tarefa secundária. Neste trabalho, é proposto um método de automatização do ajuste de segmentadores de materiais baseados em informação de cor e textura, utilizando redes neurais artificiais como estruturas de classificação, filtros de Gabor como descritores de textura e um algoritmo floodfill adaptado como etapa de pós-processamento. A descoberta dos melhores parâmetros dos filtros de Gabor e do algoritmo floodfill é realizada através da aplicação de um algoritmo genético. Uma avaliação experimental envolvendo a detecção de 3 classes de materiais (pele humana, grama e céu) foi realizada, e os segmentadores obtidos com o método proposto apresentaram resultados melhores (com relação à Medida-F) do que o método geral Naïve Bayes bem como métodos específicos para cada tipo de material, tendo sido demonstrada a generalidade do método proposto.The tuning of image segmenters to detect different materials captured in a digital image is usually performed in a manual fashion or taking advantage of little automation. Obtaining such segmenters using a machine learning technique usually involves the following tasks: building an manually segmented image set; analyzing the best parameters – color space, color depth, window size, among others; training a classifier that decides whether a pixel belongs or not to the surface of the material. Since segmentation is usually an intermediate step to many applications of Computer Vision and Image Processing, the lack of automation leads to effort lost in a secondary task. In this work, we propose a method to automatically adjust image segmenters based on color and texture information, using artificial neural net works as classifiers, Gabor filters as texture descriptors and an adapted floodfill algorithm as a post-processing step. The parameters of the Gabor filters and of the adapted floodfill are determined using a genetic algorithm. An experimental evaluation has been conducted, us ing our method to adjust segmeters for three different materials (human skin, grass and blue sky) and the results obtained are better (regarding the F-Measure) than than the results of general Naive Bayes method, as well as the results of specific segmenters for each material, thus supporting the generality of the proposed method.Submitted by Severina Oliveira (severina.sueli@ufcg.edu.br) on 2019-06-12T20:56:27Z No. of bitstreams: 1 FERNANDO HENRIQUE BEZERRA CARDOSO-DISSERTAÇÃO (PPGCC) 2009.pdf: 14508123 bytes, checksum: 7f0c5effb31a69424b62cd5415fc7fc7 (MD5)Made available in DSpace on 2019-06-12T20:56:27Z (GMT). No. of bitstreams: 1 FERNANDO HENRIQUE BEZERRA CARDOSO-DISSERTAÇÃO (PPGCC) 2009.pdf: 14508123 bytes, checksum: 7f0c5effb31a69424b62cd5415fc7fc7 (MD5) Previous issue date: 2009-08-13CNPqUniversidade Federal de Campina GrandePÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃOUFCGBrasilCentro de Engenharia Elétrica e Informática - CEEICiência da ComputaçãoVisão ComputacionalProcessamento Digital de ImagensDetecção de Materiais em FotografiaComputer VisionDigital Image ProcessingDetection of Materials in PhotographyUm método automático para o ajuste de segmentadores de imagens baseados em informação de textura e cor.An automatic method for adjusting image segmenters based on texture and color information.2009-08-132019-06-12T20:56:27Z2019-06-122019-06-12T20:56:27Zhttp://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/4318CARDOSO, Fernando Henrique Bezerra. Um método automático para o ajuste de segmentadores de imagens baseados em informação de textura e cor. 2009. 124 f. Dissertação (Mestrado em Ciência da Computação) Programa de Pós-Graduação em Ciência da Computação, Centro de Engenharia Elétrica e Informática, Universidade Federal de Campina Grande, Campina Grande, Paraíba, Brasil, 2009. Disponível em: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/4318info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisporHP.info:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFCGinstname:Universidade Federal de Campina Grande (UFCG)instacron:UFCGORIGINALFERNANDO HENRIQUE BEZERRA CARDOSO-DISSERTAÇÃO (PPGCC) 2009..pdfFERNANDO HENRIQUE BEZERRA CARDOSO-DISSERTAÇÃO (PPGCC) 2009..pdfapplication/pdf2412702http://dspace.sti.ufcg.edu.br:8080/xmlui/bitstream/riufcg/4318/3/FERNANDO+HENRIQUE+BEZERRA+CARDOSO-DISSERTA%C3%87%C3%83O+%28PPGCC%29+2009..pdf7a9fb9bfde616de0b9b579e7281c1153MD53LICENSElicense.txtlicense.txttext/plain; charset=utf-81748http://dspace.sti.ufcg.edu.br:8080/xmlui/bitstream/riufcg/4318/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD52riufcg/43182022-03-28 17:11:17.802oai:localhost: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Biblioteca Digital de Teses e Dissertaçõeshttp://bdtd.ufcg.edu.br/PUBhttp://dspace.sti.ufcg.edu.br:8080/oai/requestbdtd@setor.ufcg.edu.br || bdtd@setor.ufcg.edu.bropendoar:48512022-03-28T20:11:17Biblioteca Digital de Teses e Dissertações da UFCG - Universidade Federal de Campina Grande (UFCG)false |
dc.title.pt_BR.fl_str_mv |
Um método automático para o ajuste de segmentadores de imagens baseados em informação de textura e cor. |
dc.title.alternative.pt_BR.fl_str_mv |
An automatic method for adjusting image segmenters based on texture and color information. |
title |
Um método automático para o ajuste de segmentadores de imagens baseados em informação de textura e cor. |
spellingShingle |
Um método automático para o ajuste de segmentadores de imagens baseados em informação de textura e cor. CARDOSO, Fernando Henrique Bezerra. Ciência da Computação Visão Computacional Processamento Digital de Imagens Detecção de Materiais em Fotografia Computer Vision Digital Image Processing Detection of Materials in Photography |
title_short |
Um método automático para o ajuste de segmentadores de imagens baseados em informação de textura e cor. |
title_full |
Um método automático para o ajuste de segmentadores de imagens baseados em informação de textura e cor. |
title_fullStr |
Um método automático para o ajuste de segmentadores de imagens baseados em informação de textura e cor. |
title_full_unstemmed |
Um método automático para o ajuste de segmentadores de imagens baseados em informação de textura e cor. |
title_sort |
Um método automático para o ajuste de segmentadores de imagens baseados em informação de textura e cor. |
author |
CARDOSO, Fernando Henrique Bezerra. |
author_facet |
CARDOSO, Fernando Henrique Bezerra. |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
GOMES, Herman Martins. |
dc.contributor.advisor1ID.fl_str_mv |
GOMES, H. M. |
dc.contributor.advisor1Lattes.fl_str_mv |
http://lattes.cnpq.br/4223020694433271 |
dc.contributor.referee1.fl_str_mv |
SAMPAIO, Marcus Costa. |
dc.contributor.referee1ID.fl_str_mv |
SAMPAIO, M. C. |
dc.contributor.referee1Lattes.fl_str_mv |
http://lattes.cnpq.br/7407058401863661 |
dc.contributor.referee2.fl_str_mv |
CARVALHO, João Marques de. |
dc.contributor.referee2ID.fl_str_mv |
CARVALHO, J. M. |
dc.contributor.referee2Lattes.fl_str_mv |
http://lattes.cnpq.br/1398733763837178 |
dc.contributor.referee3.fl_str_mv |
CAVALCANTI, George Darmiton da Cunha. |
dc.contributor.referee3ID.fl_str_mv |
George D. C. Cavalcanti |
dc.contributor.referee3Lattes.fl_str_mv |
http://lattes.cnpq.br/8577312109146354 |
dc.contributor.authorID.fl_str_mv |
CARDOSO, Fernando H. B. |
dc.contributor.authorLattes.fl_str_mv |
http://lattes.cnpq.br/9260329080245174 |
dc.contributor.author.fl_str_mv |
CARDOSO, Fernando Henrique Bezerra. |
contributor_str_mv |
GOMES, Herman Martins. SAMPAIO, Marcus Costa. CARVALHO, João Marques de. CAVALCANTI, George Darmiton da Cunha. |
dc.subject.cnpq.fl_str_mv |
Ciência da Computação |
topic |
Ciência da Computação Visão Computacional Processamento Digital de Imagens Detecção de Materiais em Fotografia Computer Vision Digital Image Processing Detection of Materials in Photography |
dc.subject.por.fl_str_mv |
Visão Computacional Processamento Digital de Imagens Detecção de Materiais em Fotografia Computer Vision Digital Image Processing Detection of Materials in Photography |
description |
O ajuste de segmentadores para a detecção de materiais específicos que compõem o conteúdo retratado por uma imagem digital é usualmente executado de forma manual, ou com pouco grau de automatização. A obtenção de segmentadores com base em aprendizagem normalmente envolve os seguintes passos: construir um conjunto de imagens segmentadas manualmente; analisar os melhores parâmetros - espaço de cores, profundidade de cor, tamanho da janela de pixels a ser considerada, dentre outras; ajustar um classificador que decide se cada pixel faz parte ou não da superfície do material. Uma vez que esta segmentação é geral mente um passo intermediário de inúmeras aplicações das áreas de Visão Computacional e de Processamento de Imagens, uma fraca automatização do processo faz com que esforço seja investido em uma tarefa secundária. Neste trabalho, é proposto um método de automatização do ajuste de segmentadores de materiais baseados em informação de cor e textura, utilizando redes neurais artificiais como estruturas de classificação, filtros de Gabor como descritores de textura e um algoritmo floodfill adaptado como etapa de pós-processamento. A descoberta dos melhores parâmetros dos filtros de Gabor e do algoritmo floodfill é realizada através da aplicação de um algoritmo genético. Uma avaliação experimental envolvendo a detecção de 3 classes de materiais (pele humana, grama e céu) foi realizada, e os segmentadores obtidos com o método proposto apresentaram resultados melhores (com relação à Medida-F) do que o método geral Naïve Bayes bem como métodos específicos para cada tipo de material, tendo sido demonstrada a generalidade do método proposto. |
publishDate |
2009 |
dc.date.issued.fl_str_mv |
2009-08-13 |
dc.date.accessioned.fl_str_mv |
2019-06-12T20:56:27Z |
dc.date.available.fl_str_mv |
2019-06-12 2019-06-12T20:56:27Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/4318 |
dc.identifier.citation.fl_str_mv |
CARDOSO, Fernando Henrique Bezerra. Um método automático para o ajuste de segmentadores de imagens baseados em informação de textura e cor. 2009. 124 f. Dissertação (Mestrado em Ciência da Computação) Programa de Pós-Graduação em Ciência da Computação, Centro de Engenharia Elétrica e Informática, Universidade Federal de Campina Grande, Campina Grande, Paraíba, Brasil, 2009. Disponível em: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/4318 |
url |
http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/4318 |
identifier_str_mv |
CARDOSO, Fernando Henrique Bezerra. Um método automático para o ajuste de segmentadores de imagens baseados em informação de textura e cor. 2009. 124 f. Dissertação (Mestrado em Ciência da Computação) Programa de Pós-Graduação em Ciência da Computação, Centro de Engenharia Elétrica e Informática, Universidade Federal de Campina Grande, Campina Grande, Paraíba, Brasil, 2009. Disponível em: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/4318 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.pt_BR.fl_str_mv |
HP. |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal de Campina Grande |
dc.publisher.program.fl_str_mv |
PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO |
dc.publisher.initials.fl_str_mv |
UFCG |
dc.publisher.country.fl_str_mv |
Brasil |
dc.publisher.department.fl_str_mv |
Centro de Engenharia Elétrica e Informática - CEEI |
publisher.none.fl_str_mv |
Universidade Federal de Campina Grande |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da UFCG instname:Universidade Federal de Campina Grande (UFCG) instacron:UFCG |
instname_str |
Universidade Federal de Campina Grande (UFCG) |
instacron_str |
UFCG |
institution |
UFCG |
reponame_str |
Biblioteca Digital de Teses e Dissertações da UFCG |
collection |
Biblioteca Digital de Teses e Dissertações da UFCG |
bitstream.url.fl_str_mv |
http://dspace.sti.ufcg.edu.br:8080/xmlui/bitstream/riufcg/4318/3/FERNANDO+HENRIQUE+BEZERRA+CARDOSO-DISSERTA%C3%87%C3%83O+%28PPGCC%29+2009..pdf http://dspace.sti.ufcg.edu.br:8080/xmlui/bitstream/riufcg/4318/2/license.txt |
bitstream.checksum.fl_str_mv |
7a9fb9bfde616de0b9b579e7281c1153 8a4605be74aa9ea9d79846c1fba20a33 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da UFCG - Universidade Federal de Campina Grande (UFCG) |
repository.mail.fl_str_mv |
bdtd@setor.ufcg.edu.br || bdtd@setor.ufcg.edu.br |
_version_ |
1799308644919017472 |