Uso da divergência generalizada na clusterização aplicada à segmentação de imagens

Detalhes bibliográficos
Autor(a) principal: Barreto, Joniel Bastos
Data de Publicação: 2021
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da Universidade Federal do Ceará (UFC)
Texto Completo: http://www.repositorio.ufc.br/handle/riufc/58279
Resumo: BARRETO, J. B. Uso da Divergência Generalizada na Clusterização Aplicada à Segmentação de Imagens. 2021. 79f. Dissertação (Mestrado em Engenharia Elétrica e Computação) – Programa de Pós-Graduação em Engenharia Elétrica e de Computação - Campus de Sobral, Universidade Federal do Ceará, Sobral, 2021.
id UFC-7_23060751569754b246ef0aca7c5a01e1
oai_identifier_str oai:repositorio.ufc.br:riufc/58279
network_acronym_str UFC-7
network_name_str Repositório Institucional da Universidade Federal do Ceará (UFC)
repository_id_str
spelling Uso da divergência generalizada na clusterização aplicada à segmentação de imagensUse of generalized divergence in clustering applied to image segmentationDivergência generalizadaClusterizaçãoSegmentação de ImagensBARRETO, J. B. Uso da Divergência Generalizada na Clusterização Aplicada à Segmentação de Imagens. 2021. 79f. Dissertação (Mestrado em Engenharia Elétrica e Computação) – Programa de Pós-Graduação em Engenharia Elétrica e de Computação - Campus de Sobral, Universidade Federal do Ceará, Sobral, 2021.Image segmentation is a fundamental process in applications involving image analysis, as it is responsible for defining the regions of interest for the problem. A widely used technique for image segmentation is clustering. Clustering is based on a measure of similarity between objects to group them into regions. The use of dissimilarity measures in the metric space is quite common in pattern recognition systems, mainly in clustering algorithms. However, some studies have observed limitations with conventional distance functions in the search for similarity. In view of this, research focused on the use of non-metric divergences in the search for similarity between objects in clustering algorithms has attracted the attention of researchers. This work presents an alternative path for image segmentation using a generalized divergence as a measure of dissimilarity in Bregman hard clustering algorithm. This divergence is obtained by generalizing the relative entropies of Shannon and Tsallis, and defined in relation to a deformed exponential j. The work is developed using three deformed exponential functions, called j1, j2 and j3, and comparing their results with the classic K- textit means clustering technique and for some images with the Otsu’s method. The tests were performed for 5 groups of images, in which 2 groups are grayscale images divided into binary segmentation and segmentation in more than two regions, and 3 groups of color images, for tests in the RGB, HSV color space and with enhancement of the RGB levels. In order to analyze the segmentation results, in addition to the metrics accuracy, precision and sensitivity, the Sørensen – Dice similarity coefficient (CSD), and a qualitative evaluation obtained through the average of grades empirically attributed were used. The results showed a good performance of the proposed method with accuracy above 0.9 in all images using the j1 deformed exponential, CSD> 0.7 for 23 of the 25 images tested using the j1 and j2 deformed exponentials and average grade above 7 for 24 of the 25 images for the j1 and j2 deformed exponentials. In view of the results obtained, it is possible to conclude that the proposed method was not only shown to be applicable but also, depending on the application, it may present a better performance than methods already established in the literature.A segmentação de imagens é um processo fundamental em aplicações envolvendo análise de imagens, pois é responsável por definir as regiões de interesse para o problema. Uma técnica bastante utilizada para segmentação de imagens é a clusterização. A clusterização baseia-se em uma medida de similaridade entre objetos para agrupá-los em regiões. A utilização de medidas de dissimilaridade no espaço métrico é bem frequente em sistemas de reconhecimento de padrões, principalmente em algoritmos de clusterização. Contudo, alguns estudos tem observado limitações com funções de distância convencionais na etapa de busca por similaridade. Em vista disso, pesquisas voltadas para o uso de divergências não métricas na busca por semelhança entre objetos em algoritmos de clusterização tem atraído a atenção de pesquisadores. Este trabalho apresenta um caminho alternativo para segmentação de imagens utilizando uma divergência generalizada como medida de dissimilaridade no algoritmo de clusterização hard de Bregman. Essa divergência é obtida pela generalização das entropias relativas de Shannon e Tsallis, e definida em relação a uma exponencial deformada j. O trabalho é desenvolvido utilizando três funções exponenciais deformadas, denominadas j1, j2 e j3, e comparando seus resultados com a técnica de clusterização K-means clássica e para algumas imagens com o método de Otsu. Os testes foram realizados para 5 grupos de imagens, em que 2 grupos são de imagens em escala de cinza divididos em segmentação binária e segmentação em mais de duas regiões, e 3 grupos de imagens coloridas, para testes no espaço de cor RGB, HSV e com realce dos níveis RGB. Para analisar os resultados das segmentações são utilizados, além das métricas acurácia, precisão e sensibilidade, o coeficiente de similaridade Sørensen–Dice (CSD), e uma avaliação qualitativa obtida através da média de notas atribuídas empiricamente foram utilizadas. Os resultados apresentaram uma boa performance do método proposto com acurácia acima de 0,9 em todas as imagens utilizando a exponencial deformada j1, CSD > 0,7 para 23 das 25 imagens testadas utilizando as exponenciais deformadas j1 e j2 e nota média acima de 7 para 24 das 25 imagens para as exponenciais deformadas j1 e j2. Diante dos resultados obtidos é possível concluir que o método proposto não só se mostrou aplicável como também, dependendo da aplicação, pode apresentar um melhor desempenho que métodos já estabelecidos na literatura.Vigelis, Rui FacundoBarreto, Joniel Bastos2021-05-10T10:35:58Z2021-05-10T10:35:58Z2021-03-29info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://www.repositorio.ufc.br/handle/riufc/58279porreponame:Repositório Institucional da Universidade Federal do Ceará (UFC)instname:Universidade Federal do Ceará (UFC)instacron:UFCinfo:eu-repo/semantics/openAccess2021-05-10T10:35:58Zoai:repositorio.ufc.br:riufc/58279Repositório InstitucionalPUBhttp://www.repositorio.ufc.br/ri-oai/requestbu@ufc.br || repositorio@ufc.bropendoar:2024-09-11T18:53:42.394020Repositório Institucional da Universidade Federal do Ceará (UFC) - Universidade Federal do Ceará (UFC)false
dc.title.none.fl_str_mv Uso da divergência generalizada na clusterização aplicada à segmentação de imagens
Use of generalized divergence in clustering applied to image segmentation
title Uso da divergência generalizada na clusterização aplicada à segmentação de imagens
spellingShingle Uso da divergência generalizada na clusterização aplicada à segmentação de imagens
Barreto, Joniel Bastos
Divergência generalizada
Clusterização
Segmentação de Imagens
title_short Uso da divergência generalizada na clusterização aplicada à segmentação de imagens
title_full Uso da divergência generalizada na clusterização aplicada à segmentação de imagens
title_fullStr Uso da divergência generalizada na clusterização aplicada à segmentação de imagens
title_full_unstemmed Uso da divergência generalizada na clusterização aplicada à segmentação de imagens
title_sort Uso da divergência generalizada na clusterização aplicada à segmentação de imagens
author Barreto, Joniel Bastos
author_facet Barreto, Joniel Bastos
author_role author
dc.contributor.none.fl_str_mv Vigelis, Rui Facundo
dc.contributor.author.fl_str_mv Barreto, Joniel Bastos
dc.subject.por.fl_str_mv Divergência generalizada
Clusterização
Segmentação de Imagens
topic Divergência generalizada
Clusterização
Segmentação de Imagens
description BARRETO, J. B. Uso da Divergência Generalizada na Clusterização Aplicada à Segmentação de Imagens. 2021. 79f. Dissertação (Mestrado em Engenharia Elétrica e Computação) – Programa de Pós-Graduação em Engenharia Elétrica e de Computação - Campus de Sobral, Universidade Federal do Ceará, Sobral, 2021.
publishDate 2021
dc.date.none.fl_str_mv 2021-05-10T10:35:58Z
2021-05-10T10:35:58Z
2021-03-29
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://www.repositorio.ufc.br/handle/riufc/58279
url http://www.repositorio.ufc.br/handle/riufc/58279
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da Universidade Federal do Ceará (UFC)
instname:Universidade Federal do Ceará (UFC)
instacron:UFC
instname_str Universidade Federal do Ceará (UFC)
instacron_str UFC
institution UFC
reponame_str Repositório Institucional da Universidade Federal do Ceará (UFC)
collection Repositório Institucional da Universidade Federal do Ceará (UFC)
repository.name.fl_str_mv Repositório Institucional da Universidade Federal do Ceará (UFC) - Universidade Federal do Ceará (UFC)
repository.mail.fl_str_mv bu@ufc.br || repositorio@ufc.br
_version_ 1813028987205582848

Registros relacionados