Segmentação por textura em imagens multibandas

• Autor(a) principal: Nunes, Éldman de Oliveira
• Data de Publicação: 2022
• Tipo de documento: Tese
• Idioma: por
• Título da fonte: Repositório Institucional da Universidade Federal Fluminense (RIUFF)
• Texto Completo: http://app.uff.br/riuff/handle/1/26045
• topic: Segmentação; Textura; Imagens Multibandas; Processamento de imagem; Segmentação de imagens; Interfaces (Computação); Computação visual; Segmentation; Texture; Multiband Images

A segmentação de imagens por textura tem sido amplamente utilizada em análise de imagens médicas, interpretação visual de imagens de sensoriamento remoto, inspeção de qualidade industrial de produtos manufaturados, segmentação de documentos, busca de imagens, sistemas de reconhecimento, etc. Muitos esquemas de classificação de textura requerem uma área da imagem excessivamente grande para análise da textura, empregam um grande número de características para representá-la ou utilizam técnicas que exigem considerável esforço computacional. A detecção de bordas também é um fator importante no processo de reconhecimento e interpretação de imagens. A determinação do contorno permite definir propriedades como perímetro e forma do objeto, e representá-lo de maneira concisa. Porém, em imagens reais, após a segmentação por texturas, a localização do contorno das áreas segmentadas não é uma tarefa simples. Este trabalho apresenta um método de segmentação que considera todas as bandas de informação da imagem em texturas naturais ou sintéticas, permitindo a distinção de texturas com diversos aspectos. É proposto um novo coeficiente (CVE - Coeficiente de Variação Espacial) para calcular os limites de regiões pequenas ou grandes e classificar corretamente a borda da textura. O CVE considera a posição espacial dos pixels no elemento de textura e as faixas de cor através de medidas estatísticas de média e desvio padrão. Formulações baseadas em Algoritmos Genéticos e partição K-Means foram desenvolvidas para gerar regras de classificação a partir de amostras de treinamento. Estas podem ser usadas para diversos tipos de textura porque as regras relativas ao que será identificado são completamente determinadas pelo usuário e adaptadas a cada situação. Para verificar a aplicabilidade do coeficiente proposto, foram feitas diversas comparações com outros resultados disponíveis na literatura, bem como, foram elaborados testes variados, visando verificar os limites de eficiência e versatilidade do método, tanto em imagens reais quanto em imagens sintéticas