Inferência de orientação de dados esparsos para reconstrução de superfícies

• Autor(a) principal: Marcelo Bernardes Vieira
• Data de Publicação: 2002
• Tipo de documento: Tese
• Idioma: por
• Título da fonte: Repositório Institucional da UFMG
• Texto Completo: http://hdl.handle.net/1843/SLBS-5KKKVW
• topic: inferência da organização espacial; Computação gráfica; Sistema de indicação visual tridimensional; Superfícies (Matemática); Processamento de imagens Técnicas digitais

Aborda-se neste trabalho o problema de inferência da organização espacial de dados esparsos para reconstrução de superfícies. Propõe-se uma variante do método de acumulação desenvolvido por Gideon Guy e aperfeiçoado por Mi-Suen Lee. Campos espaciais de influência e tensores para representar orientações são os principais instrumentos matemáticos. Esses métodos têm sido associados principalmente a problemas de agrupamento perceptivo. Entretanto, observou-se que as acumulações desses métodos inferem a organização espacial dos dados esparsos. Deste ponto de vista, propõe-se uma nova estratégia para estimar orientações de superfícies. O principal argumento é que um método dedicado pode melhorar essa inferência, ao contrário das idéias originais. Assim, os instrumentos matemáticos são ajustados para estimar principalmente vetores normais: o tensor de orientação é usado para representar exclusivamente superfícies e os campos de influência codificam trajetórias elípticas. Propõe-se também um novo processo para a inferência inicial de orientações que efetivamente avalia a organização dos dados esparsos. A apresentação e crítica dos trabalhos de Guy e deLee bem como o desenvolvimento metodológico desta tese foram realizados a partir de estudos epistemológicos. Objetos de diferentes formas são usados na avaliação qualitativa dos métodos. Comparações quantitativas foram preparadas com estimativas de erro de diversas reconstruções. Os resultados mostram que o método proposto é menos sensível a ruído e a variação da densidade dos dados. Propõe-se também um método para segmentar pontos fortemente estruturados sobre superfícies. Avaliações comparativas demonstram um melhor desempenho do método proposto nessa aplicação.