Segmentaçao de imagens baseada em dependencia espacial utilizando campo aleatório de Markov associado com características de texturas

Detalhes bibliográficos
Autor(a) principal: Schwartz, William Robson
Data de Publicação: 2005
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UFPR
Texto Completo: https://hdl.handle.net/1884/1597
Resumo: Orientador: Hélio Pedrini
id UFPR_bdcde1cfe595bcd073275ea3df962a48
oai_identifier_str oai:acervodigital.ufpr.br:1884/1597
network_acronym_str UFPR
network_name_str Repositório Institucional da UFPR
repository_id_str 308
spelling Schwartz, William RobsonUniversidade Federal do Paraná. Setor de Ciências Exatas. Programa de Pós-Graduação em InformáticaPedrini, Hélio2021-07-14T14:02:22Z2021-07-14T14:02:22Z2005https://hdl.handle.net/1884/1597Orientador: Hélio PedriniDissertaçao (mestrado) - Universidade Federal do Paraná, Setor de Ciencias Exatas, Programa de Pós-Graduaçao em Informática. Defesa: Curitiba, 2005Inclui bibliografiaResumo: Uma etapa crítica presente no processo de análise de imagens é a segmentação, responsável por obter informações de alto n'nível sobre as regiões ou objetos contidos na imagem, de modo a facilitar sua interpretação. Contudo, a segmentação ainda é um dos maiores desafios na área de análise de imagens, particularmente quando não se utiliza informações previamente adquiridas sobre a imagem a ser segmentada. Os métodos convencionais de segmentação desconsideram a dependência espacial entre as regiões, o que pode gerar resultados impróprios. Técnicas que consideram a dependência espacial entre as regiões da imagem têm recebido crescente atenção da comunidade científica, pois apresentam uma maior precisão nos resultados obtidos. Embora avanços significativos tenham sido alcançados na segmentação de texturas e de imagens coloridas separadamente, a combinação dessas duas propriedades é considerada como um problema bem mais complexo. Devido a importância dessa etapa no processo de análise de imagens e ao fato de não existirem soluções definitivas para o problema, este trabalho propõe o desenvolvimento de um novo método de segmentação aplicado a imagens texturizadas monocromáticas e coloridas. O método utiliza a formulação Bayesiana para associar a dependência espacial modelada por um campo aleatório de Markov com características de texturas. A segmentação final é obtida por meio da aplicação de t'cênicas de relaxação para minimizar uma função de energia definida a partir da referida associação. Experimentos são efetuados visando avaliar os métodos de análise de texturas, bem como validar a metodologia proposta.Abstract: A critical stage present in the image analysis process is the segmentation, responsible for obtaining high level information about regions or objects in the image, in order to facilitate its interpretation. However, the segmentation is still one of the greatest challenges in the image analysis area, particularly when it does not use information previously acquired on the image to be segmented. Conventional segmentation methods do not consider the spatial dependence between the regions, which can generate improper results. Techniques considering the spatial dependence between the image regions have received increasing attention from the scientific community, because they present a major precision in the obtained results. Although significant advances have been reached in the segmentation of textures and colored images separately, the combination of these two properties is considered a more complex problem. Due to the importance of this stage in the image analysis process and to the fact that does not exist definitive solutions to the problem, this work considers the development of a new segmentation method applied to gray scale and color texture images. The method uses the Bayesian formulation to associate the spatial dependence modeled by a Markov random field with texture features. The final segmentation is obtained by the application of relaxation techniques to minimize an energy function defined by such association. Experiments are performed to evaluate the texture analysis methods, as well as validating the proposal method.x, 109f. : il.application/pdfDisponível em formato digitalTesesSistemas de reconhecimento de padrõesProcessamentos de imagens - Termicas digitaisCiencia da ComputaçãoSegmentaçao de imagens baseada em dependencia espacial utilizando campo aleatório de Markov associado com características de texturasinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisporreponame:Repositório Institucional da UFPRinstname:Universidade Federal do Paraná (UFPR)instacron:UFPRinfo:eu-repo/semantics/openAccessORIGINALDisserta.pdfapplication/pdf1718887https://acervodigital.ufpr.br/bitstream/1884/1597/1/Disserta.pdf2998c41511eccec2b50f28324472a48dMD51open accessTEXTDisserta.pdf.txtExtracted texttext/plain247796https://acervodigital.ufpr.br/bitstream/1884/1597/2/Disserta.pdf.txt21e55798f6dc93522ca23493ed569008MD52open accessTHUMBNAILDisserta.pdf.jpgGenerated Thumbnailimage/jpeg1252https://acervodigital.ufpr.br/bitstream/1884/1597/3/Disserta.pdf.jpg3ff1bd83a4b12be5376958d25b280380MD53open access1884/15972021-07-14 11:02:22.144open accessoai:acervodigital.ufpr.br:1884/1597Repositório de PublicaçõesPUBhttp://acervodigital.ufpr.br/oai/requestopendoar:3082021-07-14T14:02:22Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)false
dc.title.pt_BR.fl_str_mv Segmentaçao de imagens baseada em dependencia espacial utilizando campo aleatório de Markov associado com características de texturas
title Segmentaçao de imagens baseada em dependencia espacial utilizando campo aleatório de Markov associado com características de texturas
spellingShingle Segmentaçao de imagens baseada em dependencia espacial utilizando campo aleatório de Markov associado com características de texturas
Schwartz, William Robson
Teses
Sistemas de reconhecimento de padrões
Processamentos de imagens - Termicas digitais
Ciencia da Computação
title_short Segmentaçao de imagens baseada em dependencia espacial utilizando campo aleatório de Markov associado com características de texturas
title_full Segmentaçao de imagens baseada em dependencia espacial utilizando campo aleatório de Markov associado com características de texturas
title_fullStr Segmentaçao de imagens baseada em dependencia espacial utilizando campo aleatório de Markov associado com características de texturas
title_full_unstemmed Segmentaçao de imagens baseada em dependencia espacial utilizando campo aleatório de Markov associado com características de texturas
title_sort Segmentaçao de imagens baseada em dependencia espacial utilizando campo aleatório de Markov associado com características de texturas
author Schwartz, William Robson
author_facet Schwartz, William Robson
author_role author
dc.contributor.other.pt_BR.fl_str_mv Universidade Federal do Paraná. Setor de Ciências Exatas. Programa de Pós-Graduação em Informática
dc.contributor.author.fl_str_mv Schwartz, William Robson
dc.contributor.advisor1.fl_str_mv Pedrini, Hélio
contributor_str_mv Pedrini, Hélio
dc.subject.por.fl_str_mv Teses
Sistemas de reconhecimento de padrões
Processamentos de imagens - Termicas digitais
Ciencia da Computação
topic Teses
Sistemas de reconhecimento de padrões
Processamentos de imagens - Termicas digitais
Ciencia da Computação
description Orientador: Hélio Pedrini
publishDate 2005
dc.date.issued.fl_str_mv 2005
dc.date.accessioned.fl_str_mv 2021-07-14T14:02:22Z
dc.date.available.fl_str_mv 2021-07-14T14:02:22Z
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 https://hdl.handle.net/1884/1597
url https://hdl.handle.net/1884/1597
dc.language.iso.fl_str_mv por
language por
dc.relation.pt_BR.fl_str_mv Disponível em formato digital
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv x, 109f. : il.
application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFPR
instname:Universidade Federal do Paraná (UFPR)
instacron:UFPR
instname_str Universidade Federal do Paraná (UFPR)
instacron_str UFPR
institution UFPR
reponame_str Repositório Institucional da UFPR
collection Repositório Institucional da UFPR
bitstream.url.fl_str_mv https://acervodigital.ufpr.br/bitstream/1884/1597/1/Disserta.pdf
https://acervodigital.ufpr.br/bitstream/1884/1597/2/Disserta.pdf.txt
https://acervodigital.ufpr.br/bitstream/1884/1597/3/Disserta.pdf.jpg
bitstream.checksum.fl_str_mv 2998c41511eccec2b50f28324472a48d
21e55798f6dc93522ca23493ed569008
3ff1bd83a4b12be5376958d25b280380
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)
repository.mail.fl_str_mv
_version_ 1813898829099958272

Registros relacionados