Métodos auto-organizáveis para segmentação de imagens

• Autor(a) principal: Oliveira, Patrícia Rufino
• Data de Publicação: 2004
• Tipo de documento: Tese
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações da USP
• Texto Completo: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-20082015-104221/
• topic: Não disponível; Not available

Segmentação de imagens é um dos problemas mais investigados na área de computação visual. A complexidade desse problema varia de acordo com o tipo de aplicação. Em geral, o objetivo é dividir a imagem em regiões que apresentem propriedades similares. No presente trabalho, métodos auto-organizáveis para classificação não supervisionada e agrupamento de padrões são utilizados em tarefas de segmentação. O primeiro modelo refere-se à rede neural Fuzzy ART e o segundo é o Modelo de Misturas ICA (ICAMM) que faz uso da técnica ICA (Análise de Componentes Independentes) para descrever os dados em cada classe. Além da avaliação de desempenho dos modelos auto-organizáveis utilizados, foram propostas melhorias nos resultados de segmentação por meio da incorporação de técnicas de préprocessamento de imagens, que sejam capazes de tratar questões referentes à presença de ruídos, suavização de imagens e realce de bordas, de modo que as imagens se tornem mais adequadas ao processo de segmentação, tornando-o mais eficiente. Com esse objetivo, foi proposta uma metodologia para pré-processamento de imagens, que combina o método Sparse Code Shrinkage, para redução de ruídos e suavização da imagem, e o detector de bordas de Sobel, que tem a função de restaurar as bordas que foram borradas pelo processo de suavização. Outra contribuição original deste trabalho refere-se ao desenvolvimento do método EICAMM, que surgiu por meio da proposta de melhorias incorporadas ao modelo ICAMM, levando em consideração algumas limitações do método original e análises de como este poderia se tornar mais eficiente. Finalmente, unificando as duas principais contribuições originais desta tese, o método EICAMM foi utilizado na segmentação de imagens nas suas versões originais e pré-processadas pela metodologia proposta neste trabalho, tendo apresentado resultados de segmentação satisfatórios.