Made available in DSpace on 2015-03-03T15:47:48Z (GMT). No. of bitstreams: 1 HelioAS_DISSERT.pdf: 11850754 bytes, checksum: c0dc4577693acf33bf104d52950511e6 (MD5) Previous issue date: 2013-11-08 / Universidade Federal do Rio Grande do Norte / Image segmentation is the process of labeling pixels on di erent objects, an important step in many image processing systems. This work proposes a clustering method for the segmentation of color digital images with textural features. This is done by reducing the dimensionality of histograms of color images and using the Skew Divergence to calculate the fuzzy a nity functions. This approach is appropriate for segmenting images that have colorful textural features such as geological, dermoscopic and other natural images, as images containing mountains, grass or forests. Furthermore, experimental results of colored texture clustering using images of aquifers' sedimentary porous rocks are presented and analyzed in terms of precision to verify its e ectiveness. / A Segmenta??o de imagens ? o processo de rotulagem de pixels em diferentes objetos, um passo importante em diversos sistemas de processamento de imagens. Este trabalho prop?e um m?todo de agrupamento para a segmenta??o de imagens digitais coloridas com propriedades texturais. Isto ? feito atrav?s da redu??o de dimensionalidade dos histogramas das imagens coloridas e do uso da Diverg?ncia Skew no c?lculo das fun??es de a nidade fuzzy. Esse tipo de abordagem ? adequada ? segmenta??o de imagens coloridas que possuam caracter?sticas texturais, como imagens geol?gicas, dermatosc?picas e outras imagens naturais, como imagens que contenham montanhas, grama ou orestas. Al?m disso, resultados experimentais do agrupamento de texturas coloridas usando imagens de rochas sedimentares porosas s?o apresentados e analisados em termos de precis?o para comprovar sua efetividade

Submitted by Automa??o e Estat?stica (sst@bczm.ufrn.br) on 2016-01-26T17:46:31Z No. of bitstreams: 1 JoseFranciscoDaSilvaNeto_DISSERT.pdf: 5950864 bytes, checksum: 5306cd9802b9aa1c09288d75c32ccbe2 (MD5) / Approved for entry into archive by Arlan Eloi Leite Silva (eloihistoriador@yahoo.com.br) on 2016-01-28T18:00:31Z (GMT) No. of bitstreams: 1 JoseFranciscoDaSilvaNeto_DISSERT.pdf: 5950864 bytes, checksum: 5306cd9802b9aa1c09288d75c32ccbe2 (MD5) / Made available in DSpace on 2016-01-28T18:00:31Z (GMT). No. of bitstreams: 1 JoseFranciscoDaSilvaNeto_DISSERT.pdf: 5950864 bytes, checksum: 5306cd9802b9aa1c09288d75c32ccbe2 (MD5) Previous issue date: 2014-09-25 / Segmenta??o digital de imagens ? o processo de atribuir r?tulos distintos a diferentes objetos em uma imagem digital, e o algoritmo de segmenta??o fuzzy tem sido utilizado com sucesso na segmenta??o de imagens de diversas modalidades. Contudo, o algoritmo tradicional de segmenta??o fuzzy falha ao segmentar objetos que s?o caracterizados por texturas cujos padr?es n?o podem ser descritos adequadamente por simples estat?sticas computadas sobre uma ?rea restrita. Neste trabalho apresentamos uma extens?o do algoritmo de segmenta??o fuzzy que realiza segmenta??o de texturas empregando fun??es de afinidade adaptativas e o estendemos a imagens tridimensionais. Fun??es de afinidade adaptativas mudam o tamanho da ?rea em que s?o calculados os descritores da textura de acordo com as caracter?sticas da textura processada, enquanto imagens tridimensionais podem ser descritas como um conjunto finito de imagens bidimensionais. O algoritmo ent?o segmenta o volume com uma ?rea apropriada calculada para cada textura, tornando poss?vel obter boas estimativas dos volumes reais das estruturas alvo do processo de segmenta??o. Experimentos ser?o realizados com dados sint?ticos e reais obtidos no estudo de segmenta??o de tumores cerebrais em imagens m?dicas adquiridas atrav?s de exames de Resson?ncia Magn?tica / Digital image segmentation is the process of assigning distinct labels to different objects in a digital image, and the fuzzy segmentation algorithm has been used successfully in the segmentation of images from several modalities. However, the traditional fuzzy segmentation algorithm fails to segment objects that are characterized by textures whose patterns cannot be successfully described by simple statistics computed over a very restricted area. In this paper we present an extension of the fuzzy segmentation algorithm that achieves the segmentation of textures by employing adaptive affinity functions as long as we extend the algorithm to tridimensional images. The adaptive affinity functions change the size of the area where they compute the texture descriptors, according to the characteristics of the texture being processed, while three dimensional images can be described as a finite set of two-dimensional images. The algorithm then segments the volume image with an appropriate calculation area for each texture, making it possible to produce good estimates of actual volumes of the target structures of the segmentation process. We will perform experiments with synthetic and real data in applications such as segmentation of medical imaging obtained from magnetic rosonance

Made available in DSpace on 2014-12-17T15:48:04Z (GMT). No. of bitstreams: 1 TiagoSS_DISSERT.pdf: 2900373 bytes, checksum: ea7bd73351348f5c75a5bf4f337c599f (MD5) Previous issue date: 2012-08-17 / Conselho Nacional de Desenvolvimento Cient?fico e Tecnol?gico / The segmentation of an image aims to subdivide it into constituent regions or objects that have some relevant semantic content. This subdivision can also be applied to videos. However, in these cases, the objects appear in various frames that compose the videos. The task of segmenting an image becomes more complex when they are composed of objects that are defined by textural features, where the color information alone is not a good descriptor of the image. Fuzzy Segmentation is a region-growing segmentation algorithm that uses affinity functions in order to assign to each element in an image a grade of membership for each object (between 0 and 1). This work presents a modification of the Fuzzy Segmentation algorithm, for the purpose of improving the temporal and spatial complexity. The algorithm was adapted to segmenting color videos, treating them as 3D volume. In order to perform segmentation in videos, conventional color model or a hybrid model obtained by a method for choosing the best channels were used. The Fuzzy Segmentation algorithm was also applied to texture segmentation by using adaptive affinity functions defined for each object texture. Two types of affinity functions were used, one defined using the normal (or Gaussian) probability distribution and the other using the Skew Divergence. This latter, a Kullback-Leibler Divergence variation, is a measure of the difference between two probability distributions. Finally, the algorithm was tested in somes videos and also in texture mosaic images composed by images of the Brodatz album / A segmenta??o de uma imagem tem como objetivo subdividi-la em partes ou objetos constituintes que tenham algum conte?do sem?ntico relevante. Esta subdivis?o pode tamb?m ser aplicada a um v?deo, por?m, neste, os objetos est?o presentes nos diversos quadros que comp?em o v?deo. A tarefa de segmentar uma imagem torna-se mais complexa quando estas s?o compostas por objetos que contenham caracter?sticas texturais, com pouca ou nenhuma informa??o de cor. A segmenta??o difusa, do Ingl?s fuzzy, ? uma t?cnica de segmenta??o por crescimento de regi?es que determina para cada elemento da imagem um grau de pertin?ncia (entre zero e um) indicando a confian?a de que esse elemento perten?a a um determinado objeto ou regi?o existente na imagem, fazendo-se uso de fun??es de afinidade para obter esses valores de pertin?ncia. Neste trabalho ? apresentada uma modifica??o do algoritmo de segmenta??o fuzzy proposto por Carvalho [Carvalho et al. 2005], a fim de se obter melhorias na complexidade temporal e espacial. O algoritmo foi adaptado para segmentar v?deos coloridos tratando-os como volumes 3D. Para segmentar os v?deos, foram utilizadas informa??es provenientes de um modelo de cor convencional ou de um modelo h?brido obtido atrav?s de uma metodologia para a escolha dos melhores canais para realizar a segmenta??o. O algoritmo de segmenta??o fuzzy foi aplicado tamb?m na segmenta??o de texturas, fazendo-se uso de fun??es de afinidades adaptativas ?s texturas de cada objeto. Dois tipos de fun??es de afinidades foram utilizadas, uma utilizando a distribui??o normal de probabilidade, ou Gaussiana, e outra utilizando a diverg?ncia Skew. Esta ?ltima, uma varia??o da diverg?ncia de Kullback- Leibler, ? uma medida da diverg?ncia entre duas distribui??es de probabilidades. Por fim, o algoritmo foi testado com alguns v?deos e tamb?m com imagens de mosaicos de texturas criadas a partir do ?lbum de Brodatz e outros