Uma etapa de suma importância na análise automática de imagens é a segmentação, que procura dividir uma imagem em regiões cujos pixels exibem um certo grau de similaridade. Uma característica que provê similaridade entre pixels de uma mesma região é a textura, formada geralmente pela combinação aleatória de suas intensidades. Muitos trabalhos vêm sendo realizados com o intuito de estudar técnicas não-supervisionadas de segmentação de imagens por modelos estocásticos, definindo texturas como campos aleatórios de Markov. Um método com esta abordagem que se destaca é o EM/MPM, um algoritmo iterativo que combina a técnica EM para realizar uma estimação de parâmetros por máxima verossimilhança com a MPM, utilizada para segmentação pela minimização do número de pixels erroneamente classificados. Este trabalho desenvolveu um estudo sobre a modelagem e a implementação do algoritmo EM/MPM, juntamente com sua abordagem multiresolução. Foram propostas uma estimação inicial de parâmetros por limiarização e uma combinação com o algoritmo de Annealing. Foi feito também um estudo acerca da validação de classes, ou seja, a busca pelo número de regiões diferentes na imagem, mostrando as principais técnicas encontradas na literatura e propondo uma nova abordagem, baseada na distribuição dos níveis de cinza das classes. Por fim, foi desenvolvida uma extensão do modelo para a segmentação de malhas em duas e três dimensões. / An important stage of the automatic image analysis process is segmentation, that aims to split an image into regions whose pixels exhibit a certain degree of similarity. Texture is known as an efficient feature that provides enough discriminant power to differenciate pixels from distinct regions. It is usually defined as a random combination of pixel intensities. A considerable amount of researches has been done on non-supervised techniques for image segmentation based on stochastic models, in which texture is defined as Markov Random Fields. Such an important method in this category is the EM/MPM, an iterative algorithm that combines the maximum-likelihood parameter estimation model EM with the MPM segmentation algorithm, whose aim is to minimize the number of misclassified pixels in the image. This work has carried out a study on stochastic models for segmentation and shows an implementation for the EM/MPM algorithm, together with a multiresolution approach. A new threshold-based scheme for the estimation of initial parameters for the EM/MPM model has been proposed. This work also shows how to incorporate the concept of annealing to the current EM/MPM algorithm in order to improve segmentation. Additionally, a study on the class validity problem (search for the correct number of classes) has been done, showing the most important techniques available in the literature. As a consequence, a gray level distribution-based approach has been devised. Finally, the work shows an extension of the traditional EM/MPM technique for segmenting 2D and 3D meshes.

Uma etapa de suma importância na análise automática de imagens é a segmentação, que procura dividir uma imagem em regiões cujos pixels exibem um certo grau de similaridade. Uma característica que provê similaridade entre pixels de uma mesma região é a textura, formada geralmente pela combinação aleatória de suas intensidades. Muitos trabalhos vêm sendo realizados com o intuito de estudar técnicas não-supervisionadas de segmentação de imagens por modelos estocásticos, definindo texturas como campos aleatórios de Markov. Um método com esta abordagem que se destaca é o EM/MPM, um algoritmo iterativo que combina a técnica EM para realizar uma estimação de parâmetros por máxima verossimilhança com a MPM, utilizada para segmentação pela minimização do número de pixels erroneamente classificados. Este trabalho desenvolveu um estudo sobre a modelagem e a implementação do algoritmo EM/MPM, juntamente com sua abordagem multiresolução. Foram propostas uma estimação inicial de parâmetros por limiarização e uma combinação com o algoritmo de Annealing. Foi feito também um estudo acerca da validação de classes, ou seja, a busca pelo número de regiões diferentes na imagem, mostrando as principais técnicas encontradas na literatura e propondo uma nova abordagem, baseada na distribuição dos níveis de cinza das classes. Por fim, foi desenvolvida uma extensão do modelo para a segmentação de malhas em duas e três dimensões. / An important stage of the automatic image analysis process is segmentation, that aims to split an image into regions whose pixels exhibit a certain degree of similarity. Texture is known as an efficient feature that provides enough discriminant power to differenciate pixels from distinct regions. It is usually defined as a random combination of pixel intensities. A considerable amount of researches has been done on non-supervised techniques for image segmentation based on stochastic models, in which texture is defined as Markov Random Fields. Such an important method in this category is the EM/MPM, an iterative algorithm that combines the maximum-likelihood parameter estimation model EM with the MPM segmentation algorithm, whose aim is to minimize the number of misclassified pixels in the image. This work has carried out a study on stochastic models for segmentation and shows an implementation for the EM/MPM algorithm, together with a multiresolution approach. A new threshold-based scheme for the estimation of initial parameters for the EM/MPM model has been proposed. This work also shows how to incorporate the concept of annealing to the current EM/MPM algorithm in order to improve segmentation. Additionally, a study on the class validity problem (search for the correct number of classes) has been done, showing the most important techniques available in the literature. As a consequence, a gray level distribution-based approach has been devised. Finally, the work shows an extension of the traditional EM/MPM technique for segmenting 2D and 3D meshes.

Técnicas para gerar malhas triangulares ou tetraedrais a partir de imagens, ou assumem como entrada uma imagem pré-processada, ou geram uma malha sem distinguir as diferentes estruturas contidas na imagem. O pré-processamento e a ausência de estruturas bem definidas podem apresentar dificuldades na utilização das malhas geradas em algumas aplicações, tais como simulações numéricas. Neste trabalho, apresentamos uma nova técnica que elimina a necessidade do pré-processamento embutindo a segmentação dentro do processo de geração de malha. Além disto, a técnica proposta considera critérios de qualidade nas malhas geradas, mostrando-se apropriada para aplicações de simulação numérica assim como modelagem de imagens com malhas / Techniques devoted to generate triangular or tetrahedral meshes from images either take as starting point a pre-processed image or generate a mesh without distinguishing different structures contained in the image. The pre-process and the absence of well defined structures may impose difficulties in using the resulting mesh in some applications as, for example, numerical simulations. In this work, we present a new technique that aims at eliminating the need for pre-processing by building the segmentation into the mesh generation process. Furthermore, the proposed technique consider quality criteria in the generated meshes, being appropriated for applications in numerical simulation as well as in image modeling

Com a popularização de equipamentos tradicionais de captura de imagens, como câmeras digitais, e o avanço tecnológico dos dispositivos não invasivos, como tomografia e ressonância, cresce também a necessidade e consequente uso de métodos numéricos para simulação de fenômenos físicos em domínios definidos por imagens. Um dos pré-requisitos para a aplicação de tais métodos numéricos consiste na discretização do domínio em questão, num processo denominado geração de malhas. Embora diversos métodos de geração de malha tenham sido propostos para discretizar domínios definidos por primitivas geométricas, pouco tem sido feito no sentido de gerar uma decomposição diretamente a partir de imagens. Neste trabalho, apresentamos uma abordagem de geração de malhas de qualidade a partir de domínios definidos por imagens com textura. Mais especificamente, a pesquisa descrita nesta tese contribui com a melhoria do algoritmo Imesh, ao sanar três de suas principais limitações: tratamento de imagens com texturas; controle do nível de refinamento da malha e suporte a outros tipos de elementos. Estas contribuições flexibilizam o processo de geração da malha, e ainda ampliam o domínio de aplicações do algoritmo Imesh, à medida que são considerados domínios definidos por imagens com textura e o uso de métodos numéricos para elementos não simpliciais torna-se possível. O algoritmo de melhoria da malha gerada utiliza uma abordagem inovadora de remalhamento baseada em templates e guiada por retalhos de Bézier / With the spreading of traditional image capturing devices, such as digital cameras, and the technological advancement of more specific imaging devices such as CT and MRI, also increased the need and the following use of numerical methods for simulation of physical phenomena in domains defined by images. One of the prerequisites for the application of such numerical methods is the discretization of the corresponding domain, in a process called mesh generation. Although several methods of mesh generation have been proposed to discretize domains defined by geometric primitives, little has been done to generate a decomposition directly from images. We present an approach to generate quality meshes from domains defined by images with texture. More specifically, the research described in this thesis contributes to the improvement of the Imesh algorithm, removing three of its main limitations: treatment textured images, control of the level of the mesh refinement and support for other types of non-simplicial elements. These contributions provide flexibility to the mesh generation process, and extend the range of applications of Imesh by both handling textured images and considering the use of numerical methods for non-simplicial elements. The mesh quality improvement algorithm uses a new approach based on mesh templates and it is guided by Bezier patches

Técnicas para gerar malhas triangulares ou tetraedrais a partir de imagens, ou assumem como entrada uma imagem pré-processada, ou geram uma malha sem distinguir as diferentes estruturas contidas na imagem. O pré-processamento e a ausência de estruturas bem definidas podem apresentar dificuldades na utilização das malhas geradas em algumas aplicações, tais como simulações numéricas. Neste trabalho, apresentamos uma nova técnica que elimina a necessidade do pré-processamento embutindo a segmentação dentro do processo de geração de malha. Além disto, a técnica proposta considera critérios de qualidade nas malhas geradas, mostrando-se apropriada para aplicações de simulação numérica assim como modelagem de imagens com malhas / Techniques devoted to generate triangular or tetrahedral meshes from images either take as starting point a pre-processed image or generate a mesh without distinguishing different structures contained in the image. The pre-process and the absence of well defined structures may impose difficulties in using the resulting mesh in some applications as, for example, numerical simulations. In this work, we present a new technique that aims at eliminating the need for pre-processing by building the segmentation into the mesh generation process. Furthermore, the proposed technique consider quality criteria in the generated meshes, being appropriated for applications in numerical simulation as well as in image modeling

Com a popularização de equipamentos tradicionais de captura de imagens, como câmeras digitais, e o avanço tecnológico dos dispositivos não invasivos, como tomografia e ressonância, cresce também a necessidade e consequente uso de métodos numéricos para simulação de fenômenos físicos em domínios definidos por imagens. Um dos pré-requisitos para a aplicação de tais métodos numéricos consiste na discretização do domínio em questão, num processo denominado geração de malhas. Embora diversos métodos de geração de malha tenham sido propostos para discretizar domínios definidos por primitivas geométricas, pouco tem sido feito no sentido de gerar uma decomposição diretamente a partir de imagens. Neste trabalho, apresentamos uma abordagem de geração de malhas de qualidade a partir de domínios definidos por imagens com textura. Mais especificamente, a pesquisa descrita nesta tese contribui com a melhoria do algoritmo Imesh, ao sanar três de suas principais limitações: tratamento de imagens com texturas; controle do nível de refinamento da malha e suporte a outros tipos de elementos. Estas contribuições flexibilizam o processo de geração da malha, e ainda ampliam o domínio de aplicações do algoritmo Imesh, à medida que são considerados domínios definidos por imagens com textura e o uso de métodos numéricos para elementos não simpliciais torna-se possível. O algoritmo de melhoria da malha gerada utiliza uma abordagem inovadora de remalhamento baseada em templates e guiada por retalhos de Bézier / With the spreading of traditional image capturing devices, such as digital cameras, and the technological advancement of more specific imaging devices such as CT and MRI, also increased the need and the following use of numerical methods for simulation of physical phenomena in domains defined by images. One of the prerequisites for the application of such numerical methods is the discretization of the corresponding domain, in a process called mesh generation. Although several methods of mesh generation have been proposed to discretize domains defined by geometric primitives, little has been done to generate a decomposition directly from images. We present an approach to generate quality meshes from domains defined by images with texture. More specifically, the research described in this thesis contributes to the improvement of the Imesh algorithm, removing three of its main limitations: treatment textured images, control of the level of the mesh refinement and support for other types of non-simplicial elements. These contributions provide flexibility to the mesh generation process, and extend the range of applications of Imesh by both handling textured images and considering the use of numerical methods for non-simplicial elements. The mesh quality improvement algorithm uses a new approach based on mesh templates and it is guided by Bezier patches