Spelling suggestions: "subject:"setor gradiente""
1 |
Fluxo do Vetor Gradiente e Modelos Deformáveis Out-of-Core para Segmentação e Imagens / Gradient vector flow and out-of-core image segmentaion by deformable modelsLeandro Schaeffer Marturelli 07 April 2006 (has links)
Limitações de memória principal podem diminuir a performance de aplicativos de segmentação de imagens para grandes volumes ou mesmo impedir seu funcionamento. Nesse trabalho nós integramos o modelo das T-Superfícies com um método de extração de iso-superfícies Out-of-Core formando um esquema de segmentação para imagens de grande volume. A T-Superficie é um modelo deformável paramétrico baseado em uma triangulação do domínio da imagem, um modelo discreto de superfície e um threshold da imagem. Técnicas de extração de isso-superfícies foram implementadas usando o método Out-of-Core que usa estruturas kd-tree, chamadas técnicas de Meta-Células. Usando essas técnicas, apresentamos uma versão Out-of-Core de um método de segmentação baseado nas T-Superfícies e em iso-superfícies. O fluxo do Vetor Gradiente (GVF) é um campo vetorial baseado em equações diferenciais parciais. Esse método é aplicado em conjunto com o modelo das Snakes para segmentação de imagens através de extração de contorno. A idéia principal é usar uma equação de difusão-reação para gerar um novo campo de força externa que deixa o modelo menos sensível a inicialização e melhora a habilidade das Snakes para extrair bordas com concavidades acentuadas. Nesse trabalho, primeiramente serão revistos resultados sobre condições de otimização global do GVF e feitas algumas considerações numéricas. Além disso, serão apresentadas uma análise analítica do GVF e uma análise no domínio da frequência, as quais oferecem elementos para discutir a dependência dos parâmetros do modelo. Ainda, será discutida a solução numérica do GVF baseada no método de SOR. Observamos também que o modelo pode ser estendido para Domínios Multiplamente Conexos e aplicamos uma metodologia de pré-processamento que pode tornar mais eficiente o método. / Main memory limitations can lower the performance of segmentation applications for large images or even make it undoable. In this work we integrate the T-Surfaces model
and Out-of-Core isosurface generation methods in a general framework for segmentation of large image volumes. T-Surfaces is a parametric deformable model based on a triangulation of the image domain, a discrete surface model and an image threshold. Isosurface generation techniques have been implemented through an Out-of-Core method that uses a kd-tree structure, called Meta-Cell technique. By using the Meta-Cell framework, we present an Out-of-Core version of a segmentation method based on T-Surfaces and isosurface extraction. The Gradient Vector Flow (GVF) is an
approach based on Partial Differential Equations. This method has been applied together with snake models for image segmentation through boundary extraction. The key idea is to use a diffusion-reaction PDE in order to generate a new external force field that makes snake models less sensitivity to initialization as well as improves the snakes ability to move into boundary concavities. In this work, we firstly review basic results about global optimization conditions of the GVF and numerical considerations of usual GVF schemes. Besides, we present an analytical analysis of the GVF and a frequency domain analysis, which gives elements to discuss the dependency from the parameter values. Also, we discuss the numerical solution of the GVF based in a SOR method. We observe that the model can be used for Multiply Connected Domains and applied an image processing approach in order to increase the GVF efficiency.
|
2 |
Fluxo do vetor gradiente e modelos deformáveis out-of-core para segmentação e imagens / Gradient vector flow and out-of-core image segmentaion by deformable modelsMarturelli, Leandro Schaeffer 07 April 2006 (has links)
Made available in DSpace on 2015-03-04T18:50:41Z (GMT). No. of bitstreams: 1
capitulo00.pdf: 149755 bytes, checksum: a2f94dd5a3a96753bd5a54659a575c98 (MD5)
Previous issue date: 2006-04-07 / Fundação Carlos Chagas Filho de Amparo a Pesquisa do Estado do Rio de Janeiro / Main memory limitations can lower the performance of segmentation applications for large images or even make it undoable. In this work we integrate the T-Surfaces model
and Out-of-Core isosurface generation methods in a general framework for segmentation of large image volumes. T-Surfaces is a parametric deformable model based on a triangulation of the image domain, a discrete surface model and an image threshold. Isosurface generation techniques have been implemented through an Out-of-Core method that uses a kd-tree structure, called Meta-Cell technique. By using the Meta-Cell framework, we present an Out-of-Core version of a segmentation method based on T-Surfaces and isosurface extraction. The Gradient Vector Flow (GVF) is an
approach based on Partial Differential Equations. This method has been applied together with snake models for image segmentation through boundary extraction. The key idea is to use a diffusion-reaction PDE in order to generate a new external force field that makes snake models less sensitivity to initialization as well as improves the snake s ability to move into boundary concavities. In this work, we firstly review basic results about global optimization conditions of the GVF and numerical considerations of usual GVF schemes. Besides, we present an analytical analysis of the GVF and a frequency domain analysis, which gives elements to discuss the dependency from the parameter values. Also, we discuss the numerical solution of the GVF based in a SOR method. We observe that the model can be used for Multiply Connected Domains and applied an image processing approach in order to increase the GVF efficiency. / Limitações de memória principal podem diminuir a performance de aplicativos de segmentação de imagens para grandes volumes ou mesmo impedir seu funcionamento. Nesse trabalho nós integramos o modelo das T-Superfícies com um método de extração de iso-superfícies Out-of-Core formando um esquema de segmentação para imagens de grande volume. A T-Superficie é um modelo deformável paramétrico baseado em uma triangulação do domínio da imagem, um modelo discreto de superfície e um threshold da imagem. Técnicas de extração de isso-superfícies foram implementadas usando o método Out-of-Core que usa estruturas kd-tree, chamadas técnicas de Meta-Células. Usando essas técnicas, apresentamos uma versão Out-of-Core de um método de segmentação baseado nas T-Superfícies e em iso-superfícies. O fluxo do Vetor Gradiente (GVF) é um campo vetorial baseado em equações diferenciais parciais. Esse método é aplicado em conjunto com o modelo das Snakes para segmentação de imagens através de extração de contorno. A idéia principal é usar uma equação de difusão-reação para gerar um novo campo de força externa que deixa o modelo menos sensível a inicialização e melhora a habilidade das Snakes para extrair bordas com concavidades acentuadas. Nesse trabalho, primeiramente serão revistos resultados sobre condições de otimização global do GVF e feitas algumas considerações numéricas. Além disso, serão apresentadas uma análise analítica do GVF e uma análise no domínio da frequência, as quais oferecem elementos para discutir a dependência dos parâmetros do modelo. Ainda, será discutida a solução numérica do GVF baseada no método de SOR. Observamos também que o modelo pode ser estendido para Domínios Multiplamente Conexos e aplicamos uma metodologia de pré-processamento que pode tornar mais eficiente o método.
|
3 |
Segmentação de fronteiras em imagens médicas via contornos deformáveis através do fluxo recursivo do vetor gradiente / Edge segmentation in medical images using the recursive gradient vector flow deformable contoursLlapa Rodríguez, Eduardo Rafael 08 July 2005 (has links)
Devido à variação na qualidade e ao ruído nas imagens médicas, a aplicação de técnicas tradicionais de segmentação é geralmente ineficiente. Nesse sentido, apresenta-se um novo algoritmo a partir de duas técnicas: o modelo de contornos deformáveis por fluxo do vetor gradiente (GVF deformable contours) e a técnica de espaço de escalas utilizando o processo de difusão. Assim, foi realizada uma revisão bibliográfica dos modelos que trabalham com os contornos deformáveis, os quais foram classificados em modelos paramétricos e geométricos. Entre os modelos paramétricos foi escolhido o modelo de contornos deformáveis por fluxo do vetor gradiente (GVF). Esta aproximação oferece precisão na representação de estruturas biológicas não observada em outros modelos. Desta forma, o algoritmo apresentado mapeia as bordas (edge map) e aperfeiçoa a condução da deformação utilizando uma técnica baseada em operações recursivas. Com este cálculo apoiado no comportamento de espaço de escalas, obtem-se a localização e correção de sub-regiões do edge map que perturbam a deformação. Por outro lado, é incorporada uma nova característica que permite ao algoritmo realizar atividades de classificação. O algoritmo consegue determinar a presença ou ausência de um objeto de interesse utilizando um valor mínimo de deformação. O algoritmo é validado através do tratamento de imagens sintéticas e médicas comparando os resultados com os obtidos no modelo tradicional de contornos deformáveis GVF. / Due to the variation of the quality and noise in medical images, the classic image segmentation techniques are usually ineffective. In this work, we present a new algorithm that is composed of two techniques: the gradient vector flow deformable contours (GVF) and the scale-space technique using a diffusion process. A bibliographical revision of the models that work with deformable contours was accomplished, they were classified in parametric and geometric models. Among the parametric models the gradient vector flow deformable contours (GVF) was chosen. This approach offers precision in the representation of biological structures where other models does not. Thus, the algorithm improves the edge map to guide the deformation using recursive operations. With this estimation based on the behavior of the scale-space techniques it is realized, the localization and correction of sub-areas of the edge map that disturb the deformation. On the other hand, it was incorporated a new characteristic that allows the algorithm to accomplish classification activities. That is, the algorithm determines the presence or absence of a target object using a minimal deformation area. Our method was validated on both, simulated images and medical images making a comparison with the traditional GVF deformable contours.
|
4 |
Segmentação de fronteiras em imagens médicas via contornos deformáveis através do fluxo recursivo do vetor gradiente / Edge segmentation in medical images using the recursive gradient vector flow deformable contoursEduardo Rafael Llapa Rodríguez 08 July 2005 (has links)
Devido à variação na qualidade e ao ruído nas imagens médicas, a aplicação de técnicas tradicionais de segmentação é geralmente ineficiente. Nesse sentido, apresenta-se um novo algoritmo a partir de duas técnicas: o modelo de contornos deformáveis por fluxo do vetor gradiente (GVF deformable contours) e a técnica de espaço de escalas utilizando o processo de difusão. Assim, foi realizada uma revisão bibliográfica dos modelos que trabalham com os contornos deformáveis, os quais foram classificados em modelos paramétricos e geométricos. Entre os modelos paramétricos foi escolhido o modelo de contornos deformáveis por fluxo do vetor gradiente (GVF). Esta aproximação oferece precisão na representação de estruturas biológicas não observada em outros modelos. Desta forma, o algoritmo apresentado mapeia as bordas (edge map) e aperfeiçoa a condução da deformação utilizando uma técnica baseada em operações recursivas. Com este cálculo apoiado no comportamento de espaço de escalas, obtem-se a localização e correção de sub-regiões do edge map que perturbam a deformação. Por outro lado, é incorporada uma nova característica que permite ao algoritmo realizar atividades de classificação. O algoritmo consegue determinar a presença ou ausência de um objeto de interesse utilizando um valor mínimo de deformação. O algoritmo é validado através do tratamento de imagens sintéticas e médicas comparando os resultados com os obtidos no modelo tradicional de contornos deformáveis GVF. / Due to the variation of the quality and noise in medical images, the classic image segmentation techniques are usually ineffective. In this work, we present a new algorithm that is composed of two techniques: the gradient vector flow deformable contours (GVF) and the scale-space technique using a diffusion process. A bibliographical revision of the models that work with deformable contours was accomplished, they were classified in parametric and geometric models. Among the parametric models the gradient vector flow deformable contours (GVF) was chosen. This approach offers precision in the representation of biological structures where other models does not. Thus, the algorithm improves the edge map to guide the deformation using recursive operations. With this estimation based on the behavior of the scale-space techniques it is realized, the localization and correction of sub-areas of the edge map that disturb the deformation. On the other hand, it was incorporated a new characteristic that allows the algorithm to accomplish classification activities. That is, the algorithm determines the presence or absence of a target object using a minimal deformation area. Our method was validated on both, simulated images and medical images making a comparison with the traditional GVF deformable contours.
|
5 |
Metodologia de otimização de redes malhadas através da programação não linear. / Methodology of network optimization through nonlinear programming.FORMIGA, Klebber Teodomiro Martins. 10 November 2018 (has links)
Submitted by Johnny Rodrigues (johnnyrodrigues@ufcg.edu.br) on 2018-11-10T14:15:57Z
No. of bitstreams: 1
KLEBBER TEODOMIRO MARTINS FORMIGA - DISSERTAÇÃO PPGECA 1999..pdf: 16389709 bytes, checksum: 2cbf1a8342d988c0e6828ecd2fda1b6c (MD5) / Made available in DSpace on 2018-11-10T14:15:57Z (GMT). No. of bitstreams: 1
KLEBBER TEODOMIRO MARTINS FORMIGA - DISSERTAÇÃO PPGECA 1999..pdf: 16389709 bytes, checksum: 2cbf1a8342d988c0e6828ecd2fda1b6c (MD5)
Previous issue date: 1999-03-11 / CNPq / As redes de distribuição, que fazem parte dos sistemas de abastecimento de água, são, em grande parte, redes malhadas, cuja complexidade no dimensionamento tem forçado os projetistas a utilizar metodologias tradicionais de tentativa e erro para obter a solução do problema. Esses métodos, dos quais o mais empregado é o de Hardy-Cross,
fazem tão somente o balanceamento da rede, deixando a cargo da experiência do projetista a busca de um dimensionamento mais econômico. Neste trabalho será apresentado um método que utiliza técnicas de programação não linear para o dimensionamento económico de redes malhadas. Esse método é composto de duas etapas. Na primeira, as vazões e os diâmetros são considerados como variáveis de decisão, e na segunda etapa, as variáveis de decisão são os comprimentos dos segmentos dos trechos, com diâmetros constantes, e suas correspondentes vazões. Essa
metodologia foi aplicada a duas redes encontradas na literatura, em que o
dimensionamento já havia sido feito por outros métodos de otimização. Os resultados mostram que o método da programação não linear apresenta uma eficácia maior na busca do custo mínimo de uma rede, quando comparado com outras metodologias de otimização de redes malhadas estudadas. / The design complexity of looped networks has forced to use traditional trial and error methods to attain a solution for the problem. Those methods, where the Hardy-Cross method is the most known among them, only carry out energy and mass balance of the network without dealing with the system's cost, that is, nor estimating neither improving the system's cost. In this work, a method for designing economical looped networks based on
nonlinear programming is presented. To reduce the number of variables and, probabily, improve the performance of the solution procedure, this method is composed of two stages to reach an optimal solution. In a first stage, a nonlinear programming technique is applied to determine the flows and diameters of the pipes connecting two nodes of the network. In a second stage are chosen which are the upper and lower values of the results
attained at the first stage for each pipe segment, and a nonlinear programming technique is applied once more to determine the length of each diameter for each pipe segment along with its flow. In both stages the objective function was related to the cost of the pipes and pumping requirements. This method has been applied to two examples of looped
networks, which have been used in the literature to illustrate the application of other optimization methods developed by other authors. The optimal solutions attained from the method presented herein have shown to be better than the ones resulting from the application of any other method, which were taken into account for comparison in this work.
|
Page generated in 0.578 seconds