Submitted by Fabio Sobreira Campos da Costa (fabio.sobreira@ufpe.br) on 2017-04-24T14:27:21Z
No. of bitstreams: 2
license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5)
TESE__DIOGO_CAVALCANTI_COSTA.pdf: 8696014 bytes, checksum: 6ecb7de16968f61db789940caeae149e (MD5) / Made available in DSpace on 2017-04-24T14:27:21Z (GMT). No. of bitstreams: 2
license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5)
TESE__DIOGO_CAVALCANTI_COSTA.pdf: 8696014 bytes, checksum: 6ecb7de16968f61db789940caeae149e (MD5)
Previous issue date: 2015-03-02 / CNPQ / Desde os anos 1960, foram criadas inúmeras técnicas para segmentação de imagens, contudo
poucas se aproximam do nível de desempenho humano, sendo essas computacionalmente
custosas e inadequadas para aplicação em tempo real. Portanto, nesta tese é apresentada uma
técnica de segmentação de baixo custo computacional, baseada em descontinuidades e em
multirresolução, voltada à detecção de contornos de objetos em imagens naturais –
fotografias do mundo real. A estrutura da técnica proposta é dividida em cinco etapas. Na
primeira, atributos de cor e foco são realçados na imagem de entrada. O mapeamento de cor
realça as diferenças de cor entre os canais RGB e propicia a detecção de bordas entre os
canais de cor por operadores de gradiente. Dois modelos de cor de diferença cromática,
RhGhBh e LgC, são propostos para esse fim. Também é proposta a transformada de
decomposição de cor que segmenta a escala de cor RGB em canais independentes, isolando as
cores aditivas e subtrativas, e os tons de cinza. Assim, é possível mensurar a variação local de
cada cor para criar um mapeamento das regiões em foco. Na segunda etapa, uma filtragem
morfológica para supressão de texturas suaviza as mudanças abruptas de cor no interior das
mesmas, possibilitando a identificação de seus contornos e diminuindo a falsa identificação de
bordas internas. Na terceira etapa, oito máscaras orientadas, batizadas de máscaras de
detecção de contornos, são usadas para calcular o gradiente local, realçando os contornos dos
objetos em detrimento de suas bordas internas. Na quarta etapa, um afinamento em tons de
cinza é realizado por meio de um empilhamento topológico das bordas erodidas e suavizadas,
no qual os pixels de bordas maximamente centralizados são isolados e afinados
morfologicamente. Por fim, na quinta etapa, a intensidade das bordas é corrigida função do
gradiente local e da densidade local das bordas, realçando os contornos dos objetos.
Comparações com técnicas de segmentação recentes e clássicas são conduzidas com auxílio
do Berkeley Segmentation Dataset and Benchmark. Os resultados obtidos posicionam a
técnica proposta em quinto lugar no Benchmark, com tempo de processamento inferior a 0,5%
do tempo das técnicas melhor classificadas, sendo adequada para uso em tempo real. / Since the 1960’s, numerous image segmentation techniques were developed, however only a
few approach human level segmentation, being computationally costly and inadequate to real
time applications. Therefore, this Thesis presents a low computational cost multi-resolution
and edge-based image segmentation technique for objects’ contour detection in natural images
– real world scenes photographs. The proposed technique’s framework is divided into five
steps. First, color and focus features are mapped from the input image. The color mapping
enhances the color differences between RGB channels, allowing the inter-channel colors edge
detection by gradient operators. Two chromatic difference color models are proposed, RhGhBh
and LgC. The color decomposition transform is also proposed, which is able to segment the
RGB color scale in independent channels, isolating the additive and subtractive colors, and
the shades of gray. The transform allows the measurement of the local variation within each
color, thus, producing the image´s focus map. In the second step, a morphological texture
suppression filtering smoothes abrupt color changes inside textures, allowing textures’ outer
edges detection and decreasing the false identification of texture inner edges as objects’
contours. In the third step, eight oriented masks, called contour detection masks, are used to
calculate the local gradient, enhancing the objects’ contours over their inner edges. In the
fourth step, a grayscale thinning is performed through a topological stacking of eroded and
smoothed edges, where the maximally centered edge pixels are isolated and morphologically
thinned. Finally, in the fifth step, the edges’ intensities are corrected to reflect the local
gradient and the local edges’ density, allowing better identification of objects’ contours.
Comparisons with recent and classic segmentation techniques are conducted by the Berkeley
Segmentation Dataset and Benchmark. The results rank the proposed segmentation in fith
position in the Benchmark, with a processing time below 0.5% of the better ranked
techniques, being suitable for real-time applications.
Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.ufpe.br:123456789/18620 |
Date | 02 March 2015 |
Creators | COSTA, Diogo Cavalcanti |
Contributors | http://lattes.cnpq.br/2248591013863307, MELLO, Carlos Alexandre Barros de |
Publisher | Universidade Federal de Pernambuco, Programa de Pos Graduacao em Ciencia da Computacao, UFPE, Brasil |
Source Sets | IBICT Brazilian ETDs |
Language | Breton |
Detected Language | Portuguese |
Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/doctoralThesis |
Source | reponame:Repositório Institucional da UFPE, instname:Universidade Federal de Pernambuco, instacron:UFPE |
Rights | Attribution-NonCommercial-NoDerivs 3.0 Brazil, http://creativecommons.org/licenses/by-nc-nd/3.0/br/, info:eu-repo/semantics/openAccess |
Page generated in 0.1046 seconds