Orientador: Yuzo Iano / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-08-15T16:56:14Z (GMT). No. of bitstreams: 1
Silva_KarinneSaraivada_M.pdf: 10827460 bytes, checksum: 88bfa38e14ff8802bd4874d959af1e99 (MD5)
Previous issue date: 2010 / Resumo: Segmentação de texturas é um ponto crucial em muitas aplicações da área de visão computacional e processamento digital de imagens. Muitas são as aplicações que utilizam imagens com texturas, como: sensoriamento remoto, análise de imagens médicas, inspeção industrial, etc. Para análise de texturas, é essencial o uso de um extrator de características capaz de representar bem cada textura presente na imagem. A transformada wavelet packet fornece a caracterização necessária para discriminação de texturas, oferecendo também uma representação multi-escala, ferramenta muito importante na análise de texturas. Outro ponto importante neste trabalho, é o fato da metodologia aqui proposta ser não supervisionada. Para tal, é utilizado o algoritmo de clusterização ARIA, que determina automaticamente o número de clusters presentes no conjunto de dados. A eficiência do método desenvolvido é comprovada aplicando-o em diversas imagens, como: mosaicos de Brodatz, imagens naturais, imagens médicas e outras aplicações. / Abstract:Texture segmentation is a crucial aspect in many computer vision and digital image processing applications. Several of these applications use texture images, such as remote sensing, medical image analysis, industrial inspection, etc. For texture analysis, it is essential to use a feature-extractor that can represent precisely each of the textures present in the picture. The wavelet packet transform provides the characteristics required for discrimination of the textures, as well as offering a multi-scale representation, which is a very important tool in texture analysis. Another important aspect in this work is that the proposed methodology is unsupervised. To achieve that, the clustering algorithm ARIA is used, which automatically determines the number of clusters present in the data set. The efficiency of the developed method is clear in the application of the method on several types of images, such as mosaics of Brodatz, natural images, medical images and other applications. / Mestrado / Telecomunicações e Telemática / Mestre em Engenharia Elétrica
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.unicamp.br:REPOSIP/260058 |
| Date | 15 August 2018 |
| Creators | Silva, Karinne Saraiva da |
| Contributors | UNIVERSIDADE ESTADUAL DE CAMPINAS, Iano, Yuzo, 1950-, Mascarenhas, Nelson Delfino d'Avila, Martini, Luiz César |
| Publisher | [s.n.], Universidade Estadual de Campinas. Faculdade de Engenharia Elétrica e de Computação, Programa de Pós-Graduação em Engenharia Elétrica |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Format | 99 p. : il., application/pdf |
| Source | reponame:Repositório Institucional da Unicamp, instname:Universidade Estadual de Campinas, instacron:UNICAMP |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0024 seconds