Made available in DSpace on 2015-08-20T17:09:45Z (GMT). No. of bitstreams: 0
Previous issue date: 2015-02-23. Added 1 bitstream(s) on 2015-08-20T17:26:29Z : No. of bitstreams: 1
000837544.pdf: 4548876 bytes, checksum: d50c957c71c1497ccdc64d03f717ca8f (MD5) / Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) / Microscopias têm sido utilizadas para avaliação da morfologia de diferentes estruturas de materiais. Entretanto, seus resultados podem ser afetados por vários fatores externos. Técnicas de processamento de imagens podem ser empregadas para atenuar esses fatores, aprimorando os resultados. Neste estudo é proposto um método de segmentação de fotomicrografias em vários níveis, denominado Segmentação Starlet Multinível (MLSS), fundamentado na transformada walvelet starlet, uma walvelet não-decimada. A escolha de um nível ótimo de segmentação se dá pela técnica de nome Segmentação Starlet Ótima Multinível (MLSOS), que se baseia nos resultados da MLSS e no coeficiente de correlação de Matthews (MCC) faz a comparação entre as segmentações obtidas e imagens ground truth, elegendo a melhor segmentação para a imagem de entrada. Os métodos são avaliados pelos valores de precisão, sensibilidade e exatidão. MLSS e MLSOS deram origem ao software livre Jansen-MIDAS, voltando ao uso dessas técnicas pelo usuário final. O programa foi utilizado na separação de elementos em imagens de diferentes materiais, a saber: nanoportículas de ouro em amostras de borracha natural traços de fissão em cristais de epídoto. Nessas aplicações, o método proposto apresentou exatidão maior que 87% para as imagens de teste / Microscopies have been used for morphology evaluation of different materials structures. However, their results can be affected by several external factors. Image processing techniques can be used to attenuate these factors, improving the results. In this study we propose a method for segmentation of photomicrographs, denominated Multi-Level Startelet Segmentation (MLSS), based on the starlet wavelet transform. The choise of an optimal segmentation level is given by Multi-Level Optimal Segmentation (MLSOS), that uses MLSS results and the Matthews correlation coefficient (MCC). MCC compares the obtained segmentations and ground truth images, choosing the best segmentation for the input image. MLSS and MLSOS are evaluated using precision, recall and accuracy. Jansen-MIDAS, an open-source software from these methods, allows using MLSS and MLSOS by the end user. This software was employed in the separation of elements in images of different materials, namely gold nanoparticles in natural rubber samples and fission tracks in epidote crystals. In these applications, the proposed method presented accuracy higher than 87% for all test images / FAPESP: 11/09438-3
Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.unesp.br:11449/126425 |
Date | 23 February 2015 |
Creators | Siqueira, Alexandre Fioravante de [UNESP] |
Contributors | Universidade Estadual Paulista (UNESP), Job, Aldo Eloizo [UNESP], Pagamisse, Aylton [UNESP] |
Publisher | Universidade Estadual Paulista (UNESP) |
Source Sets | IBICT Brazilian ETDs |
Language | Portuguese |
Detected Language | Portuguese |
Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/doctoralThesis |
Format | 77 f. : il. |
Source | Aleph, reponame:Repositório Institucional da UNESP, instname:Universidade Estadual Paulista, instacron:UNESP |
Rights | info:eu-repo/semantics/openAccess |
Relation | -1, -1, -1 |
Page generated in 0.0019 seconds