Whereas manually drawn contours could contain artifacts related to hand tremor,
automatically detected contours could contain noise and inaccuracies due to limitations
or errors in the procedures for the detection and segmentation of the related regions. To
improve the further step of description, modeling procedures are desired to eliminate the
artifacts in a given contour, while preserving the important and significant details present
in the contour. In this work, are presented a couple of polygonal modeling methods,
first a method applied direct on the original contour and other derived from the turning
angle function. Both methods use the following parametrization Smin e µmax to infer
about removing or maintain a given segment. By the using of the mentioned parameters
the proposed methods could be configured according to the application problem. Both
methods have been shown eficient to reduce the influence of noise and artifacts while
preserving relevant characteristic for further analysis.
Systems to support the diagnosis by images (CAD) and retrieval of images by content
(CBIR) use shape descriptor methods to make possible to infer about factors existing
in a given contour or as base to classify groups with dierent patterns. Shape factors
methods should represent a value that is aected by the shape of an object, thus it
is possible to characterize the presence of a factor in the contour or identify similarity
among contours. Shape factors should be invariant to rotation, translation or scale. In
the present work there are proposed the following shape features: index of the presence
of convex region (XRTAF ), index of the presence of concave regions (V RTAF ), index
of convexity (CXTAF ), two measures of fractal dimension (DFTAF e DF1
TAF ) and the
index of spiculation (ISTAF ). All derived from the smoothed turning angle function.
The smoothed turning angle function represent the contour in terms of their concave and
convex regions.
The polygonal modeling and the shape descriptors methods were applied on the breast
masses classification issue to evaluate their performance. The polygonal modeling procedure proposed in this work provided higher compression and better polygonal fitness.
The best classification accuracies, on discriminating between benign masses and malignant
tumors, obtain for XRTAF , V RTAF , CXTAF , DFTAF , DF1
TAF and ISTAF , in terms
of area under the receiver operating characteristics curve, were 0:92, 0:92, 0:93, 0:93, 0:92
e 0:94, respectively. / Contornos obtidos manualmente podem conter ruídos e artefatos oriundos de tremores
da mão bem como contornos obtidos automaticamente podem os conter dado a problemas
na etapa de segmentação. Para melhorar os resultados da etapa de representação e
descrição, são necessários métodos capazes de reduzir a influência dos ruídos e artefatos
enquanto mantém características relevantes da forma. Métodos de aproximação poligonal
têm como objetivo a remoção de ruídos e artefatos presentes nos contornos e a melhor
representação da forma com o menor número possível de segmentos de retas. Nesta disserta
ção são propostos dois métodos de aproximação poligonal, um aplicado diretamente no
contorno e outro que é obtido a partir da função tangencial do contorno original. Ambos
os métodos fazem uso dos parâmetros Smin e µmax para inferirem sobre a permanência ou
remoção de um dado segmento. Com a utilização destes parâmetros os métodos podem
ser configurados para serem utilizados em vários tipos de aplicações. Ambos os métodos
mostram-se eficientes na remoção de ruídos e artefatos, enquanto que características
relevantes para etapas de pós-processamento são mantidas.
Sistemas de apoio ao diagnóstico por imagens e de recuperação de imagens por conte
údo fazem uso de métodos descritores de forma para que seja possível inferir sobre
características presentes em um dado contorno ou ainda como base para medir a dissimilaridade
entre contornos. Métodos descritores de características são capazes de representar
um contorno por um número, assim é possível estabelecer a presença de uma característica
no contorno ou ainda identificar uma possível similaridade entre os contornos. Métodos
para extração de características devem ser invariantes a rotação, translação e escala. Nesta
dissertação são propostos os seguintes métodos descritores de características: índice de
presença de regiões convexas (XRTAF ), índice da presença de regiões côncavas (V RTAF ),
índice de convexidade (CXTAF ), duas medidas de dimensão fractal (DFTAF e DF1
TAF ) e
o índice de espículos (ISTAF ). Todos aplicados sobre a função tangencial suavizada. A
função tangencial suavizada representa o contorno em termos de suas regiões côncavas e regiões convexas.
Os métodos de aproximação poligonal e descritores de características foram aplicados
para o problema de classificação de lesões de mama. Os resultados obtidos, mostraram
que os métodos de aproximação poligonal propostos neste trabalho resultam em polígonos
mais compactos e com melhor representação do contorno original. Os melhores resultados
de classificação, na discriminação entre lesões benignas e tumores malignos, obtidos por
XRTAF , V RTAF , CXTAF , DFTAF , DF1
TAF e ISTAF , em termos da área sob a curva ROC,
foram 0:92, 0:92, 0:93, 0:93, 0:92 e 0:94, respectivamente. / Mestre em Ciência da Computação
| Identifer | oai:union.ndltd.org:IBICT/urn:repox.ist.utl.pt:RI_UFU:oai:repositorio.ufu.br:123456789/12463 |
| Date | 12 September 2008 |
| Creators | Carvalho, Juliano Daloia de |
| Contributors | Guliato, Denise, Amo, Sandra Aparecida de, Borges, Díbio Leandro |
| Publisher | Universidade Federal de Uberlândia, Programa de Pós-graduação em Ciência da Computação, UFU, BR, Ciências Exatas e da Terra |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Format | application/pdf |
| Source | reponame:Repositório Institucional da UFU, instname:Universidade Federal de Uberlândia, instacron:UFU |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0033 seconds