Return to search

COSE: sistema de segmentação de imagens colaborativo

Submitted by Fernanda Rodrigues de Lima (fernanda.rlima@ufpe.br) on 2018-07-05T20:54:35Z
No. of bitstreams: 2
license_rdf: 811 bytes, checksum: e39d27027a6cc9cb039ad269a5db8e34 (MD5)
DISSERTAÇÃO Pedro Augusto Lopes Barbosa.pdf: 7038786 bytes, checksum: fcf6649a519539449241602342cf1bd4 (MD5) / Approved for entry into archive by Alice Araujo (alice.caraujo@ufpe.br) on 2018-07-09T18:35:55Z (GMT) No. of bitstreams: 2
license_rdf: 811 bytes, checksum: e39d27027a6cc9cb039ad269a5db8e34 (MD5)
DISSERTAÇÃO Pedro Augusto Lopes Barbosa.pdf: 7038786 bytes, checksum: fcf6649a519539449241602342cf1bd4 (MD5) / Made available in DSpace on 2018-07-09T18:35:55Z (GMT). No. of bitstreams: 2
license_rdf: 811 bytes, checksum: e39d27027a6cc9cb039ad269a5db8e34 (MD5)
DISSERTAÇÃO Pedro Augusto Lopes Barbosa.pdf: 7038786 bytes, checksum: fcf6649a519539449241602342cf1bd4 (MD5)
Previous issue date: 2014-09-10 / Biólogos cada vez mais necessitam de dados quantitativos para realizar suas pesquisas. Estes dados podem ser extraídos de imagens adquiridas através de técnicas de microscopia – e.g. microscopia eletrônica, microscopia confocal, etc. - e de técnicas de processamento de imagens e visão computacional. Uma das técnicas frequentemente utilizadas é a segmentação de imagens, uma tarefa que consiste em particionar a imagem em regiões que representam ou compõem os objetos de interesse. Por exemplo, detectar células cancerosas particionando a imagem entre regiões de célula e regiões que não são células; em seguida, outra etapa de processamento é necessária para, baseada nos dados quantitativos obtidos a partir da segmentação, identificar quais das células são cancerosas. Dado que, historicamente, na maioria dos casos não sabemos como elaborar algoritmos de segmentação suficientemente eficazes para realizar o processamento de imagens de maneira ótima, este trabalho propõe uma plataforma web que alia esforços de computadores e usuários para a obtenção dos resultados desejados. O sistema deve ser eficiente, escalável para centenas de usuários, de fácil interpretação para usuários com diferentes níveis de educação e que possa gerar bons resultados de maneira semiautomática. A combinação de segmentações é uma etapa de crucial importância de todo o processo de segmentação colaborativa. É nesta etapa em que as várias segmentações de diferentes usuários são combinadas para obter um resultado final com a menor quantidade de erros possível. A ideia fundamental é que o erro cometido por cada usuário, individualmente, seja compensado pelos acertos dos outros usuários. Para tanto, este trabalho apresenta uma técnica de combinação de segmentações baseada no algoritmo de Distance Transform e binarização de Otsu. Os resultados obtidos neste trabalho mostram que a resolução de problemas de processamento de imagem de maneira colaborativa é um caminho promissor. Além disto, a técnica de combinação de segmentações apresentada possui desempenho satisfatório e tempo de execução comparável ao voto majoritário. / Biologists increasingly require more quantitative data for their researches purposes. These data can be extracted from images acquired through microscopy techniques - e.g. electron microscopy, confocal microscopy, etc. - and computer vision and image processing techniques. Image segmentation is often used for this purpose. It is an image processing technique which aims to partition the image into regions that represent objects of interest. For example, image segmentation could be used to detect cancer cells by partitioning a medical image in regions corresponding to cells. And based on the quantitative data obtained from the segmentation step a further processing step would classify these cell regions as being a cancer cell or not. In the most of the cases we do not know how to elaborate segmentation algorithms efficient enough to achieve an optimal segmentation, this work proposes a web platform where users and computers work together to achieve the desired results. The system may be efficient, scalable to hundreds of users, easy to use for users of different levels of education and has to be able to generate good results in a semiautomatic way. The segmentation merge is one of the most important step for the whole collaborative segmentation system. At this stage the segmentation made by each user is merged into a resultant segmentation which may have a minimal amount of error. The fundamental idea is that the error committed by each user individually is balanced with the success of another users. Then, this work presents a new segmentation merge technique based on Distance Transform and Otsu thresholding. This work has shown that the resolution of image processing problems collaboratively is a promising approach. Furthermore, the segmentation merge technique presented has shown satisfactory performance and execution time comparable to the majority vote execution time.

Identiferoai:union.ndltd.org:IBICT/oai:repositorio.ufpe.br:123456789/25027
Date10 September 2014
CreatorsBARBOSA, Pedro Augusto Lopes
Contributorshttp://lattes.cnpq.br/3084134533707587, REN, Tsang Ing, CUNHA, Alexandre Lopes de Sousa da
PublisherUniversidade Federal de Pernambuco, Programa de Pos Graduacao em Ciencia da Computacao, UFPE, Brasil
Source SetsIBICT Brazilian ETDs
LanguagePortuguese
Detected LanguagePortuguese
Typeinfo:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis
Sourcereponame:Repositório Institucional da UFPE, instname:Universidade Federal de Pernambuco, instacron:UFPE
RightsAttribution-NonCommercial-NoDerivs 3.0 Brazil, http://creativecommons.org/licenses/by-nc-nd/3.0/br/, info:eu-repo/semantics/openAccess

Page generated in 0.0022 seconds