Consideraciones acerca de imágenes de entropía y coherencia

CLASSIFICAÇÃO BASEADA EM OBJETOS
AULA 16
Prof. Daniel C. Zanotta
Daniel C. Zanotta
14/09/2016
SEGMENTAÇÃO DE IMAGENS
Em visão computacional, segmentação se refere ao processo de dividir uma
imagem digital em múltiplas regiões (conjunto de pixels) ou segmentos, com o objetivo de
simplificar e/ou mudar a representação de uma imagem para facilitar a sua análise.
Segmentação de imagens é tipicamente usada para localizar objetos e formas (linhas,
curvas, etc) em imagens.
Exemplo de imagem segmentada
SEGMENTAÇÃO DE IMAGENS
O resultado da segmentação de imagens é um conjunto de regiões/objetos ou um
conjunto de contornos extraídos da imagem. Como resultado, cada um dos pixels em uma
mesma região é similar com referência a alguma característica ou propriedade
computacional, tais como cor, intensidade, textura ou continuidade. Regiões adjacentes
devem possuir diferenças significativas com respeito a mesma característica(s).
Exemplo de imagem segmentada
CLASSIFICAÇÃO BASEADA EM OBJETOS
Ao fim do processo de segmentação, os pixels de cada segmento serão
classificados como um todo, ou seja, todos os pixels incluídos em um segmento
pertencerão a mesma classe. Os parâmetros de classificação do segmento serão
características dos pixels internos como média nas bandas (espectral), desvio padrão
(textura), forma do segmento, etc.
Exemplo de imagem segmentada
Classificação por objeto
APLICAÇÕES
Classificação de áreas urbanas
APLICAÇÕES
Classificação de espécies de árvores em uma floresta
APLICAÇÕES
Classificação de zonas urbanas onde classificadores por pixel não
produzem resultados satisfatórios.
Mosaico de
imagens
Verdade
Classificação
por pixel
Classificação
por Objetos
TIPOS DE SEGMENTADORES
Segmentação por operadores matemáticos (Detecção de Bordas)
Imagem
Função que descreve
as variações da imagem
Derivada de 1º ordem
Derivada de 2º ordem
A detecção de bordas é um método
baseado em descontinuidades, o qual leva
em consideração as variações intensas
dos níveis de cinza de uma imagem
realizada por meio de cálculo diferencial.
TIPOS DE SEGMENTADORES
Segmentação por Preenchimento de Bacias (Watersheed)
Imagem Original em NC
Imagem Segmentada
O conceito de preenchimento de bacias baseia-se em
visualizar uma imagem nas dimensões de duas
coordenadas espaciais e uma de intensidade que é
definida pelos níveis de cinza. Nesta interpretação
são considerados três tipos de pontos: (a) pontos
pertencentes a um mínimo regional; (b) pontos em
que uma gota d'água, se derramada na localização de
alguns desses pontos, deslizaria muito provavelmente
em um ponto mínimo simples; e (c) pontos em que a
água deslizaria de maneira igual em mais de um
ponto mínimo. Para um mínimo regional específico,
o conjunto de pontos que satisfazem a condição (b) é
denominado de bacia desse mínimo e os pontos que
satisfazem a condição (c) formam as chamadas
barreiras ou linhas de divisão. Os algoritmos de
segmentação por preenchimento de bacias possuem
como principal objetivo encontrar essas barreiras.
TIPOS DE SEGMENTADORES
Segmentação por Crescimento de Regiões
Imagem Original
O método por crescimento de regiões agrupa pixels
ou sub-regiões em regiões maiores baseando-se em
critérios predefinidos para o crescimento. A
abordagem básica consiste na agregação de pixels,
que inicia com um conjunto de pontos chamados de
“semente” distribuídos aleatoriamente pela imagem
e, a partir desses, crescem regiões através da junção
de cada ponto semente com os pixels vizinhos que
apresentam propriedades similares Como resultado
dessas junções encontramos um conjunto de pixels
semelhantes aglomerados, os quais dão origem aos
objetos. A seleção dos critérios de similaridade
depende do problema em questão e do tipo de dados
da imagem utilizada e esses critérios podem
envolver características espectrais, como os níveis
de cinza, e propriedades espaciais, como a
conectividade.
TIPOS DE SEGMENTADORES
Segmentação por Crescimento de Regiões
Imagem Original
TIPOS DE SEGMENTADORES
Segmentação por Crescimento de Regiões
Imagem Original
Resultado da Segmentação
TIPOS DE SEGMENTADORES
Segmentação por Crescimento de Regiões
AGRUPAMENTO PIXEL COM PIXEL:
LIMIAR DE SIMILARIDADE:
SIMILARIDADE MÚTUA:
D
 i A  iB 
2
 Lim
TIPOS DE SEGMENTADORES
Segmentação por Crescimento de Regiões
AGRUPAMENTO PIXEL COM REGIÃO:
j
j i
j
M id
 i A  M id 
2
 Lim
AGRUPAMENTO REGIÃO COM REGIÃO:
MB
MA
M A  MB 
2
 Lim
e
Teste Estatístico
TIPOS DE SEGMENTADORES
Segmentação por Crescimento de Regiões
TAMANHO MÍNIMO TAMIN:
ATIVIDADE
1) Baixe o arquivo da aula;
2) Aplique “segm.m” para segmentar as imagens disponíveis com os seguintes
parâmetros descrevendo as características dos objetos formados:
a) lim=5, tamin =3;
b) lim=10, tamin =10;
c) lim=30, tamin =5;
d) lim=50, tamin =20;
e) lim=70, tamin =5;