Dissertação

Fast Image and Video Segmentation using sparse Mean Shift EVALUATED

O número de aplicações da segmentação de imagem e vídeo está em franco crescimento. Entre estas aplicações estão a identificação, compreensão e processamento de regiões em imagens médicas, cenas de vigilância, entre outros. Apesar disto, uma das maiores desvantagens, que reduz a aplicabilidade destes métodos, é o seu custo computacional. Para abordar este problema é proposto nesta tese um algoritmo de segmentação de imagem e dois de segmentação vídeo, baseados em abordagens esparsas para aplicações em que não é necessária uma identificação perfeita das fronteiras dos objectos. A primeira fase dos algoritmos trata da inicialização aleatória de partículas na imagem ou vídeo. Para fazer uma seleção das partículas mais relevantes para o algoritmo e melhorar as suas posições, é aplicada uma variação do algoritmo Mean Shift. Neste caso, em vez de este ser aplicado até à convergência para moda final da região, são feitas apenas algumas iterações para o fazer tender para perto dela. Às posições finais das partículas depois disto são chamadas seed points. A partir destas, é aplicada uma versão esparsa do método de Region Growth, utilizando linhas de pesquisa para encontrar pontos na fronteira da região. Partindo destes pontos é feita uma reconstrução em 2D para o caso da imagem e em 3D para o caso do vídeo. Para este último, para obter a segmentação frame a frame, é feita a intersecção do sólido reconstruído com o plano de cada frame. No final da dissertação são apresentados resultados comparativos entre abordagens densas e as propostas esparsas.
Métodos esparsos, Mean Shift, Pesquisa em Linha, Crust Algorithm, Segmentação de Imagem, Segmentação Video

Novembro 15, 2011, 9:0

Documentos da dissertação ainda não disponíveis publicamente

Orientação

CO-ORIENTADOR

Alessio Del Bue

ISR

ORIENTADOR

Alexandre José Malheiro Bernardino

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Auxiliar