Segmentação de imagens utilizando superpixels e redes complexas

A segmentação de imagens é uma das tarefas mais importantes na análise de imagens em visão computacional. Muitas técnicas para a segmentação imagens já foram propostas. Destas, as baseadas em grafos têm se destacado. Neste trabalho, é proposto e avaliado um método de segmentação de imagens que combina extração de superpixels e detecção de comunidades de redes complexas. Neste método, os superpixels substituem os pixels na geração da rede complexa, com a finalidade de reduzir o número de nós da rede, permitindo o uso dos algoritmos de detecção de comunidades em imagens de grandes dimensões. Para a extração de superpixels utilizou-se o algoritmo Simple Linear Iterative Clustering e para detecção de comunidade, utilizou-se os algoritmos Fast Greedy e Label Propagation. Os experimentos realizados analisam os parâmetros envolvidos na metodologia proposta, principalmente os relacionados à criação da rede complexa, onde uma nova função peso foi proposta. Estes experimentos foram realizados com o uso de um banco de imagens com ground-truth. Os resultados dos experimentos e a comparação com o método de segmentação Efficient GraphBased Image Segmentation mostraram que o método de segmentação proposto apresenta bons resultados de qualidade e número de segmentos, porém alto tempo de processamento.

Palavras-chave em Inglês

Image segmentation
Superpixels
Community detection
Complex networks

Resumo em Inglês

Image segmentation is one of the most important tasks on the image analysis on computational vision. Many techniques for image segmentation were already proposed. From these, the ones based of graphs have been more succesful. In this work, it is proposed and evaluated a method of image segmentation that combines superpixels extraction and community detection of complex networks. In this method, superpixels replace the pixels on the generation of the complex network, aiming to reduce the number of network nodes, enabling the use of community detection algorithms on large scale images. For the extraction of superpixels, the Simple Linear Iterative Clustering algorithm was used and for the community detection, the Fast Greedy and the Label Propagation algorithms were used. The experiments analyze the the parameters for the proposed methodology, mainly the ones related to the creation of the complex network, on which a new weight function was proposed. These experiments were made with a database with ground-thruth. The results and the comparison with the Efficient Graph-Based Image Segmentation method showed that the proposed method for segmentation provides good quality and number of segments results, albeit a high processing time.

Arquivos

AVISO - A consulta a este documento fica condicionada na aceitação das seguintes condições de uso:
Este trabalho é somente para uso privado de atividades de pesquisa e ensino. Não é autorizada sua reprodução para quaisquer fins lucrativos. Esta reserva de direitos abrange todos os dados do documento bem como seu conteúdo. Na utilização ou citação de partes do documento é obrigatório mencionar nome(s) do(s) autor(es) do trabalho.

Velame_Victoria_Maria_Gomes_tcc.pdf (12.17 Mbytes)

Data de Publicação

2017-02-06

Número de visitas

786

Número de downloads

1185