Orientador: Marco Antonio Garcia de Carvalho

Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Tecnologia

Resumo: Representar os elementos de uma imagem em forma de grafos torna a estrutura organizada permitindo formular problemas de forma flexível e ser computacionalmente mais eficiente. Existem muitas técnicas da teoria de grafos sendo utilizadas em processamento digital de imagens. Em particular, o...

Resumo: Representar os elementos de uma imagem em forma de grafos torna a estrutura organizada permitindo formular problemas de forma flexível e ser computacionalmente mais eficiente. Existem muitas técnicas da teoria de grafos sendo utilizadas em processamento digital de imagens. Em particular, o particionamento em grafos ou corte em grafos tem sido estudada por diversos autores como uma ferramenta de segmentação de imagens. Particionamento de um grafo refere-se à sua divisão em vários subgrafos tais que cada um deles representa um objeto de interesse na imagem. Neste trabalho, propomos um algoritmo de agrupamento hierárquico aglomerativo dos nós do grafo com base nas métricas de corte e corte médio. As segmentações foram avaliadas usando o benchmark da Berkeley BSDS500 que compara e classifica as segmentações em relação à outras técnicas existentes na literatura. Os resultados obtidos são promissores e nos permite concluir de que a combinação das métricas de corte e corte médio possibilitou melhores segmentações

Abstract: Representing the elements of an image in graphs makes the structure organized allowing to formulate problems in a flexible manner and can be more computationally efficient. There are many techniques of graph theory that are used in digital image processing. In particular, the graph...

Abstract: Representing the elements of an image in graphs makes the structure organized allowing to formulate problems in a flexible manner and can be more computationally efficient. There are many techniques of graph theory that are used in digital image processing. In particular, the graph partitioning or graph cut has been studied by several authors as a tool for image segmentation. Partitioning a graph refers to its division into several subgraphs such that each of them represents a meaningful object of interest in the image. In this work we propose a algorithm based on hierarchical agglomerative clustering of the graph nodes driven by the cut and mean cut criteria. The segmentati- ons results were evaluated using the benchmark of Berkeley BSDS500 that compares and classifies the results in relation to other existing techniques in the literature. The results obtained are promising and allows us to conclude that the combination of the cut and mean cut criteria possible best segmentations