Busca avançada
Ano de início
Entree

Segmentação de imagens baseada em restrições de formas por meio dos últimos levelings

Processo: 18/15652-7
Linha de fomento:Auxílio à Pesquisa - Regular
Vigência: 01 de novembro de 2018 - 31 de outubro de 2020
Área do conhecimento:Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
Pesquisador responsável:Wonder Alexandre Luz Alves
Beneficiário:Wonder Alexandre Luz Alves
Instituição-sede: Universidade Nove de Julho (UNINOVE). Campus Vergueiro. São Paulo , SP, Brasil
Pesq. associados:Maria Lucia Cardillo Corrêa Giannella ; Ronaldo Fumio Hashimoto ; Sidnei Alves de Araújo
Assunto(s):Segmentação de imagens  Morfologia matemática 

Resumo

Geralmente, um problema tipico de análise de imagens consiste de cinco etapas básicas, sendo elas: aquisição; pré-processamento; segmentação; representação e descrição; reconhecimento e interpretação. Dentre estas, destaca-se a segmentação de imagens, uma etapa que consiste particionar o domínio da imagem de forma a demarcar os objetos de interesse na imagem.Por isso, temos que ter em mente que uma segmentação imprecisa pode comprometer os resultados da análise, além do mais, a complexidade da cena analisada e as características particulares de cada objeto tornam a tarefa de segmentação extremamente complexa, tendo em vista que esses objetos representam na pratica órgãos, pessoas, células, caracteres, veículos e outros.Na maiorias dos problemas práticos de análise de imagens é conhecido à priori a forma dos objetos de interesse.Por isso, é altamente desejável incorporar tal conhecimento nos modelos e algoritmos mas isso não é uma tarefa trivial.Neste contexto, pretende-se explorar um framework baseado em operadores residuais definido no âmbito da Morfologia Matemática para resolver problemas de análises de formas. Assim, em continuidade ao projeto regular "Análise de formas por meio dos últimos levelings", financiado pela FAPESP (processo nº 2016/02547-5), o presente projeto tem como objetivo dar prosseguimento aos estudos sobre métodos de análise de formas baseados em últimos levelings. (AU)

Publicações científicas
(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)
MORIMITSU, ALEXANDRE; PASSAT, NICOLAS; ALVES, WONDER A. L.; HASHIMOTO, RONALDO F. Efficient component-hypertree construction based on hierarchy of partitions. PATTERN RECOGNITION LETTERS, v. 135, p. 30-37, JUL 2020. Citações Web of Science: 0.
ALVES, WONDER A. L.; GOBBER, CHARLES F.; SILVA, DENNIS J.; MORIMITSU, ALEXANDRE; HASHIMOTO, RONALDO F.; MARCOTEGUI, BEATRIZ. Image segmentation based on ultimate levelings: From attribute filters to machine learning strategies. PATTERN RECOGNITION LETTERS, v. 133, p. 264-271, MAY 2020. Citações Web of Science: 0.
SILVA, DENNIS J.; ALVES, WONDER A. L.; HASHIMOTO, RONALDO FUMIO. Incremental bit-quads count in component trees: Theory, algorithms, and optimization. PATTERN RECOGNITION LETTERS, v. 129, p. 33-40, JAN 2020. Citações Web of Science: 0.

Por favor, reporte erros na lista de publicações científicas escrevendo para: cdi@fapesp.br.