Segmentação, Análise e Classificação de Imagens com Estruturas Finas

• Processo: 08/06081-4
• Linha de fomento: Bolsas no Brasil - Doutorado
• Vigência (Início): 01 de outubro de 2008
• Vigência (Término): 30 de junho de 2012
• Área do conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Roberto Hirata Junior
• Beneficiário: Talita Perciano Costa Leite
• Instituição-sede: Instituto de Matemática e Estatística (IME). Universidade de São Paulo (USP). São Paulo , SP, Brasil
• Vinculado ao auxílio: 05/00587-5 - Modelagem por redes (grafos) e técnicas de reconhecimento de padrões: estrutura, dinâmica e aplicações, AP.TEM
• Assunto(s): Visão computacional Segmentação de imagens

Resumo

Este projeto tem como objetivo descrever e desenvolver técnicas para segmentar imagens com estruturas finas e também analisar e classificar estas imagens. Devido à fragilidade deste tipo de estrutura, além de técnicas de processamento de imagens, deverão ser utilizados princípios de visão computacional. Ademais, novas medidas de qualidade de segmentação próprias para este tipo de aplicação deverão ser desenvolvidas. Algumas das potenciais aplicações para estas técnicas são a segmentação de imagens com raízes de plantas e neurônios, imagens de retina e também a segmentação de rios e estradas em imagens de satélite. Modelos matemáticos deverão ser usados para modelar as estruturas finas e ramificadas das imagens, fazendo com que seja possível o desenvolvimento destas técnicas. Nossa motivação é criar um novo conjunto de técnicas sensíveis a este tipo de estrutura, que ainda não é muito explorado na literatura. O projeto envolve a utilização conjunta de técnicas de processamento e análise de imagens e visão computacional. Além disso, possui um abrangente alvo de aplicações reais.

Publicações acadêmicas

(Referências obtidas automaticamente das Instituições de Ensino e Pesquisa do Estado de São Paulo)

LEITE, Talita Perciano Costa. Detecção de estruturas finas e ramificadas em imagens usando campos aleatórios de Markov e informação perceptual. 2012. Tese de Doutorado - Universidade de São Paulo (USP). Instituto de Matemática e Estatística São Paulo.