PyIFT: processamento de imagem usando a transformada imagem-floresta em Python

• Processo: 18/08951-8
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de junho de 2018
• Data de Término da vigência: 31 de maio de 2019
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Alexandre Xavier Falcão
• Beneficiário: Jordão Okuma Barbosa Ferraz Bragantini
• Instituição Sede: Instituto de Computação (IC). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
• Vinculado ao auxílio: 14/12236-1 - AnImaLS: Anotação de Imagem em Larga Escala: o que máquinas e especialistas podem aprender interagindo?, AP.TEM
• Assunto(s): Sistemas de computação Processamento de imagens Algoritmos para imagens Python Análise de imagens Modelagem computacional Árvores florestais
• Palavra(s)-Chave do Pesquisador: Filtragem e Representação de Imagem | Processamento de Imagem usando Grafos | Segmentação Interativa de Imagem | Processamento de Imagem

Resumo

Python é uma linguagem interpretada que, graças ao auxílio de comunidades do mundo inteiro, pode ser utilizada para aplicações científicas, sendo a maior parte desses auxílios toolboxes de métodos computacionais adicionais. Este projeto tem por objetivo criar um toolbox Python, denominado PyIFT, para processamento e análise de imagens utilizando a Transformada Imagem-Floresta, assim usufruindo da tipagem dinâmica de Python para realizar testes e auxiliar no ensino e na pesquisa. Como alguns algoritmos que envolvem a Transformada Imagem-Floresta são interativos, este toolbox irá incluir ferramentas de interação dos métodos com os usuários, visualização da propagação de caminhos e rótulos (cores) das árvores da floresta, facilitando o entendimento, e integração com outros módulos Python utilizados pelo grupo de pesquisa.

Publicações científicas

(4)

(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)

MARTINS, SAMUEL BOTTER; BRAGANTINI, JORDAO; FALCAO, ALEXANDRE XAVIER; YASUDA, CLARISSA LIN. An adaptive probabilistic atlas for anomalous brain segmentation in MR images. Medical Physics, v. 46, n. 11, p. 4940-4950, NOV 2019. (14/12236-1, 13/07559-3, 18/08951-8)

BRAGANTINI, JORDAO; MARTINS, SAMUEL BOTTER; CASTELO-FERNANDEZ, CESAR; FALCAO, ALEXANDRE XAVIER. Graph-Based Image Segmentation Using Dynamic Trees. PROGRESS IN PATTERN RECOGNITION, IMAGE ANALYSIS, COMPUTER VISION, AND APPLICATIONS, CIARP 2018, v. 11401, p. 9-pg., 2019-01-01. (18/08951-8, 14/12236-1, 17/03940-5)

FALCAO, ALEXANDRE; BRAGANTINI, JORDAO; COUPRIE, M; COUSTY, J; KENMOCHI, Y; MUSTAFA, N. The Role of Optimum Connectivity in Image Segmentation: Can the Algorithm Learn Object Information During the Process?. DISCRETE GEOMETRY FOR COMPUTER IMAGERY, DGCI 2019, v. 11414, p. 15-pg., 2019-01-01. (14/12236-1, 18/08951-8)

MARTINS, SAMUEL BOTTER; BRAGANTINI, JORDAO; FALCAO, ALEXANDRE XAVIER; YASUDA, CLARISSA LIN. An adaptive probabilistic atlas for anomalous brain segmentation in MR images. Medical Physics, v. N/A, p. 11-pg., 2019-09-11. (13/07559-3, 18/08951-8, 14/12236-1)