Segmentação de imagens utilizando agrupamento de dados
processamento de imagens, segmentação de imagens, texturas, mistura de gaussianas, clustering.
A segmentação é uma das etapas mais complexas em processamento de imagens e o foco em pesquisas nessa área tem sido cada vez maior. Segmentar, significa subdividir uma imagem em suas regiões distintas a partir de propriedades dos pixels, tais como nível de cinza e textura. Este trabalho apresenta um novo método de segmentação com base na extração de características de texturas em imagens. O método consiste em gerar um conjunto de dados baseado nos valores dos pixels presentes na imagem e depois agrupá-los em classes que representarão as texturas que constituem a imagem. A realização do agrupamento dos pixels ocorre através da aplicação de uma técnica de clustering que inicialmente agrupa os pontos do conjunto de dados em classes auxiliares fazendo o uso de uma técnica de quantização vetorial. Essas classes auxiliares serão ligadas formando uma única classe dependendo do grau de compartilhamento de características da textura. Os métodos tradicionais que calculam a similaridade ou dissimilaridade entre grupos possuem algumas limitações quanto ao aumento da distância entre as médias desses grupos. Uma alternativa utilizada nesse trabalho é de um novo método que empregando o conceito de mistura de gaussianas calcula a divergência entre um conjunto de dados modelado por gaussianas com o modelo de uma única gaussiana que descreve todo o conjunto. Esta abordagem tem como objetivo propor um método eficiente de segmentação de imagem com base em texturas através da aplicação de um método de clustering.