• JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
 
  Bookmark and Share
 
 
Tese de Doutorado
DOI
10.11606/T.45.2012.tde-22102012-153717
Documento
Autor
Nome completo
Talita Perciano Costa Leite
E-mail
Unidade da USP
Área do Conhecimento
Data de Defesa
Imprenta
São Paulo, 2012
Orientador
Banca examinadora
Hirata Junior, Roberto (Presidente)
Kogler Junior, Joao Eduardo
Mascarenhas, Nelson Delfino d'Ávila
Orgambide, Alejandro César Frery
Tupin, Florence
Título em português
Detecção de estruturas finas e ramificadas em imagens usando campos aleatórios de Markov e informação perceptual
Palavras-chave em português
campos aleatórios de Markov
estruturas finas
fusão de imagens
Segmentação de imagens
visão computaional
Resumo em português
Estruturas do tipo linha/curva (line-like, curve-like), alongadas e ramificadas são comumente encontradas nos ecossistemas que conhecemos. Na biomedicina e na biociências, por exemplo, diversas aplicações podem ser observadas. Justamente por este motivo, extrair este tipo de estrutura em imagens é um constante desafio em problemas de análise de imagens. Porém, diversas dificuldades estão envolvidas neste processo. Normalmente as características espectrais e espaciais destas estruturas podem ser muito complexas e variáveis. Especificamente as mais "finas" são muito frágeis a qualquer tipo de processamento realizado na imagem e torna-se muito fácil a perda de informações importantes. Outro problema bastante comum é a ausência de parte das estruturas, seja por motivo de pouca resolução, ou por problemas de aquisição, ou por casos de oclusão. Este trabalho tem por objetivo explorar, descrever e desenvolver técnicas de detecção/segmentação de estruturas finas e ramificadas. Diferentes métodos são utilizados de forma combinada, buscando uma melhor representação topológica e perceptual das estruturas e, assim, melhores resultados. Grafos são usados para a representação das estruturas. Esta estrutura de dados vem sendo utilizada com sucesso na literatura na resolução de diversos problemas em processamento e análise de imagens. Devido à fragilidade do tipo de estrutura explorado, além das técnicas de processamento de imagens, princípios de visão computacional são usados. Busca-se, desta forma, obter um melhor "entendimento perceptual" destas estruturas na imagem. Esta informação perceptual e informações contextuais das estruturas são utilizadas em um modelo de campos aleatórios de Markov, buscando o resultado final da detecção através de um processo de otimização. Finalmente, também propomos o uso combinado de diferentes modalidades de imagens simultaneamente. Um software é resultado da implementação do arcabouço desenvolvido e o mesmo é utilizado em duas aplicações para avaliar a abordagem proposta: extração de estradas em imagens de satélite e extração de raízes em imagens de perfis de solo. Resultados do uso da abordagem proposta na extração de estradas em imagens de satélite mostram um melhor desempenho em comparação com método existente na literatura. Além disso, a técnica de fusão proposta apresenta melhora significativa de acordo com os resultados apresentados. Resultados inéditos e promissores são apresentados na extração de raízes de plantas.
Título em inglês
Detection of thin and ramified structures in images using Markov random fields and perceptual information
Palavras-chave em inglês
computer vision
image fusion
Image segmentation
Markov random fields
thin structures
Resumo em inglês
Line- curve-like, elongated and ramified structures are commonly found inside many known ecosystems. In biomedicine and biosciences, for instance, different applications can be observed. Therefore, the process to extract this kind of structure is a constant challenge in image analysus problems. However, various difficulties are involved in this process. Their spectral and spatial characteristics are usually very complex and variable. Considering specifically the thinner ones, they are very "fragile" to any kind of process applied to the image, and then, it becomes easy the loss of crucial data. Another very common problem is the absence of part of the structures, either because of low image resolution and image acquisition problems or because of occlusion problems. This work aims to explore, describe and develop techniques for detection/segmentation of thin and ramified structures. Different methods are used in a combined way, aiming to reach a better topological and perceptual representation of the structures and, therefore, better results. Graphs are used to represent the structures. This data structure has been successfully used in the literature for the development of solutions for many image processing and analysis problems. Because of the fragility of the kind of structures we are dealing with, some computer vision principles are used besides usual image processing techniques. In doing so, we search for a better "perceptual understanding" of these structures in the image. This perceptual information along with contextual information about the structures are used in a Markov random field, searching for a final detection through an optimization process. Lastly, we propose the combined use of different image modalities simultaneously. A software is produced from the implementation of the developed framework and it is used in two application in order to evaluate the proposed approach: extraction of road networks from satellite images and extraction of plant roots from soil profile images. Results using the proposed approach for the extraction of road networks show a better performance if compared with an existent method from the literature. Besides that, the proposed fusion technique presents a meaningful improvement according to the presented results. Original and promising results are presented for the extraction of plant roots from soil profile images.
 
AVISO - A consulta a este documento fica condicionada na aceitação das seguintes condições de uso:
Este trabalho é somente para uso privado de atividades de pesquisa e ensino. Não é autorizada sua reprodução para quaisquer fins lucrativos. Esta reserva de direitos abrange a todos os dados do documento bem como seu conteúdo. Na utilização ou citação de partes do documento é obrigatório mencionar nome da pessoa autora do trabalho.
Data de Publicação
2012-10-24
 
AVISO: O material descrito abaixo refere-se a trabalhos decorrentes desta tese ou dissertação. O conteúdo desses trabalhos é de inteira responsabilidade do autor da tese ou dissertação.
  • PERCIANO, Talita, et al. A hierarchical Markov random field for road network extraction and its application with optical and SAR data [doi:10.1109/IGARSS.2011.6049403]. In 2011 IEEE International Geoscience and Remote Sensing Symposium [online], Vancouver, BC, Canada, 2011. Vancouver, BC, Canada : IEEE, 2011. p. 1159-1162. ISBN 978-1-4577-1003-2.
  • SPORTOUCHE, Helene, et al. How to combine TerraSAR-X and COSMO-SkyMed high-resolution images for a better scene understanding ? [doi:10.1109/IGARSS.2012.6351608]. In Geoscience and Remote Sensing Symposium (IGARSS), 2012 IEEE International [online], Munich, Germany, 2012. Munich : IEEE, 2012. p. 178-181. ISBN 2153-6996.
  • PERCIANO, Talita, HIRATA, Roberto, and CASTRO JORGE, Lúcio André. Parameter Estimation for Ridge Detection in Images with Thin Structures. In BLOCH, Isabelle, and CESAR, Roberto M.. Progress in Pattern Recognition, Image Analysis, Computer Vision, and Applications [doi:10.1007/978-3-642-16687-7_52]. Editor. Berlin, Heidelberg : Springer Berlin Heidelberg, 2010. chap. 52. p. 386-393. Lecture Notes in Computer Science.
  • PERCIANO, Talita, HIRATA, Roberto, and CASTRO JORGE, Lúcio André. Ridge Linking Using an Adaptive Oriented Mask Applied to Plant Root Images with Thin Structures. In BLOCH, Isabelle, and CESAR, Roberto M.. Progress in Pattern Recognition, Image Analysis, Computer Vision, and Applications [doi:10.1007/978-3-642-16687-7_51]. Editor. Berlin, Heidelberg : Springer Berlin Heidelberg, 2010. chap. 51. p. 378-385. Lecture Notes in Computer Science.
Todos os direitos da tese/dissertação são de seus autores
Centro de Informática de São Carlos
Biblioteca Digital de Teses e Dissertações da USP. Copyright © 2001-2019. Todos os direitos reservados.