O algoritmo de segmentação de imagens EDISON (Edge Detection and Image SegmentatiON system) é um dos melhores métodos de segmentação da atualidade e vale a pena ser estudado.
Contents
Visão Geral: Edge Detection and Image SegmentatiON system
The system is built using two separate modules: a confidence based edge detector and a mean shift based image segmenter.
EDISON funciona empregando:
Conceitos Básicos
Mean Shift: Deslocamento para a Média
O termo “mean shift” não pode ser confundido com “média móvel” (moving average). Uma tradução de mean shift é “deslocamento para a/em direção à média” e pode ser entendido como
- uma técnica não paramétrica de análise de espaço de atributos para localização dos máximos de uma função de densidade ou
- como um algoritmo de localização de modas.
Como é uma técnica não paramétrica, não necessita de conhecimentos a priori acerca de número de agrupamentos e não restringe o formato destes agrupamentos.
Para o domínio do processamento de imagens o conceito é definido por Yizong Cheng como: “a simple iterative procedure that shifts each data point to the average of data points in its neighborhood”. Sob essa interpretação, segundo Yizong Cheng a técnica da estatística exploratória da Análise de Agrupamentos pode ser considerada como um caso especial de mean shift.
Segmentador baseado em Deslocamento para a Média
Detector de Bordas baseado em Confiança
- Intensidade/acuidade de gradiente
- Qualidade/tamanho da borda
Segmentador Sinergístico
O Segmentador Sinergístico une estes dois conceitos:
- Detector de Bordas baseado em Confiança
- Segmentador baseado em Deslocamento para a Média
Para mais infos, veja os links externos abaixo.
Exemplos usando o Conjunto de Berkeley
Links
Externos
- Artigo:Yizong Cheng: “Mean Shift, Mode Seeking, and Clustering”. IEEE PAMI 1995
- Artigo: Mean shift: a robust approach toward feature space analysis. IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE, VOL. 24, NO. 5, MAY 2002
- Whitepaper: Mean Shift Clustering
- Artigo: C. Christoudias, B. Georgescu, P. Meer: “Synergism in low-level vision.” 16th International Conference on Pattern Recognition, Quebec City, Canada, August 2002, vol. IV, 150-155.
- Código-fonte e binários para EDISON da Universidade Rutgers
- Página de Manual de EDISON na Universidade Rutgers
- Página sobre EDISON na University of Central Florida
possui graduação em Ciências da Computação pela Universidade Federal de Santa Catarina (1989) e Doutorado Acadêmico (Dr. rer.nat.) em Ciências da Computação pela Universidade de Kaiserslautern (1996). Atualmente é professor Titular da Universidade Federal de Santa Catarina, onde é professor do Programa de Pós-graduação em Ciência da Computação e dos cursos de graduação em Ciências da Computação e Sistemas de Informação. Tem experiência nas áreas de Informática em Saúde, Processamento e Análise de Imagens e Engenharia Biomédica, com ênfase em Telemedicina, Telerradiologia, Sistemas de Auxílio ao Diagnóstico por Imagem e Processamento de Imagens Médicas, com foco nos seguintes temas: analise inteligente de imagens, DICOM, CBIR, informática médica, visão computacional e PACS. Coordena o Instituto Nacional de Ciência e Tecnologia para Convergência Digital - INCoD. Foi o criador e primeiro Coordenador do Núcleo de Telessaúde de Santa Catarina no âmbito do Programa Telessaúde Brasil do Ministério da Saúde e da OPAS - Organização Pan-Americana de Saúde e criador do Núcleo Santa Catarina da RUTE - Rede Universitária de Telemedicina.