Estudo de técnicas de segmentação de imagens baseadas em extração de atributos de textura

Abstract

A segmentação de imagens é um dos passos na tentativa de aproximar a Visão Computacional do Sistema Visual Humano pois a capacidade humana de extrair informações visuais de um objeto ou de uma cena é algo que, apesar dos inúmeros avanços na área de Visão Computacional, ainda não foi completamente repassado para os computadores. Já a textura é uma fonte importante de informações e constitui um dos principais atributos visuais presentes em uma imagem, sendo capaz de distinguir regiões e contribuir para o procedimento de segmentação. Entretanto, comparar duas ou mais regiões e definir sua semelhança é um dos grandes obstáculos no processo de análise e segmentação de imagens, logo, para ajudar a superar este obstáculo, faz-se necessário o uso de técnicas capazes de analisar os atributos das imagens e, através dessa análise, definir o quão parecidas são as regiões. Sendo assim, este trabalho tem como objetivo, realizar um estudo para definir as melhores técnicas para segmentar as regiões de interesse nas imagens a partir dos seus atributos de texturas, sendo aplicado três métodos para tal finalidade: o algoritmo clássico de segmentação chamado K-means, os Filtros de Gabor e a técnica de Análise de Componentes Independentes. Neste trabalho, também são apresentados os resultados, obtidos da aplicação desses métodos nas imagens compostas por texturas obtidas do albúm de Brodatz, e a análise comparativa entre essas técnicas que, geralmente, são apontadas pela comunidade científica como as mais usadas na área de segmentação de imagens. Como resultado, tem-se imagens segmentadas constatando a Análise de Componentes Independentes como o melhor método para segmentação de texturas em relação aos outros estudados nessa pesquisa, apresentando ótimos resultados analíticos e baixos índices de erros.