Graph cut and image segmentation using an hierarquical agglomerative clustering algorithm

dc.creatorChiba, Elaine Ayumi, 1988-
dc.date2014
dc.date2017-04-02T02:15:21Z
dc.date2017-06-07T19:02:58Z
dc.date2017-04-02T02:15:21Z
dc.date2017-06-07T19:02:58Z
dc.date.accessioned2018-03-29T02:10:12Z
dc.date.available2018-03-29T02:10:12Z
dc.identifierCHIBA, Elaine Ayumi. Corte em grafos e segmentação de imagens utilizando um algoritmo aglomerativo de agrupamento hierárquico. 2014. 39 f. Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Tecnologia, Limeira, SP. Disponível em: <http://www.bibliotecadigital.unicamp.br/document/?code=000927478>. Acesso em: 1 abr. 2017.
dc.identifierhttp://repositorio.unicamp.br/jspui/handle/REPOSIP/267698
dc.identifier.urihttp://repositorioslatinoamericanos.uchile.cl/handle/2250/1311836
dc.descriptionOrientador: Marco Antonio Garcia de Carvalho
dc.descriptionDissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Tecnologia
dc.descriptionResumo: Representar os elementos de uma imagem em forma de grafos torna a estrutura organizada permitindo formular problemas de forma flexível e ser computacionalmente mais eficiente. Existem muitas técnicas da teoria de grafos sendo utilizadas em processamento digital de imagens. Em particular, o particionamento em grafos ou corte em grafos tem sido estudada por diversos autores como uma ferramenta de segmentação de imagens. Particionamento de um grafo refere-se à sua divisão em vários subgrafos tais que cada um deles representa um objeto de interesse na imagem. Neste trabalho, propomos um algoritmo de agrupamento hierárquico aglomerativo dos nós do grafo com base nas métricas de corte e corte médio. As segmentações foram avaliadas usando o benchmark da Berkeley BSDS500 que compara e classifica as segmentações em relação à outras técnicas existentes na literatura. Os resultados obtidos são promissores e nos permite concluir de que a combinação das métricas de corte e corte médio possibilitou melhores segmentações
dc.descriptionAbstract: Representing the elements of an image in graphs makes the structure organized allowing to formulate problems in a flexible manner and can be more computationally efficient. There are many techniques of graph theory that are used in digital image processing. In particular, the graph partitioning or graph cut has been studied by several authors as a tool for image segmentation. Partitioning a graph refers to its division into several subgraphs such that each of them represents a meaningful object of interest in the image. In this work we propose a algorithm based on hierarchical agglomerative clustering of the graph nodes driven by the cut and mean cut criteria. The segmentati- ons results were evaluated using the benchmark of Berkeley BSDS500 that compares and classifies the results in relation to other existing techniques in the literature. The results obtained are promising and allows us to conclude that the combination of the cut and mean cut criteria possible best segmentations
dc.descriptionMestrado
dc.descriptionTecnologia e Inovação
dc.descriptionMestra em Tecnologia
dc.format39 f. : il.
dc.formatapplication/pdf
dc.publisher[s.n.]
dc.subjectTeoria dos grafos
dc.subjectSegmentação de imagens
dc.subjectCorte de grafos
dc.subjectGraph theory
dc.subjectImage segmentation
dc.subjectCut graphs
dc.titleCorte em grafos e segmentação de imagens utilizando um algoritmo aglomerativo de agrupamento hierárquico
dc.titleGraph cut and image segmentation using an hierarquical agglomerative clustering algorithm
dc.typeTesis


Este ítem pertenece a la siguiente institución