Um paradigma para re-segmentação de imagens de alta resolução

• Ano de defesa: 2007
• Autor(a) principal: Thales Sehn Korting
• Orientador(a): Leila Maria Garcia Fonseca, Luciano Vieira Dutra
• Banca de defesa: José Demisio Simões da Silva, Raul Queiroz Feitosa
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Instituto Nacional de Pesquisas Espaciais (INPE)
• Programa de Pós-Graduação: Programa de Pós-Graduação do INPE em Computação Aplicada
• País: BR
• Resumo em Inglês: Image segmentation is one of the most important tasks in Digital Image Processing. It is used in several scientific areas, such as character recognition, image detection and classification. Segmentation is being applied also to remote sensing data, since the sensors present better resolution nowadays. This work proposes a methodology for re-segmentation of high resolution urban imagery, shape and graph based. The input is formed by a set of images and polygons resultant from an over-segmentation. Adjacent regions, or polygons, are connected in a graph structure, and a graph search is performed, looking for rectangular shapes, present on roofs and buildings. For other urban objects, such as streets or trees, other heuristic are employed. To perform such task, a previous operation is necessary. The classification is done over the set of polygons, using the Self Organizing Maps (SOM) algorithm. The polygons are then classified and connected in a Region Adjacency Graph (RAG), according their topology. Using the RAG, the algorithm tries to fit rectangles for building and roof classes, and other heuristic-based approaches for merging polygons from remaining classes. The result of the algorithm is a new set of polygons that best fits the urban environment. Some results are shown and discussed, as a way to prove the accuracy of the proposed work.
• Link de acesso: http://urlib.net/sid.inpe.br/mtc-m17@80/2007/11.21.15.42

A segmentação de imagens é uma das mais importantes tarefas na área de processamento digital de imagens. Utilizada em diversas áreas da ciência, como reconhecimento de caracteres e faces humanas, detecção e classificação de imagens, a segmentação tem recebido grande atenção em sensoriamento remoto, devido aos sensores apresentarem resoluções espectrais e espaciais cada vez melhores. Este trabalho propõe uma metodologia para re-segmentação de imagens urbanas de alta resolução baseada em formas retangulares. O método tem como entrada uma ou mais imagens, e um conjunto de polígonos resultantes da segmentação, onde os segmentos adjacentes são conectados em uma estrutura de grafos. Sobre essa estrutura são realizadas buscas por agregações de polígonos cujos formatos sejam retangulares, para objetos tradicionais do ambiente urbano, como por exemplo telhados. Para os demais objetos urbanos, {it e.g.} praças, árvores, corpos d'água, etc., são utilizadas outras heurísticas para agregar os polígonos. Visando facilitar a conexão dos segmentos, uma etapa anterior é realizada, a chamada pré-classificação da entrada. Essa deve separar a entrada em classes diferentes, conectando apenas polígonos de mesma classe, e guardando a topologia da vizinhança, pela conexão de vizinhos em primeira ordem de classes diferentes. O algoritmo empregado para a classificação foi o dos Mapas Auto-Organizáveis de Kohonen, ou Self Organizing Maps (SOM). Os polígonos classificados são conectados em uma estrutura de grafos adjacentes, apresentada na literatura como Region Adjacency Graphs (RAG). Sobre o RAG são feitas as buscas por formas retangulares e outras agregações são realizadas por heurísticas definidas como conhecimento a priori. O resultado da re-segmentação é um novo conjunto de polígonos, que melhor representa o ambiente urbano. Resultados são apresentados e discutidos, de forma a comprovar a acurácia da técnica apresentada, quando comparada com métodos consagrados na literatura.