Visão computacional em multi-resolução e multi-escala: abordagem estatística via grupo de renormalização.

• Ano de defesa: 1998
• Autor(a) principal: Kogler Junior, João Eduardo
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Computer vision; Image; Imagem; Visão computacional
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/3/3142/tde-22112024-151643/

O objetivo deste trabalho é o estabelecimento de uma metodologia para predizer e rastrear atributos visuais locais de imagens que sofreram uma transformação de escala e resolução. Os ítens essenciais dessa metodologia são: o emprego de campos markovianos como modelos imagens; uso do método do grupo de renormalização para realizar as transformações de escala e resolução; a exploração das propriedades dessa transformação que permitem estabelecer uma associação entre atributos locais das versões da imagem em diferentes escalas e resoluções. Utilizou-se o modelo da membrana fraca, numa versão próxima à do modelo de regularização local. As transformações empreendidas com o grupo de renormalização visaram obter resultados que enfatizassem aspectos de auto-similaridade, em detrimento do estudo de fênomenos de transições de fase. O primeiro aspecto é mais interessante sob o ponto de vista de rastreamento de atributos através das escalas e resoluções. A motivação imediata do trabalho foi o desenvolvimento de um método para propagar contornos e rótulos de pixels em uma estrutura multiescala, de modo a acelerar o processamento de segmentação de regiões em imagens de tomografia por ressonância magnética. Os resultados alcançados com o rastreamento de bordas foram utilizados para orientar a segmentação multiescala de imagens de tomogafia por ressonância magnética usando contornos ativos.