Transformada imagem-floresta orientada diferencial e suas aplicações na segmentação de objetos sujeita a restrições de alto nível por cortes ótimos

• Ano de defesa: 2025
• Autor(a) principal: Condori, Marcos Ademir Tejada
• 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: Algoritmos diferenciais; Corte em grafo generalizado; Differential algorithms; Generalized graph cut; Image segmentation in directed graphs; Oriented image foresting transform; Segmentação de imagens em grafos direcionados; Transformada imagem-floresta orientada
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/45/45134/tde-21052025-203811/

A Transformada Imagem-Floresta (IFT) é um arcabouço baseado em grafos para desenvolver operadores de imagem baseados na conectividade ótima entre um conjunto de nós semente e os demais nós restantes, de acordo com uma determinada função de custo de caminho. A Transformada Imagem-Floresta Orientada (OIFT) foi proposta como uma extensão de alguns métodos de segmentação baseados na IFT para grafos direcionados, permitindo-lhes suportar o processamento de propriedades globais de objetos, tais como restrições de conexidade, restrições de forma, polaridade das bordas e restrições hierárquicas, permitindo assim sua personalização para um determinado objeto alvo de interesse. A OIFT encontra-se na interseção dos arcabouços Generalized Graph Cut e General Fuzzy Connectedness, herdando suas propriedades. A segmentação retornada pela OIFT é ótima em relação a uma medida de corte em grafo, entre todas as segmentações que satisfazem as restrições dadas, tendo sido usada com sucesso na segmentação tridimensional de estruturas anatômicas a partir de imagens médicas de tomografia computadorizada e ressonância magnética. Neste trabalho, apresentamos um estudo sobre a Transformada Imagem-Floresta Orientada Diferencial (DOIFT), que permite múltiplas execuções de OIFT para diferentes conjuntos de sementes, tornando o tempo de processamento proporcional ao número de nós modificados. Nossos resultados experimentais mostram ganhos consideráveis de eficiência sobre o fluxo sequencial de OIFTs na segmentação de imagens, mantendo um bom tratamento das zonas de empate. Demonstramos também que o fluxo diferencial torna viável a incorporação de conhecimento prévio sobre o tamanho máximo permitido para o objeto segmentado, evitando assim erros de falsos positivos na segmentação de imagens multidimensionais. Também propomos um algoritmo para criar eficientemente um mapa hierárquico que codifica resultados da OIFT com restrição de área para todos os limiares possíveis, facilitando a seleção rápida do objeto de interesse, como atestado em experimentos com imagens médicas.