A apresentação está carregando. Por favor, espere

A apresentação está carregando. Por favor, espere

Implementação em C++ da Algoritmo de Segmentação eCognition Projeto de Visão Computacional II Aluno: Leonardo de Oliveira Martins Rio de Janeiro, abril/2008.

Apresentações semelhantes


Apresentação em tema: "Implementação em C++ da Algoritmo de Segmentação eCognition Projeto de Visão Computacional II Aluno: Leonardo de Oliveira Martins Rio de Janeiro, abril/2008."— Transcrição da apresentação:

1 Implementação em C++ da Algoritmo de Segmentação eCognition Projeto de Visão Computacional II Aluno: Leonardo de Oliveira Martins Rio de Janeiro, abril/2008 Pontifícia Universidade Católica do Rio de Janeiro Visão Computacional II Prof. Raul Feitosa

2 Introdução Problema Segmentação de nódulos em dados pulmonares Solução proposta Algoritmo baseado na metodologia proposta por Baatz e Schäpe (2000) Versão atual em MATLAB Tempo de processamento alto Objetivo Implementar uma versão desse algoritmo em C/C++ Redução do tempo de processamento

3 Segmentação eCognition Técnica de crescimento de regiões, orientada a objetos e multi-resolução Utiliza informação espectral e de forma para realizar a segmentação Reduz a heterogeneidade de objetos em uma escala especificada Funciona para uma grande variedade de tipos de dados Testado com sucesso em diversas aplicações ( Schiewe et al. 2001, Antunes et al. 2003, Laliberte et al. 2004, Van Aardt 2004, Van Aardt and Wynne 2004 apud JOSEPH 2005 )

4 Segmentação eCognition Critério de fusão: Baseado em um critério de homogeneidade local, descrevendo a similaridade entre objetos adjacentes Um custo de fusão é associado para cada fusão possível representado o grau de adequação (degree of fitting) A fusão é realizada se o grau de adequação for menor que um limiar determinado O limiar determinará o tamanho dos objetos resultantes da segmentação, por isso é chamado de parâmetro de escala

5 Procedimento geral Funde dois objetos em um único objeto Existe f < p ? Objetos Calcula f para objetos adjacentes Imagem

6 Custo de Fusão O custo de fusão f de dois objetos é dado por sendo p um peso para o critério espectral no intervalo de 0 a 1

7 Custo de Fusão Heterogeneidade espectral: Sendo que σ c é o desvio padrão da resposta espectral na banda c w c é um peso dado à banda c n é o tamanho do objeto

8 Custo de Fusão Heterogeneidade da forma

9 Custo de Fusão Sendo que n é o tamanho do objeto l é o perímetro do objeto b é o perímetro da bounding box do objeto

10 Implementação Linguagem C/C++ Ambiente Dev-Cpp Manipulação dos dados pulmonares (Padrão DICOM) Biblioteca DCMTK ou Biblioteca Xmedcon

11 Referências BAATZ, M.; SCHÄPE, A.; Multiresolution segmentation – an optimization approach for high quality multi-scale image segmentation. In Strobl, Blaschke & Greisebener (Edts): Angewandte Geographische Informationsverarbeitung XII. Beiträge zum AGIT- Symposium Salzburg Karlsruhe. Herbert Wichmann Verlag JOSEPH, K. A. Comparison of Segment and Pixel Based Non- Parametric Classification of Land Cover in the Amazon Region of Brazil Using Multitemporal Landsat TM/ETM+ Imagery. Tese de mestrado. Virginia Polytechnic Institute and State University, 2005.


Carregar ppt "Implementação em C++ da Algoritmo de Segmentação eCognition Projeto de Visão Computacional II Aluno: Leonardo de Oliveira Martins Rio de Janeiro, abril/2008."

Apresentações semelhantes


Anúncios Google