Segmentação interativa de imagens utilizando modelos gravitacionais

Abstract

Neste trabalho, foi proposto um algoritmo semi-supervisionado baseado no modelo gravitacional para realizar a segmentação de imagens coloridas. O algoritmo de agrupamento gravitacional é conhecido há bastante tempo, contando com diversas publicações que estudaram seu funcionamento e propriedades. Recentemente, foi utilizado para realizar a segmentação de imagens coloridas através de aprendizado não supervisionado, mas ainda não foi estudado dentro do paradigma de aprendizado semi-supervisionado. Combinar dados rotulados com dados não rotulados é uma abordagem que pode proporcionar um aumento na precisão do algoritmo. Assim, a ideia proposta para o algoritmo envolveu a noção de que um ponto em uma classe exerce uma força gravitacional maior sobre outro ponto que pertence a essa mesma classe do que à um ponto que não pertence. Dessa maneira, os pontos não rotulados de uma classe se movem em direção a elementos rotulados, que ficam fixos. A partir disso, o algoritmo foi utilizado para realizar a segmentação de imagens coloridas baseando-se em informações, fornecidas pelo usuário, de localização e coloração dos píxeis como atributos do objeto de interesse. Para isso, foram analisadas 22 imagens coloridas do banco de dados BSDS300, que foram trabalhadas no espaço de cores RGB. A análise confirmou a eficácia do algoritmo empregado na segmentação das imagens coloridas, em especial para as seções monocromáticas. Para as regiões que apresentaram variância de luminância, foi notado que a segmentação não foi ideal, pois partes do objeto analisado na imagem foram segregadas em clusters distintos.

In this work, an semi supervisioned algorithm based on the gravitational model for image segmentation of color images was proposed. The gravitational clustering algorithm has been known for quite some time, with many studies about it’s behavior and properties. Recently, it has been applied to color image segmentation throught the unsupervised learning method, but no work on the semi-supervised method has been reported yet. Merging the use of labeled and unlabeled data in an algorithm is used as a method that increases it’s accuracy. Therefore, the ideia behind the algorithm is that points that belong to a certain class will apply an greater gravitational force to the points that belong to the same class as opposed to the points that belong to another class. So, the unlabeled points of a class will move towards elements that have already been classified. Hence, using information about the pixel location and color as atributes that were provided by the user, the algorithm was used to segment color images. For this, 22 color images were taken from the BSDS300 database and worked with the RGB color space. The study confirmed the algorithm effectiveness in the segmentation of color images, specially around the monochromatic sections. Although, at the regions with luminance variance the segmentation was not ideal, as parts of the analysed object present in the image were grouped in different clusters.