1 / 11

Implementação em C++ da Algoritmo de Segmentação eCognition

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

hayes
Download Presentation

Implementação em C++ da Algoritmo de Segmentação eCognition

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

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

  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 Existe f < p? Funde dois objetos em um único objeto Calcula f para objetos adjacentes Objetos 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 • σc é o desvio padrão da resposta espectral na banda c • wc 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 2000. Karlsruhe. Herbert Wichmann Verlag. 2000. • 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.

More Related