Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Universidade Federal de São Carlos (UFSCar) | - |
Autor(es): dc.contributor | Empresa Brasileira de Pesquisa Agropecuária (EMBRAPA) | - |
Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
Autor(es): dc.creator | Souza, Gustavo B. | - |
Autor(es): dc.creator | Alves, Gabriel M. | - |
Autor(es): dc.creator | Levada, Alexandre L.M. | - |
Autor(es): dc.creator | Cruvinel, Paulo E. | - |
Autor(es): dc.creator | Marana, Aparecido N. [UNESP] | - |
Data de aceite: dc.date.accessioned | 2022-08-04T22:06:14Z | - |
Data de disponibilização: dc.date.available | 2022-08-04T22:06:14Z | - |
Data de envio: dc.date.issued | 2022-04-28 | - |
Data de envio: dc.date.issued | 2022-04-28 | - |
Data de envio: dc.date.issued | 2017-01-10 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.1109/SIBGRAPI.2016.046 | - |
Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/220799 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/220799 | - |
Descrição: dc.description | Image segmentation is one of the most important tasks in Image Analysis since it allows locating the relevant regions of the images and discarding irrelevant information. Any mistake during this phase may cause serious problems to the subsequent methods of the image-based systems. The segmentation process is usually very complex since most of the images present some kind of noise. In this work, two techniques are combined to deal with such problem: One derived from the graph theory and other from the anisotropic filtering methods, both emphasizing the use of contextual information in order to classify each pixel in the image with higher precision. Given a noisy grayscale image, an anisotropic diffusion filter is applied in order to smooth the interior regions of the image, eliminating noise without loosing much information of boundary areas. After that, a graph is built based on the pixels of the obtained diffused image, linking adjacent nodes (pixels) and considering the capacity of the edges as a function of the filter properties. Then, after applying the Ford-Fulkerson algorithm, the minimum cut of the graph is found (following the min cut-max flow theorem), segmenting the object of interest. The results show that the proposed approach outperforms the traditional and well-referenced Otsu's method. | - |
Descrição: dc.description | Universidade Federal de São Carlos | - |
Descrição: dc.description | Embrapa Instrumentação | - |
Descrição: dc.description | Universidade Estadual Paulista | - |
Descrição: dc.description | Universidade Estadual Paulista | - |
Formato: dc.format | 281-288 | - |
Idioma: dc.language | en | - |
Relação: dc.relation | Proceedings - 2016 29th SIBGRAPI Conference on Graphics, Patterns and Images, SIBGRAPI 2016 | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | Anisotropic Diffusion | - |
Palavras-chave: dc.subject | Graph Theory | - |
Palavras-chave: dc.subject | Image Segmentation | - |
Palavras-chave: dc.subject | Min Cut-Max Flow | - |
Título: dc.title | A graph-based approach for contextual image segmentation | - |
Aparece nas coleções: | Repositório Institucional - Unesp |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: