Segmentação Fuzzy de Texturas e Vídeos

A segmentação de uma imagem tem como objetivo subdividi-la em partes ou objetos constituintes que tenham algum conteúdo semântico relevante. Esta subdivisão pode também ser aplicada a um vídeo, porém, neste, os objetos estão presentes nos diversos quadros que compõem o vídeo. A tarefa de segmentar uma imagem torna-se mais complexa quando estas são compostas por objetos que contenham características texturais, com pouca ou nenhuma informação de cor. A segmentação difusa, do Inglês fuzzy, é uma técnica de segmentação por crescimento de regiões que determina para cada elemento da imagem um grau de pertinência (entre zero e um) indicando a confiança de que esse elemento pertença a um determinado objeto ou região existente na imagem, fazendo-se uso de funções de afinidade para obter esses valores de pertinência. Neste trabalho é apresentada uma modificação do algoritmo de segmentação fuzzy proposto por Carvalho [Carvalho et al. 2005], a fim de se obter melhorias na complexidade temporal e espacial. O algoritmo foi adaptado para segmentar vídeos coloridos tratando-os como volumes 3D. Para segmentar os vídeos, foram utilizadas informações provenientes de um modelo de cor convencional ou de um modelo híbrido obtido através de uma metodologia para a escolha dos melhores canais para realizar a segmentação. O algoritmo de segmentação fuzzy foi aplicado também na segmentação de texturas, fazendo-se uso de funções de afinidades adaptativas às texturas de cada objeto. Dois tipos de funções de afinidades foram utilizadas, uma utilizando a distribuição normal de probabilidade, ou Gaussiana, e outra utilizando a divergência Skew. Esta última, uma variação da divergência de Kullback- Leibler, é uma medida da divergência entre duas distribuições de probabilidades. Por fim, o algoritmo foi testado com alguns vídeos e também com imagens de mosaicos de texturas criadas a partir do álbum de Brodatz e outrosThe segmentation of an image aims to subdivide it into constituent regions or objects that have some relevant semantic content. This subdivision can also be applied to videos. However, in these cases, the objects appear in various frames that compose the videos. The task of segmenting an image becomes more complex when they are composed of objects that are defined by textural features, where the color information alone is not a good descriptor of the image. Fuzzy Segmentation is a region-growing segmentation algorithm that uses affinity functions in order to assign to each element in an image a grade of membership for each object (between 0 and 1). This work presents a modification of the Fuzzy Segmentation algorithm, for the purpose of improving the temporal and spatial complexity. The algorithm was adapted to segmenting color videos, treating them as 3D volume. In order to perform segmentation in videos, conventional color model or a hybrid model obtained by a method for choosing the best channels were used. The Fuzzy Segmentation algorithm was also applied to texture segmentation by using adaptive affinity functions defined for each object texture. Two types of affinity functions were used, one defined using the normal (or Gaussian) probability distribution and the other using the Skew Divergence. This latter, a Kullback-Leibler Divergence variation, is a measure of the difference between two probability distributions. Finally, the algorithm was tested in somes videos and also in texture mosaic images composed by images of the Brodatz albu