Simplificação maximal da árvore máxima

A Árvore de Componentes é uma estrutura de dados que representa uma imagem através da relação de hierarquia de seus componentes conexos. Ela é uma estrutura adequada para a implementação de filtros conexos e que foi utilizada com sucesso em muitas aplicações. A Árvore Máxima é uma estrutura compacta para a representação da Árvore de Componentes. A principal contribuiçãoo deste trabalho é a proposta do filtro de Simplificação Maximal da Árvore Máxima (MMS) com dois possíveis critérios para efetuar o seu cálculo: um critério de limiarização normalizada (MMS-T) e um critério de Regiões Extremais Maximamente Estáveis (MMS-MSER). Uma metodologia para aplicar o filtro MMS em associação com o filtro de Extinção, que é formalmente definido nesse trabalho, é apresentada. É mostrado que após a aplicação da metodologia de simplificação, a qual escolhe o número de máximos relevantes a serem mantidos na imagem, o número de nós da Árvore Máxima simplificada é no máximo duas vezes o número de máximos mantidos. Para definir o filtro MMS, novos conceitos, como nó composto e sub-ramo são apresentados. Esses conceitos são importantes para definir muitos algoritmos da Árvore Máxima, e eles possuem interpretações interessantes em termos de processamento de imagem. Possíveis aplicações da metodologia proposta, tais como localização de texto, simplificação/segmentação de imagens e reconhecimento de objetos são ilustrados para mostrar o potencial da metodologia. Também, estudos explortatórios de detecção de regiões salientes em imagens e análise da robustez da topologia da Árvore Máxima são apresentados.The Component Tree is a data structure that represents an image through the hierarchical relationship of its connected components. It is an adequate structure to implement connected filters, and it has been successfully used in many applications. The Max-Tree is a compact structure for the Component Tree representation. The main contribution of this work is the proposal of the Maximal Max-Tree Simplification (MMS) filter with two possible criteria to compute the filter: a normalized threshold criterion (MMS-T) and a Maximally Stable Extremal Regions (MSER) criterion (MMS-MSER). A methodology to apply the MMS filter in association to the Extinction filter, which is formally defined in this work, is presented. It is shown that after applying our simplification methodology, which sets the number of relevant maxima in the image to be kept, the number of nodes in the simplified Max-Tree is at most twice this number. In order to define the MMS filter, new concepts, such as composite node and sub-branches are introduced. These concepts are important to define many Max-Tree algorithms, and they have interesting interpretations in terms of image processing. Possible applications of the methodology proposed, such as text location, object recognition, and image simplification/segmentation are illustrated to demonstrate the potential of this methodology. Also, exploratory studies, such as detection of distinguished regions in the image, and analysis of the robustness of the Max-tree topology are presented