Segmentação Assistida em Imagens de Grande Resolução

Existem diversas técnicas de segmentação de imagens na literatura, e a importância delas pode ser vista em várias aplicações de áreas como, por exemplo, a visão computacional e o reconhecimento de padrões. Dentre essas áreas, temos a segmentação interativa de imagens, que se utiliza de algoritmos de segmentação assistidos para separar uma imagem em duas regiões com a utilização de marcações feitas pelo usuário. Um método que apresentou resultados interessantes na área da segmentação de imagens foi o Superpixel Laplacian Coordinates, que conseguiu resolver este problema com resultados bastante satisfatórios com relação a qualidade da segmentação e com relação ao tempo de execução, até mesmo em imagens de alta resolução. Apesar de sua performance ser superior a outros algoritmos utilizados em segmentação assistida, ele apresenta algumas etapas bem custosas com relação ao seu tempo de execução, sendo a mais demorada a aplicação do algoritmo SLIC para a geração de superpixels. O presente trabalho tem como objetivo encontrar técnicas de segmentação assistida de imagem que possam ser utilizadas em imagens de alta resolução. Para isso foi utilizado o algoritmo Superpixel Laplacian Coordinates, buscando otimizar suas etapas mais custosas mantendo a qualidade da segmentação final o mais próximo possível do resultado obtido pelo algoritmo original. Também foi desenvolvida uma nova técnica de segmentação derivada do Laplacian Coordinates, que também teve seu comportamento analisado nos diferentes conjuntos de imagens utilizados, denominado pelo presente trabalho como Pyramid Laplacian Coordinates. Para as variações do Superpixel Laplacian Coordinates foram utilizados 4 algoritmos de superpixel, incluindo o próprio SLIC, com variados parâmetros de entrada para conseguir uma comparação melhor de suas vantagens e desvantagens. Além disso realizamos a paralelização de algumas etapas do Superpixel Laplacian Coordinates para diminuir ainda mais seu tempo de processamento. Além de encontrar métodos de segmentação que possam ser utilizados em imagens de alta resolução, o presente trabalho disponibiliza uma aplicação gratuita e de código aberto que pode ser reaproveitada em trabalhos futuros.