Visão geral

O conteúdo de interesse na imagem em análise é denominado amostra. Uma amostra pode ser um elemento básico da imagem (pixel), uma região com textura e cor características (superpixel), um objeto com forma conhecida, ou uma subimagem em torno de um objeto.

Este curso aborda inicialmente os fundamentos de análise de imagem, onde são apresentados os conceitos e técnicas clássicas para cada uma das etapas do processo de análise: (a) extração de amostras, representação (caracterização) das amostras, aprendizado de máquina, e classificação de padrões. Na sequência, técnicas mais avançadas são apresentadas para cada etapa do processo.

A extração de amostras pode requerer a segmentação da imagem. O curso apresenta os principais paradigmas de segmentação de imagem baseada em borda, região, e modelo de aparência/forma. A caracterização das amostras pode ser baseada em transformações lineares e/ou não-lineares. No caso linear, o curso apresenta uma formulação geral para transformações do espaço-frequência e a filtragem multiescala da imagem para a caracterização. Para o caso não-linear, são apresentados vários outros descritores de imagem baseados em cor, forma, e textura, como por exemplo descritores baseados em dicionário visual e rede de convolução. No caso de descritores de forma, o curso também apresenta transformadas geodésica e de distância, e esqueletos multiescala como representações clássicas para a obtenção desses descritores. Em um dado espaço de representação, as amostras podem ser categorizadas por um modelo de decisão ou agrupadas por similaridade. O curso apresenta técnicas de aprendizado de máquina e classificação de padrões para categorização e agrupamento de amostras.

Alexandre Falcão 2018-08-05