Uma Versão Intervalar do Método de Segmentação de Imagens Utilizando o K-means

Authors

  • A. Takahashi
  • B.R.C Bedregal
  • A. Lyra

DOI:

https://doi.org/10.5540/tema.2005.06.02.0315

Abstract

Uma etapa importante em processamento de imagens digitais é a segmenta ção de imagens, pois, esta etapa é o primeiro passo no processo de análise de imagens, e, a minimização/controle de qualquer erro neste passo é fundamental para um melhor resultado da análise. Atualmente, existem diversos métodos de segmentação de imagens, dentre eles o k-means, e muitas pesquisas são realizadas visando o desenvolvimento de métodos para processamento de imagens digitais cada vez mais precisos. O uso da matemática intervalar associada ao processamento de imagens digitais tem como objetivo controlar possíveis erros computacionais. Processamento de imagens digitais intervalares é uma teoria recente, e, será apresentado neste estudo, a definição de imagens digitais intervalares juntamente com seu processamento, e nesse dentro desse processamento, a segmentação de imagens digitais intervalares, utilizando o método k-means intervalar, que tem como base o método de agrupamento k-means.

References

[1] B.R.C. Bedregal e B.M. Acióly, A Quasi-metric Topology Compatible with Inclusion Monotonicity on Interval Space, International Journal Realiable Computing, 3 (1997), 305-310.

G.B. Coleman e H.C. Andrew, Image Segmentation by Clustering, em “Procedings of IEEE”, pp. 773-785, 1979.

V. Faber, Clustering and the Continuous K-means Algorithm, em “los Alamos Science”, Vol. 22, pp. 138-144,, 1994.

D.A. Forsyth e J Ponce, “Computer Vision: A Modern Approach”, Prentice Hall, 2002.

R.C. Gonzalez e R.E. Woods, “Processamento de Imagens Digitais”, Edgard Blucher Ltda, 2000.

T. Kanungo, D.M. Mount, N.S. Netanyahu, R. Silverman, C. Piatko e A.Y. Wu, The Analysis of a Simple K-means Clustering Algorithm, em “Proceeding of the Sixteent Annual Symposium on Computational Geometry”, pp. 100-200, 2000.

V. Kreinovich, A. Lakeyev, J. Rohn e P. Kahl, “Computational Complexity and Feasibility of Data Processing and Interval Computations”, Kluwer Academic Publishers, 1998.

S.P. Lloyd, Least Square Quantization in PCM, IEEE Transactions on Information Theory, 28 (1982), 129-137.

Downloads

Published

2005-06-01

How to Cite

Takahashi, A., Bedregal, B., & Lyra, A. (2005). Uma Versão Intervalar do Método de Segmentação de Imagens Utilizando o K-means. Trends in Computational and Applied Mathematics, 6(2), 315–324. https://doi.org/10.5540/tema.2005.06.02.0315

Issue

Vol. 6 No. 2 (2005)

Section

Original Article

License

Copyright

Authors of articles published in the journal Trends in Computational and Applied Mathematics retain the copyright of their work. The journal uses Creative Commons Attribution (CC-BY) in published articles. The authors grant the TCAM journal the right to first publish the article.

Intellectual Property and Terms of Use

The content of the articles is the exclusive responsibility of the authors. The journal uses Creative Commons Attribution (CC-BY) in published articles. This license allows published articles to be reused without permission for any purpose as long as the original work is correctly cited.

The journal encourages Authors to self-archive their accepted manuscripts, publishing them on personal blogs, institutional repositories, and social media, as long as the full citation is included in the journal's website version.