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

Autores

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

DOI:

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

Resumo

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.

Referências

[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

Publicado

2005-06-01

Como Citar

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

Edição

v. 6 n. 2 (2005)

Seção

Artigo Original

Licença

Direitos Autorais

Autores de artigos publicados no periódico Trends in Computational and Applied Mathematics mantêm os direitos autorais de seus trabalhos. O periódico utiliza a Atribuição Creative Commons (CC-BY) nos artigos publicados. Os autores concedem ao periódico o direito de primeira publicação.

Propriedade Intelectual e Termos de uso

O conteúdo dos artigos é de responsabilidade exclusiva dos autores. O periódico utiliza a Atribuição Creative Commons (CC-BY) nos artigos publicados. Esta licença permite que os artigos publicados sejam reutilizados sem permissão para qualquer finalidade, desde que o trabalho original seja corretamente citado.

O periódico encoraja os Autores a autoarquivar seus manuscritos aceitos, publicando-os em blogs pessoais, repositórios institucionais e mídias sociais acadêmicas, bem como postando-os em suas mídias sociais pessoais, desde que seja incluída a citação completa à versão do website da revista.