Avaliação de critérios de heterogeneidade baseados em atributos morfológicos para segmentação de imagens por crescimento de regiões Translated title: Evaluation of heterogeneity criteria based on morphological attributes for image segmentation by region growing

Abstract

Avalia-se neste trabalho o impacto de se considerar atributos morfológicos na formulação do critério que governa o crescimento de regiões na segmentação de imagens. Para tanto, uma extensão do algoritmo de segmentação multiresolução proposto por Baatz e Schäpe (2000) foi proposta e implementada, permitindo que se testassem critérios derivados de diferentes atributos morfológicos. O estudo valeu-se de um método supervisionado para medir numericamente a qualidade da segmentação. O resultado ideal da segmentação foi representado por um conjunto de segmentos de referência delineados manualmente para três recortes de imagens Quickbird-2. Para cada critério testado, os valores ótimos para os parâmetros do algoritmo de segmentação foram determinados por um processo estocástico que procurou minimizar a discrepância entre as referências e o resultado de cada segmentação. Uma análise tanto quantitativa quanto qualitativa dos resultados indicou inequivocamente que a inclusão de atributos morfológicos no critério de heterogeneidade, que decide a fusão entre segmentos adjacentes no processo de crescimento de regiões, pode resultar numa substancial melhoria da qualidade da segmentação. O artigo realça ainda a importância de se adotar atributos morfológicos apropriados para cada classe de objetos e tece considerações que orientam a escolha destes atributos.

Translated abstract

This study assesses the impact of using morphological attributes in the formulation of the criterion that rules the region growing process in image segmentation. Therefore, an extension to the multi-resolution segmentation algorithm proposed by Baatz and Schäpe (2000) was proposed and implemented, allowing testing criteria derived from different morphological attributes. The study used a supervised method to measure the segmentation quality numerically. The ideal segmentation result was represented by a set of reference segments delineated manually for three Quickbird-2 image subsets. For each tested criterion, the optimal values of the segmentation algorithm parameters were determined by a stochastic process that aimed at minimizing the discrepancy between the references and the result of each segmentation. Quantitative and qualitative analysis of the results indicated unequivocally that the introduction of morphological attributes in the heterogeneity criterion, which drives the merging of adjacent segments in the region growing process, can result in a substantial improvement in segmentation quality. The paper highlights the importance of adopting morphological attributes suitable for each object class and discusses the selection of such attributes.