Defesa de Dissertação de Mestrado de Bianca de Araujo Mendes da Silva, em 19/02/2024, às 10:00 horas, por videoconferência
Link para defesa: http://meet.google.com/ncn-pxhs-bcv
Um Estudo sobre o Espaço de Parâmetros Linear por Partes na Transformada de Hough
Resumo:
A Transformada de Hough (HT) é comumente utilizada para detectar formas facilmente parametrizadas em imagens relativamente pequenas. Esta técnica define um conjunto de células acumuladoras que representa o espaço de parâmetros discretizado da forma a ser encontrada, seguido por um processo de votação onde os dados de entrada depositam votos nestas células que correspondem às instâncias das formas que os contém e, por fim, realiza a busca por máximos locais no resultado da votação, sendo a localização desses máximos a representação das instâncias de formas geométricas mais aparentes no dado de entrada. No entanto, este método torna-se impraticável para formas com muitos parâmetros ou imagens consideravelmente grandes devido ao aumento da quantidade de memória necessária com base na resolução da imagem de entrada e à alta dimensionalidade do espaço de parâmetros, tornando-a inviável em cenários específicos. Neste trabalho, é introduzida uma técnica que utiliza a HT para gerar um espaço de parâmetros formado por células acumuladoras que não caracteriza uma discretização regular do espaço de parâmetros, mas que estabelece uma variedade linear por partes por meio da triangulação de Delaunay e detecta máximos locais através da definição de Banchoff, permitindo assim a identificação de formas geométricas. Este método reduz tanto a quantidade de memória necessária quanto o tempo de processamento, tornando a HT viável para a detecção de linhas em imagens gigantescas ou a identificação de formas com espaço de parâmetros de maior dimensionalidade.
Abstract:
The Hough Transform (HT) is commonly employed for detecting easily parameterized shapes in relatively small images. This technique defines a set of accumulator cell that represent the discretized parameter space of the shape to be found, followed by a voting process where input data deposit votes in these cells corresponding to instances of the shapes they contain, and finally, searches for local maxima in the voting result, with the locations of these maxima representing the instances of geometric shapes most apparent in the input data. However, this method becomes impractical for shapes with many parameters or considerably large images due to the increasing memory requirements based on the input image’s resolution and the high dimensionality of the parameter space, rendering it unfeasible in specific scenarios. In this work, a technique is introduced that leverages the HT to create a parameter space composed of accumulator cells that does not characterize a regular discretization of the parameter space, but establishes a piecewise linear manifold through Delaunay triangulation and detecting local maxima using the Banchoff definition, thus enabling the identification of geometric shapes. This method reduces both memory requirements and processing time, thereby making the HT viable for line detection in massive images or detecting shapes with higher-dimensional parameter spaces.
Banca examinadora:
Prof. Leandro Augusto Frata Fernandes, UFF – Presidente
Prof. Marcos de Oliveira Lage Ferreira, UFF
Prof. Manuel Menezes de Oliveira Neto, UFRGS