Algorithms and data structure for component-hypertrees of gray-level images (2021)
- Authors:
- Autor USP: MORIMITSU, ALEXANDRE - IME
- Unidade: IME
- Sigla do Departamento: MAC
- DOI: 10.11606/T.45.2021.tde-23032021-200926
- Subjects: PROCESSAMENTO DE IMAGENS; ALGORITMOS PARA IMAGENS
- Keywords: Árvores de componentes; Component-hypertrees; Component-trees; Componentes conexos; Conectividade baseada em dilatação; Connected components; Connected operators; Dilation-based connectivity; Hierarchy of partitions; Hierarquia de partições; Hiperárvores de componentes; Mathematical morphology; Morfologia matemática; Operadores conexos
- Agências de fomento:
- Language: Inglês
- Abstract: Esta tese tem como foco o estudo de hiperárvores de componentes, que consistem em grafos utilizados para armazenar imagens em níveis de cinza de forma hierárquica. Neste grafos, nós representam componentes conexos de uma imagem extraídos a partir de um conjunto de vizinhanças crescentes, enquanto arcos são utilizados para organizar os nós de acordo com relações de inclusão. Neste texto, o objetivo principal consiste na elaboração de algoritmos e estruturas de dados eficientes para a construção, o armazenamento e a manipulação de hiperárvores de componentes. Mais especificamente, as principais contribuições podem ser resumidas nos seguintes itens: (i) a teoria por trás de hiperárvores de componentes é revisada e expandida, e as propriedades mais importantes são destacadas e provadas. Estas propriedades são então usadas no desenvolvimento de algoritmos e estruturas de dados otimizados, que reduzem consideravelmente o consumo de tempo e memória comparados com abordagens anteriores; (ii) o impacto da escolha das vizinhanças é analisada e uma nova família de vizinhanças baseadas em hierarquia de partições é proposta, resultando em algoritmos ainda mais rápidos; (iii) uma forma eficiente de computar variações de atributos é fornecida, possibilitando a elaboração de aplicações que focam na extração de objetos compostos de um conjunto de objetos menores; (iv) uma análise experimental é realizada, mostrando que a estratégia proposta é mais rápida e eficiente do que outras abordagense (v) uma abordagem para segmentação de palavras é desenvolvida, mostrando um exemplo de aplicação onde variação de atributos pode ser particularmente útil
- Imprenta:
- Data da defesa: 22.01.2021
- Status:
- Artigo publicado em periódico de acesso aberto (Gold Open Access)
- Versão do Documento:
- Versão publicada (Published version)
- Acessar versão aberta:
-
ABNT
MORIMITSU, Alexandre. Algorithms and data structure for component-hypertrees of gray-level images. 2021. Tese (Doutorado) – Universidade de São Paulo, São Paulo, 2021. Disponível em: https://teses.usp.br/teses/disponiveis/45/45134/tde-23032021-200926/. Acesso em: 01 abr. 2026. -
APA
Morimitsu, A. (2021). Algorithms and data structure for component-hypertrees of gray-level images (Tese (Doutorado). Universidade de São Paulo, São Paulo. Recuperado de https://teses.usp.br/teses/disponiveis/45/45134/tde-23032021-200926/ -
NLM
Morimitsu A. Algorithms and data structure for component-hypertrees of gray-level images [Internet]. 2021 ;[citado 2026 abr. 01 ] Available from: https://teses.usp.br/teses/disponiveis/45/45134/tde-23032021-200926/ -
Vancouver
Morimitsu A. Algorithms and data structure for component-hypertrees of gray-level images [Internet]. 2021 ;[citado 2026 abr. 01 ] Available from: https://teses.usp.br/teses/disponiveis/45/45134/tde-23032021-200926/ - Computação incremental e eficiente de sequências de árvores de componentes
- Separating particles from plankton images
- Efficient component-hypertree construction based on hierarchy of partitions
- Incremental component tree contour computation
- Efficient connected alternating sequential filters based on component trees
- Incremental bit-quads count in tree of shapes
- Image segmentation based on ultimate levelings: from attribute filters to machine learning strategies
- Incremental attribute computation in component-hypertrees
- Ultimate levelings with strategy for filtering undesirable residues based on machine learning
- Extraction of numerical residues in families of levelings
Informações sobre a disponibilidade de versões do artigo em acesso aberto coletadas automaticamente via oaDOI API (Unpaywall).
Por se tratar de integração com serviço externo, podem existir diferentes versões do trabalho (como preprints ou postprints), que podem diferir da versão publicada.
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
