Uma família de abordagens para detecção de bordas baseada em generalizações da integral de Choquet
Autor: Miquéias Amorim Santos Silva (Currículo Lattes)
Resumo
Um dos problemas fundamentais do processamento de imagens e da visão computacional é a identificação de descontinuidades relevantes em uma cena. Nesse contexto, a detecção de bordas busca localizar transições significativas entre regiões com propriedades distintas, como intensidade, cor, textura ou estrutura. Essa tarefa é essencial em diversas aplicações, incluindo segmentação de imagens, detecção de objetos, reconhecimento de padrões, rastreamento, reconhecimento facial, veículos autônomos e processamento de imagens médicas. Ao longo das últimas décadas, diferentes métodos foram propostos para a detecção de bordas, desde abordagens clássicas baseadas em derivadas e operadores diferenciais, como Sobel, LoG e Canny, até métodos recentes baseados em redes neurais convolucionais. Embora relevantes, métodos tradicionais frequentemente apresentam limitações relacionadas à sensibilidade ao ruído, à dependência de parâmetros e à ocorrência de falsos positivos. Por outro lado, métodos supervisionados dependem de grandes conjuntos de dados anotados e podem ser influenciados pela subjetividade das anotações. Diante desse cenário, abordagens baseadas em lógica fuzzy, funções de agregação, pré-agregação e medidas fuzzy têm se mostrado promissoras para modelar incertezas, imprecisões e diferentes evidências locais presentes em imagens digitais. Esta tese investiga o uso dessas ferramentas no desenvolvimento de métodos de detecção de bordas, partindo de fundamentos conceituais e matemáticos que envolvem a noção de borda, funções de agregação, pré-agregação, medidas fuzzy e generalizações da integral de Choquet. Em seguida, são apresentadas revisões sistemáticas e investigações experimentais sobre métodos fuzzy de detecção de bordas, impacto de filtros de suavização em detectores clássicos e uso de operadores de agregação em modelos computacionais. A partir dessas bases, propõe-se um modelo de detecção de bordas baseado em janela deslizante e medidas fuzzy, bem como uma família de métodos não treinados, multiescala e baseados em agregação pontual. Os resultados indicam que as abordagens propostas são adaptáveis, precisas e competitivas em conjuntos de dados de referência, mesmo quando comparadas a métodos clássicos, modelos treinados e outras técnicas baseadas em agregação.