Métodos de agrupamento: uma abordagem comparativa com aplicação em segmentação de imagens de profundidade

Abstract

Este trabalho apresenta um estudo comparativo sobre métodos de agrupamento, incluindo diferentes abordagens para segmentação de conjuntos de dados que utilizam métodos de agrupamento. As abordagens são baseadas nas duas técnicas de agrupamento mais populares, agrupamento particional e agrupamento hierárquico, e vêm introduzir heurísticas que, de alguma forma, levem à obtenção de um melhor resultado para o agrupamento. A partir das implementações de diversos métodos de agrupamento, este trabalho introduz uma nova heurística para a segmentação de imagens de profundidade por agrupamento, com o objetivo de melhorar o resultado da segmentação obtendo uma partição melhor para o agrupamento. A abordagem desenvolvida é baseada na extração de informações, para inicialização dos algoritmos de agrupamento, a partir de uma pré-segmentação da imagem usando deteção de bordas.

This research presents a comparative study on clustering methods including different approaches for the segmentation of data sets which use clustering methods. The approaches are based on the two more popular clustering techniques — partitional clustering and hierarchical clustering — and introduce heuristics which, to a certain extent, lead to the achievement of a better result in clustering. Beginning with the implementation of several clustering methods, this study introduces a new heuristic to segment range images for clustering, with the aim of improving the result of segmentation in order to obtain a better partition for the clustering. The approach is based on the extraction of information for initialising clustering algorithms, starting by applying edge detection to obtain a pre-segmented image.