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.

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.

Este artigo propõe um algoritmo paralelo de segmentação de imagens por crescimento de região voltado a Unidades de Processamento Gráfico (GPU). O algoritmo proposto deriva de um algoritmo sequencial largamente utilizado pela comunidade de Análise de Imagens de sensoriamento remoto Baseada em Objeto Geográfico (GEOBIA). Relativamente à versão sequencial propõem-se neste trabalho novos atributos para caracterização de heterogeneidade morfológica de segmentos, cujo cálculo pode ser realizado de modo mais eficiente em GPUs. Duas variantes do algoritmo paralelo com diferentes heurísticas para seleção dos segmentos adjacentes a serem fundidos a cada iteração são descritas. Visando explorar o potencial de GPUs para execução paralela de threads de baixa granularidade, o algoritmo proposto atribui uma thread para cada pixel da imagem, o que contribui ao mesmo tempo para uma distribuição mais uniforme da carga computacional entre os processadores da GPU. Uma detalhada análise experimental utilizando uma GPU convencional sobre quatro imagens de teste indicou acelerações superiores a 8 em relação ao algoritmo sequencial.

This paper proposes a parallel image segmentation algorithm for Graphical Processing Units (GPU) that follows the region-growing paradigm. The proposal can be regarded as a parallel version of a sequential algorithm widely used by the Geographic Object Based Image Analysis community (GEOBIA). In relation to the sequential version this, work presents new attributes to characterize segments' morphological heterogeneity, whose computation can be performed by GPUs more efficiently than the original ones. Two variants of the parallel algorithm with distinct heuristics for the selection of adjacent segments to be merged in each iteration are described. Aiming at exploring the potential of GPUs for the parallel execution of fine grained threads, the new parallel method assigns a thread to each image pixel. This also contributes to better load balance among the GPU processors. A detailed experimental analysis using a simple GPU upon four different test images has shown that the parallel algorithm may run 8 times faster than its sequential counterpart or even more than that.

O presente trabalho avalia descritores texturais multiescalares invariantes à rotação baseados em Padrões Binários Locais e em Quantização de Fase Local (LPQ) para a classificação de uso e cobertura do solo em uma imagem IKONOS-2 e uma imagem Quickbird-2. Os experimentos mostraram que ambas as representações de textura propiciaram elevada acurácia quando combinadas com a informação de variância. Além disso, propõe-se no trabalho um novo descritor formado pela concatenação do histograma de variância e o histograma dos códigos gerados a partir dos Padrões Binários Locais ou da Quantização de Fase Local. Com o novo descritor, não obstante serem comparativamente mais compacto, registraram-se os mesmos índices de desempenho obtidos a partir de histogramas bidimensionais que representam a distribuição conjunta de ambas as variáveis. O último experimento realizado indicou para os descritores baseados nos Padrões Binários Locais ou na Quantização de Fase Local um índice Kappa superior em 0,1 ao que alcançou quando se utilizaram atributos de textura derivados da matriz de co-ocorrência.

In this paper rotation invariant, single and multiscale Local Binary Patterns and Local Phase Quantization texture based descriptors were evaluated experimentally in the context of land-use and land-cover object-based classification. The texture descriptors were employed in the classification of an IKONOS-2 and a Quickbird-2 image. Experiments showed that both texture characterization approaches perform well, when combined with the grayscale variance. We further investigate a novel descriptor resulting from the concatenation of the grayscale variance histogram and the histogram of codes generated either by Local Binary Patterns or by Local Phase Quantization. These experiments have demonstrated that the proposed descriptor, though more compact, performs as well as a bidimensional histogram representing the joint distribution of both quantities. A final experiment corroborated that the use of descriptors based on Local Binary Patterns or Local Phase Quantization in the remotely sensed images classification delivered produces a 0.1 improvement in the Kappa index in comparison to classifications based on texture features derived from the Gray Level Co-occurrence Matrix (GLCM).