Glossário IA
O dicionário completo da Inteligência Artificial
Contorno Ativo
Modelo deformável que evolui sob a influência de forças internas e externas para se adaptar às fronteiras de um objeto em uma imagem.
Snake (Modelo)
Tipo de contorno ativo definido por uma curva paramétrica que se deforma para minimizar uma energia funcional incluindo termos de regularidade e de apego aos dados.
Conjunto de Nível (Level Set)
Método numérico para rastrear interfaces e formas, representando o contorno como o nível zero de uma função de dimensão superior.
Mapa de Gradiente
Imagem que representa a amplitude da mudança de intensidade pixel a pixel, utilizada para localizar as fortes variações características dos contornos.
Laplaciano de Gaussiana (LoG)
Filtro que combina um suavização gaussiana e um operador laplaciano para detectar contornos identificando as passagens por zero da segunda derivada.
Diferença de Gaussianas (DoG)
Aproximação eficiente do Laplaciano de Gaussiana, obtida subtraindo duas versões suavizadas da imagem para realçar as estruturas em diferentes escalas.
Campo de Força Vetorial
Mapa bidimensional que atribui um vetor a cada pixel, guiando os contornos ativos em direção às fronteiras dos objetos combinando atração e repulsão.
Curvatura de Contorno
Medida da velocidade de mudança de direção de um contorno, utilizada como termo de regularização em modelos de contornos ativos para evitar irregularidades.
Função de Parada (Stopping Function)
Termo nas equações de evolução de contornos ativos que retarda ou para o movimento do contorno quando ele atinge as fronteiras do objeto.
Modelo de Mumford-Shah
Formulação variacional para segmentação de imagem que busca simultaneamente segmentar a imagem e aproximar cada segmento por uma função suave.
Segmentação por Linhas de Partição de Águas (Watershed Segmentation)
Método morfológico que considera a imagem como um relevo topográfico, onde os contornos correspondem às linhas de cume que separam as bacias de atração.
Contorno Geodésico
Variante dos contornos ativos onde o contorno evolui minimizando uma energia geodésica ponderada por um mapa de parada, oferecendo uma melhor convergência topológica.
Filtro Bilateral
Filtro de suavização não-linear que preserva os contornos ponderando os pixels tanto pela sua distância espacial quanto pela sua similaridade de intensidade.
Detecção de Contornos por Deep Learning
Abordagem utilizando redes neurais convolucionais treinadas para prever diretamente os mapas de contornos ou as probabilidades de fronteira entre objetos.