Uma nova abordagem do método Level Set baseada em conhecimento a e priori da forma

The analysis of fluid behavior in multiphase flow is very relevant to guarantee system safety. The use of equipment to describe such behavior is subjected to factors such as the high level of investments and of specialized labor. The application of image processing techniques to flow analysis can be a good alternative, however, very little research has been developed. In this subject, this study aims at developing a new approach to image segmentation based on Level Set method that connects the active contours and prior knowledge. In order to do that, a model shape of the targeted object is trained and defined through a model of point distribution and later this model is inserted as one of the extension velocity functions for the curve evolution at zero level of level set method. The proposed approach creates a framework that consists in three terms of energy and an extension velocity function λLg(θ)+vAg(θ)+muP(0)+θf. The first three terms of the equation are the same ones introduced in (LI CHENYANG XU; FOX, 2005) and the last part of the equation θf is based on the representation of object shape proposed in this work. Two method variations are used: one restricted (Restrict Level Set - RLS) and the other with no restriction (Free Level Set - FLS). The first one is used in image segmentation that contains targets with little variation in shape and pose. The second will be used to correctly identify the shape of the bubbles in the liquid gas two phase flows. The efficiency and robustness of the approach RLS and FLS are presented in the images of the liquid gas two phase flows and in the image dataset HTZ (FERRARI et al., 2009). The results confirm the good performance of the proposed algorithm (RLS and FLS) and indicate that the approach may be used as an efficient method to validate and/or calibrate the various existing equipment used as meters for two phase flow properties, as well as in other image segmentation problems.

CAPES

A análise do comportamento dos fluidos em escoamentos multifásicos possui grande relevância para garantia de segurança em instalações industriais. O uso de equipamentos para monitorar tal comportamento fica sujeito a fatores tais como, alto investimento e mão de obra especializada. Neste contexto, a aplicação de técnicas de processamento de imagens na análise do escoamento seria de grande auxílio, no entanto, poucas pesquisas foram desenvolvidas. Nesta tese, uma nova abordagem para segmentação de imagens baseada no método Level Set que une contornos ativos e conhecimento a priori é desenvolvida. Para tanto, um modelo da forma do objeto alvo é treinado e definido por meio do modelo de distribuição de pontos e então inserido como uma função de velocidade de extensão para evolução da curva de nível zero do método Level Set. A abordagem proposta cria um framework que consiste em três termos de energia e uma função de velocidade de extensão λLg(θ)+vAg(θ)+muP(0)+θf. Os três primeiros termos desta equação são os mesmo introduzidos em (LI CHENYANG XU; FOX, 2005) e a última parcela θf é baseada na representação da forma do objeto proposta nesta tese. Duas variações do método são utilizadas: uma com restrição (Restrict Level Set - RLS) e outra sem restrição (Free Level Set - FLS). A primeira será utilizada na segmentação de imagens que contem alvos com pouca variação na forma e pose. A segunda deve ser utilizada para a identificação correta da forma de bolhas de gás no escoamento bifásico gás-líquido. A robustez e eficiência da abordagem RLS e FLS são apresentados em imagens do escoamento bifásico gás-líquido e na base de dados HTZ (FERRARI et al., 2009). Os resultados promissores confirmam o bom desempenho do algoritmo proposto (RLS e FLS) e indicam que a abordagem pode ser utilizada como um método eficiente para validação e/ou calibração de diversos equipamentos utilizados como medidores das propriedades do escoamento bifásico, bem como, em outros problemas de segmentação de imagens.