Tensor Voting: teoria e applicazioni per l'estensione della segmentazione d'immagini 2D

In this thesis, the Tensor Voting Framework is analyzed in the two-dimensional case, with the aim of studying and improving its application to 2D image segmentation. After introducing the theoretical foundations of the method, the work focuses on the implementation and comparison of different Tensor Voting formulations, including efficient solutions for sparse and dense voting, as well as extensions of the framework through the introduction of additional information such as polarity and curvature to make the method more robust in the presence of noise and discontinuities. The experimental results, obtained on images from public datasets, show that the proposed extensions improve segmentation quality, highlighting the strengths and limitations of the different approaches analyzed.

In questa tesi viene analizzato il Tensor Voting Framework nel caso bidimensionale, con l’obiettivo di studiarne e migliorarne l’applicazione alla segmentazione di immagini 2D. Dopo aver introdotto i fondamenti teorici del metodo, il lavoro si concentra sull’implementazione e sul confronto di diverse formulazioni del Tensor Voting, includendo soluzioni efficienti del voto sparso e del voto denso, oltre ad estensioni del framework mediante l’introduzione di informazioni aggiuntive come la polarità e la curvatura per rendere il metodo più efficiente in presenza di rumore e discontinuità. I risultati sperimentali, ottenuti su immagini provenienti da dataset pubblici, mostrano come le estensioni proposte consentano di migliorare la qualità della segmentazione, evidenziando i punti di forza e i limiti dei diversi approcci analizzati.