Classificação de fases em imagens hiperespectrais de raios X característicos pelo método de agrupamento por deslocamento para a média
Abstract
No presente trabalho será introduzido o algoritmo de Agrupamento por Deslocamento
para a Média (ADM) como uma alternativa para executar a classificação de fases em materiais
a partir de imagens hiperspectrais de mapas raios X característicos. Ao contrário
de outras técnicas estatísticas multivariadas, tal como Análise de Componentes Principais
(ACP), técnicas de agrupamentos atribuiem diretamente uma classe de rótulo (fase)
para cada pixel, de modo que suas saídas são imagens de fase segmentadas, i.e., não há
necessidade de algoritmos adicionais para segmentação. Por outro lado, em comparação
com outros procedimentos de agrupamento e métodos classificação baseados em análise
de agrupamentos, ADM tem a vantagem de não necessitar de conhecimento prévio do
número de fases, nem das formas dos agrupamentos, o que faz dele um instrumento particularmente
útil para a pesquisa exploratória, permitindo a identificação automática de
fase de amostras desconhecidas. Outras vantagens desta abordagem são a possibilidade
de análise de imagens multimodais, compostas por diferentes tipos de sinais, e de estimar
as incertezas das análises. Finalmente, a visualização e a interpretação dos resultados
também é simplificada, uma vez que o conteúdo de informação da imagem de saída não
depende de qualquer escolha arbitrária do conteúdo dos canais de cores. Neste trabalho
foram aplicados os algoritmos de ADM e ACP para a análise de mapas de raios X característicos
adquiridos em Microscópios de Varredura Eletrônica (MEV) que está equipado
com um Espectrômetro de Raios X por Dispersão em Energia (EDS). Nossos resultados
indicam que o método ADM é capaz de detectar as fases menores, não claramente identificadas
nas imagens compostas pelo três componentes mais significativos obtidos pelo
método ACP.