ViFoSe: modulo per la segmentazione automatica del foreground da video stabilizzati e strumenti per la correzione manuale

Nel campo della microscopia e in molti altri settori, l'analisi di video acquisiti con telecamere è fondamentale per studiare il comportamento degli oggetti in movimento (primo piano) rispetto a diversi scenari (sfondo). Tra le diverse tecniche proposte in letteratura, i modelli di deep learning costituiscono uno degli approcci più efficaci per isolare gli elementi dinamici nelle immagini. Questo lavoro esplora algoritmi e strumenti per la rimozione dello sfondo in video con sfondi fissi e variabili, concentrandosi anche su procedure di post-elaborazione. L'algoritmo sviluppato utilizza un modello di intelligenza artificiale chiamato Segment Anything Model (SAM) in grado di identificare in modo semi-automatico gli elementi di interesse da segmentare all’interno di un filmato. Algoritmi successivi di processamento vengono aggiunti per perfezionare la segmentazione attraverso l’utilizzo di filtri, inviluppo convesso e operazioni morfologiche. Per risolvere problematiche come rumore, effetti di camuffamento e variazioni dinamiche, sono integrati filtri e tecniche di riempimento. L’algoritmo è testato e applicato in numerose categorie di filmati, in modo particolare microscopia, biologia e videosorveglianza. Il risultato finale corrisponde a un video nel quale lo sfondo è completamente rimosso, lasciando visibile solo il primo piano. Lo studio mostra l'efficacia delle tecniche di postelaborazione per una segmentazione video accurata e robusta. L’algoritmo complessivo è stato integrato all’interno del software ViFoSe, disponibile tramite link nell’apposita pagina GitHub, all’interno della quale sono riportate in modo chiaro tutte le specifiche riguardo all’utilizzo del programma.