, ) New approach for Mixturogram EigenSketch. Osvaldo Severino Junior Instituto Federal de São Paulo campus Catanduva
|
|
- Vitorino Farias Santarém
- 5 Há anos
- Visualizações:
Transcrição
1 New approach for Mixturogram EigenSketch onaldo Pires de Souza Instituto Federal de São Paulo campus Catanduva Osvaldo Severino Junior Instituto Federal de São Paulo campus Catanduva Abstract This paper presents a new approach to obtain a face sketch in which every pixel of a color image can be decomposed into eight layers, each layer can be classified as one of the colors black, blue, green, cyan, red, magenta, yellow and white, a preliminary Mixturegram result that is an approach of the G image quantization. etrieved decomposition of the pixel, we propose a new approach to sketch a face using only the pixels in the layer 6, the second most significant Mixturogram classified as black and yellow. The results demonstrate the potential of the new approach outline on the approach proposed previously by the authors, besides the potential of the new approach compared to the original image. Thus, the relevance of the new approach can be exploited in jobs that depend on characteristics associated with the description of color image contentbased image retrieval. 1. Introdução Com o advento das câmeras digitas cresceu também o volume de imagens armazenadas. Segundo Campo e Traina [1] à medida que cresce o volume de imagens armazenadas cresce também o interesse por sistemas capazes de recuperar informações visuais de maneira eficiente e com maior grau de automação, em vez de processamento de texto simples, tais como anotações ou palavras-chave. Dessa forma, a ecuperação de imagens baseada em conteúdo (do inglês, Content-ased Image etrieval - CI) é uma forma de buscar imagens por meio de uma imagem base usando suas características como: cor, textura e forma [2]. Justificando o uso de CI, Santos [3] relata que o ser humano destaca-se na área de recuperação de imagens por conteúdo por ser muito eficiente no reconhecimento de informações apresentadas graficamente, já que o cérebro humano processa melhor informações visuais do que textuais. ibeiro [4] acrescenta que essa capacidade do humano o torna capaz de associar alguns traços de um desenho ou esboço com os traços de uma pessoa. Esta capacidade do ser humano estimulou o uso da proposta inicial de esboço de uma face já sugerida anteriormente na literatura [5,6, 7]. Dessa forma, a proposta precípua deste trabalho é a apresentação de uma nova abordagem do esboço de uma face. Para demonstrar a aplicabilidade da nova abordagem foi implementada uma aplicação CI para recuperação de imagens por conteúdo pelo esboço de uma face. Os resultados obtidos demonstram o potencial dessa nova abordagem em relação à proposta anterior. O trabalho está estruturado da seguinte forma: na próxima seção será apresentada a metodologia do Misturograma; na seção esboço de uma face serão apresentadas a metodologia anterior e a nova abordagem sugerida; na seção Metodologia será mostrado o processo da extração de características e descrição do sistema CI baseado no esboço de uma face; a seguir serão analisados os resultados obtidos e por último será apresentada a conclusão sobre a nova abordagem implementada neste trabalho. 2. Misturograma O processo natural de aquisição e visualização de imagens digitais utiliza o espaço de cor G. Severino Jr [7] defini C = (, G, ) como uma cor no modelo G, que representada na forma binária em um sistema computacional com 24 bits (8 bits para cada canal), é igual a: C = ( G G G G G G G G onde os bits 0,G 0 e 0 correspondem aos bits menos significativos de, G e, e os bits 7,G 7 e 7 correspondem aos bits mais significativos. Dessa forma, os valores de, G e variam de 0 ( ) a 255 ( ). Dado que cada canal possui 8 bits, pode-se também definir 8 camadas K, tal que: (, G ) K, i = i i i para i = (1) 0, 0 ),
2 onde K i representa a i-ésima camada que compõe a cor do pixel. Nota-se que cada camada K i é constituída por uma cor, de forma que: K i = ( 0, 0, 0 ) expressa a ausência das cores vermelho, verde e azul e define o preto; K i = ( 0, 0, 1 ) define a cor azul; K i = ( 0, 1, 0 ) define a cor verde; K i = ( 0, 1, 1 ) expressa a mistura das cores: verde e azul e define a cor ciano; K i = ( 1, 0, 0 ) define a cor vermelho; K i = ( 1, 0, 1 ) expressa a mistura das cores: vermelho e azul e define a cor magenta; K i = ( 1, 1, 0 ) expressa a mistura das cores: vermelho e verde e define a cor amarelo; K i = ( 1, 1, 1 ) expressa a mistura das cores: vermelho, verde e azul e define a cor branco. Na Figura 1 poder ser visto a representação K i da cor C = (109,146,137). para 0 v < 1 7 o valor inteiro de v = 0 8 representa a cor preta; para 1 7 v < 2 7 o valor inteiro de v = 1 representa a cor azul; para 2 7 v < 3 7 o valor inteiro de v = 2 representa a cor verde; para 3 7 < v 8 o valor inteiro de v = 3 representa a cor ciano; para 4 7 v < 5 7 o valor inteiro de v = 4 representa a cor vermelho; para 5 7 v < 6 7 o valor inteiro de v = 5 representa a cor rosa; para 6 7 v < 7 7 o valor inteiro de v = 6 representa a cor amarelo; para 7 7 v < 8 7 o valor inteiro de v = 7 representa a cor branca. Na Figura 2-a é apresentada uma imagem no formato G com 24 bits do banco de faces A [8] e na Figura 2- b, a mesma imagem, quantizada em 8 cores (preto, azul, ciano, verde, vermelho, magenta, amarelo e branco) pelo valor v da mistura de cores da imagem. Figura 1: epresentação da cor C= (109,146,137) em camadas. Como o valor da mistura de cores é diretamente derivado do G, também é aditivo. Segundo Severino Jr [7] a cor final da mistura pode ser dada pela soma da contribuição da cor representada em cada camada, ou seja, pela soma do valor numérico de cada camada multiplicado pelo seu respectivo peso normalizado. Assim, define-se o valor da mistura v como: Deriva-se do valor da mistura uma aplicação imediata na quantização de cores. Como 0 v 7 e a mistura pode ser obtida por 8 cores (preto, azul, verde, ciano, vermelho, magenta, amarelo e branco), valores inteiros podem ser definidos para v, tal que: (2) Figura 2: Aplicação da mistura de cores. a) Imagem Original. b) Imagem quantizada pelo valor da mistura de cores. O valor da mistura pode ser utilizado como um método de quantização de cores estático gerando um histograma definido por Severino Jr [7] como Misturograma (do inglês, Mixturegram) que indica a quantidade das cores preto, azul, verde, ciano, vermelho, magenta, amarelo e branco quantificadas pelo valor v da mistura de cor (Equação 2) de cada pixel, que compõe uma imagem G com 8 bits por canal.
3 3. Esboço de uma face Segundo Houaiss [11] esboço (do inglês, Sketch) é um delineamento elaborado com o propósito de facilitar uma análise preliminar a respeito da realização de uma obra. O desafio é encontrar o delineamento de uma imagem final, ou seja, a imagem de uma pessoa, que permita realizar uma análise da mesma, tal como, corte do cabelo, olhos, boca, orelhas, sobrancelhas e barba. A solução imediata foi utilizar um detector de bordas. A Figura 3 mostra o esboço gerado pelo detector de bordas Sobel [12] implementada no software aplicativo MatLab aplicado a uma imagem facial do banco de faces A [8]. Entretanto, numa análise preliminar, verificou-se que cabelos, olhos, boca e sobrancelhas ficaram prejudicados no esboço obtido pelo detector de bordas Sobel. Para obter um esboço que contemplasse a representação desses elementos foi proposta a utilização do Misturograma [5, 6, 7]. Figura 4: Imagem quantificada pelo Misturograma utilizando apenas a camada 7. a) Imagem original. b) Imagem quantificada na camada 7. Na Figura 4-b pode-se notar que a região da face, correspondente ao cabelo, sobrancelhas, boca e olhos, torna-se facilmente identificadas pela cor preta. Segmentou-se a imagem facial com os pixels que eram quantificados como preto na camada 7 no processo de quantização de cores pelo Misturograma. A imagem obtida desse processo foi definida por Severino Jr [7] como imagem Esboço da face pelo Misturograma. A Figura 5 ilustra a obtenção da imagem esboço de uma face pelo Misturograma segmentada a partir do banco de faces A. Figura 3: Obtenção da imagem esboço de uma imagem de face. a) imagem original. b) imagem do esboço da face pelo detector Sobel Proposta Preliminar do Esboço pelo Misturograma No processo de quantização em 8 cores (preto, azul, verde, ciano, vermelho, rosa, amarelo e branco), pelo Misturograma, as camadas K i (equação 1) da imagem equivalem às cores separadas cuja mistura gera a cor final quantificada nas 8 camadas e, a influência de cada camada no aspecto final da imagem é proporcional ao peso da camada. Observando a Figura 4-b e a proposta de quantização de cores de Pass et al. [9] e Mitra et al. [10] que utilizaram somente os bits mais significativos de cada canal do espaço de cor G, Severino Jr [7] investigou a capacidade de segmentação da mistura de cores utilizando apenas a camada de cor mais significativa, ou seja, a camada 7 que corresponde ao bit mais significativo da cor de cada pixel da imagem. Na Figura 4-b é apresentado um exemplo de uma imagem facial do banco de faces A quantificada pela mistura de cores correspondentes à camada 7. Figura 5: Obtenção da imagem esboço de uma face. a) Imagem original. b) Imagem do esboço da face. Entretanto, numa análise preliminar verificou-se que o traçado da orelha foi omitido nesta representação. Esta omissão levou a um questionamento: Será que a ausência desse traçado poderia prejudicar o processo de recuperação de imagens por conteúdo? Para sanar esta dúvida foi proposta uma nova abordagem do esboço que contemplasse esse traçado Nova Abordagem do Esboço pelo Misturograma Com base na proposta de quantização de cores de Pass et al. [9] e Mitra et al. [10] que utilizaram somente os bits mais significativos de cada canal do espaço de cor G e, já tendo investigado a capacidade de segmentação do Misturograma utilizando apenas a camada 7, analisou-se a capacidade de segmentação utilizando apenas a camada
4 6 que corresponde ao segundo bit mais significativo da cor de cada pixel da imagem. Na Figura 6-b é apresentado um exemplo de uma imagem facial do banco de faces A quantificada pelo Misturograma correspondentes à camada 6. Figura 6: Imagem quantificada pelo Misturograma utilizando apenas a camada 6. a) Imagem original. b) Imagem quantificada na camada 6. Na Figura 6-b pode-se notar que a região correspondente ao cabelo, sobrancelhas, boca, olhos e orelhas, torna-se facilmente identificadas pelas cores preta e amarelo. Segmentou-se a imagem facial do banco de faces A com os pixels que apresentavam os valores preto e amarelo na camada 6 no processo de quantização do Misturograma, como visto na Figura 7. Nessa nova abordagem proposta do esboço da face verifica-se uma representação mais próxima dos cabelos e olhos da imagem original, bem como, contempla a representação da orelha Aquisição das imagens Para a aquisição da imagem esboço de face foi utilizado o banco de faces A [8] formado por 76 homens e 59 mulheres constituindo, dessa forma, de 135 classes, sendo que cada classe possuía 4 imagens de expressão facial (normal, sorrindo, espantado e bocejando) totalizando 540 imagens G com 8 bits por canal e resolução espacial de 576 x 768 pixels. Inicialmente, utilizando o software aplicativo MatLab foram geradas as 540 imagens de esboço de face utilizando a ferramenta de detector de bordas Sobel. Após, foram geradas as 540 imagens de esboço da face quantificadas pelo Misturograma utilizando apenas a camada 7, aonde foram considerados os pixels classificados na camada como preto. Finalmente foram geradas as 540 imagens da nova abordagem do esboço da face quantificadas pelo Misturograma utilizando apenas a camada 6, aonde foram considerados os pixels classificados na camada como preto e amarelo. Portanto, foram constituídos 4 bancos de imagens: imagem original, esboço da face pelo detector de bordas Sobel, esboço da face pelo Misturograma utilizando apenas a camada 7 e a nova abordagem do esboço da face pelo Misturograma utilizando apenas a camada 6, como ilustrado na Figura 8. Figura 7: Nova abordagem da obtenção da imagem esboço de uma face. a) Imagem original. b) Nova imagem do esboço da face. 4. Metodologia A proposta deste trabalho é definida por três etapas: i) a aquisição das imagens, ii) a extração de características e iii) a descrição do sistema CI baseado no reconhecimento do esboço de uma face. Figura 8: Constituições dos 4 bancos de imagens. a) Imagem original. b) Esboço da face pelo detector de bordas Sobel. c) Esboço da face pelo Misturograma aplicado na camada 7. d) Nova abordagem do esboço da face pelo Misturograma aplicado na camada 6.
5 4.2. Extração de características Para efetuar a extração de características para o sistema CI baseado no reconhecimento do esboço da face, extraiu-se um vetor característica com 100 valores a partir da descrição global das imagens, com o auxílio da técnica Análise dos Componentes Principais (do inglês, Principal Components Analysis - PCA) [13]. Com o uso da técnica PCA as imagens esboço da face passaram a denominar EigenSketch Sistema CI para reconhecimento do esboço de uma face Implementaram-se 4 aplicações CI: a primeira com as imagens originais, a segunda com as imagens EigenSketch obtidas pelo detector de bordas Sobel, a terceira com as imagens EigenSketch obtidas pelo Misturograma aplicado na camada 7 e a quarta com as imagens EigenSketch obtidas pela nova abordagem aplicada no Misturograma na camada 6. Todas as aplicações utilizaram acesso sequencial, a técnica PCA para compor o vetor característica com 100 valores a partir da descrição global das imagens da aplicação e a distância euclidiana como critério de similaridade. 5. esultados Para verificar o desempenho de cada sistema CI foram calculadas as respectivas curvas P (do inglês, ecall x Precision) [14]. Cada sistema CI era composto por 135 classes, sendo que cada classe possuía 4 imagens de expressão facial (normal, sorrindo, espantado e bocejando) totalizando 540 imagens G com 8 bits por canal. A Tabela 1 mostra os resultados obtidos no sistema CI composto pelas imagens originais do banco A, quando submetido à busca da classe: primeiro pela imagem de expressão facial normal, segundo pela imagem de expressão facial sorrindo, terceiro pela imagem de expressão facial espantado e quarto pela imagem de expressão facial bocejando. Da mesma forma, a Tabela 2, Tabela 3 e Tabela 4 mostram os resultados obtidos nos sistemas CI compostos pelas imagens: Sketch obtidas pelo detector de bordas Sobel, Sketch obtidas pelo Misturograma aplicado na camada 7 e Sketch obtidas pela nova abordagem no Misturograma aplicado na camada 6, respectivamente. Na Figura 9 pode ser visto as curvas P de cada sistema CI. As curvas P demonstram o desempenho do sistema CI composto pelas imagens EigenSketch obtidas pela nova abordagem no Misturograma aplicado na camada 6 em relação aos sistemas CI composto pelas imagens: original, EigenSketch obtidas pelo detector de bordas Sobel e EigenSketch obtidas pelo Misturograma aplicado na camada 7. Além disso, verifica-se, também, que o sistema CI composto pelas imagens EigenSketch obtidas pela nova abordagem no Misturograma aplicado na camada 6 obtiveram um desempenho superior que o sistema CI composto pelas imagens EigenSketch obtidas pelo Misturograma aplicado na camada 7. Tabela 1: ecuperação com 4 imagens originais por classe. Acertos Precisão 100% 97,7% 95,8% 91,6% Tabela 2: ecuperação com 4 imagens esboço por classe obtidas pelo detector de bordas Sobel. Acertos Precisão 100% 95,9% 90,8% 83,7% Tabela 3: ecuperação com 4 imagens esboço por classe obtidas pelo Misturograma na camada 7. Acertos Precisão 100% 97,7% 95,1% 90% Tabela 4: ecuperação com 4 imagens esboço por classe obtidas pelo Misturograma na camada 6. Acertos Precisão 100% 99,2% 97,2% 93,3% Figura 9: Curva P das aplicações CI.
6 Portanto, verifica-se que as imagens EigenSketch obtidas pela nova abordagem no Misturograma aplicado na camada 6 apresentam elementos mais discriminantes que a própria imagem original na recuperação de imagens baseadas em conteúdo. 6. Conclusões Mostrou-se com este trabalho que cada pixel de uma imagem colorida pode ser decomposto em 8 camadas, sendo que cada camada pode ser classificada como uma das cores preto, azul, verde, ciano, vermelho, magenta, amarelo e branco, um resultado preliminar do Misturograma que é uma abordagem de quantização de cores de uma imagem G. Uma investigação anterior mostrou que era possível segmentar um esboço da face utilizando apenas os pixels da camada 7, a mais significativa do Misturograma, classificados como preto. Neste trabalho foi proposto uma nova abordagem do esboço de uma face que utilizou apenas os pixels da camada 6, a segunda mais significativa do Misturograma, classificados como preto e amarelo. Os resultados obtidos demonstram o potencial da nova abordagem do esboço em relação à abordagem anterior, além do potencial da nova abordagem em relação à imagem original. Demonstrando, dessa forma, a relevância da nova abordagem que poderá ser explorada em trabalhos futuros como uma contribuição para a constituição de características associadas à descrição de imagens digitais coloridas na recuperação de imagens baseada em conteúdo. 7. eferências ibliográficas [1] CAMPO, C. Y.; TAINA, A. J. M. Uma Abordagem Eficiente para ecuperação de Imagens Médicas. III Workshop de Informática Médica, [2] SMEULDES, A. W. M.; WOING, M.; SANTINI, S.; GUPTA, A.; JAIN,. Content-ased Image etrieval at the End of the Early Years. IEEE Transactions on Pattern Analysis and Machine Intelligence, v. 22, n. 12, p , [3] SANTOS,.. econhecimento de Esboços de Formas Geométricas Contidas em Fluxogramas. Goiânia, p. Dissertação de Mestrado. Instituto de Informática, Universidade Federal de Goiás. [4] IEIO, S. E. M. Ilustrações lápis, nanquim e cores. Silvio ibeiro, [5] SEVEINO J., O.; GONZAGA, A. Auto-esboço e Auto-pele pelo Misturograma. II Workshop de Visão Computacional (WVC 2006), São Carlos, 2006, p [6] SEVEINO J., O.; GONZAGA, A. Auto-Fusão da Auto-Face, do Auto-Esboço e da Auto-pele pelo Misturograma em imagens em nível de cinza. III Workshop de Visão Computacional (WVC 2007), São José do io Preto, 2007, p [7] SEVEINO J., O. Mistura de cores: Uma nova abordagem para processamento de cores e sua aplicação na segmentação de imagens f. Tese (Doutorado) Escola de Engenharia de São Carlos, Universidade de São Paulo, São Carlos, [8] MATINEZ, A. M.; ENAVENTE,. The A Face Database. Computer Vision Center Technical eport, n. 24, [9] PASS, G.; ZAIH,.; MILLE, J. Comparing Images Using Color Coherence Vectors. In: POCEEDINGS OF FOUTH ACM MULTIMEDIA CONFEENCE, [10] MITA, M.; HUANG J.; KUMA, S.. Combining Supervised Learning with Color Correlograms for Content-ased Image etrieval. In: POCEEDINGS OF FIFTH ACM MULTIMEDIA CONFEENCE, [11] HOUAISS, A. Novo Dicionário Houaiss da Língua Portuguesa. io de Janeiro: Editora: Objetiva, [12] GONZALEZ,. C.; WOODS,. E.; EDDINS, S. L. Digital Image Processing using Matlab. Pearson Education, [13] AEK, K.; ATLETT, M. S.; DAPE,. A. ecognition faces with PCA and ICA. Computer Vision and Image Understand, v. 91, p , [14] AEZA-YATES,.; IEIO NETO,. Modern Information etrieval. New York, ACM Press, 1999.
Auto-Fusão na Recuperação de Imagens Baseadas em Conteúdo.
Auto-Fusão na Recuperação de Imagens Baseadas em Conteúdo. Severino Jr, Osvaldo IMES - FAFICA osvaldo@fafica.br Gonzaga, Adilson Escola de Engenharia de São Carlos - USP adilson@sc.usp.br Resumo Neste
Leia maisMETODOLOGIA PARA A QUANTIZAÇÃO DE CORES PELO MÉTODO SMCb: INTRODUÇÃO E EXEMPLOS DE RESULTADOS
METODOLOGIA PARA A QUANTIZAÇÃO DE CORES PELO MÉTODO SMCb: INTRODUÇÃO E EXEMPLOS DE RESULTADOS Marcelo Zaniboni 1, Osvaldo Severino Junior 2 1: Universitário do curso de Ciência da Computação, Faculdade
Leia maisAuto-esboço e Auto-pele pelo Misturograma
Auto-esboço e Auto-pele pelo Misturograma Severino Jr, Osvaldo IMES - FAFICA osvaldo@fafica.br Gonzaga, Adilson Escola de Engenharia de São Carlos - US adilson@sc.usp.br Resumo Neste trabalho é apresentado
Leia maisSMCB: METODOLOGIA PARA A QUANTIZAÇÃO DE CORES EM IMAGENS FACIAIS
CMNE/CILAMCE 007 Porto, 13 a 15 de Junho, 007 APMTAC, Portugal 007 SMCB: METODOLOGIA PARA A QUANTIZAÇÃO DE CORES EM IMAGENS FACIAIS Marcelo Zaniboni 1 *, Osvaldo Severino Junior e João Manuel R. S. Tavares
Leia maisDescritores de Imagens
Descritores de Imagens André Tavares da Silva PPGCA/UDESC Outubro de 2017 André Tavares da Silva (PPGCA/UDESC) Descritores de Imagens Outubro de 2017 1 / 17 Introdução Excelentes pesquisas sobre descritores
Leia maisSMCB: METODOLOGIA PARA A QUANTIZAÇÃO DE CORES EM IMAGENS FACIAIS
Portugal, Porto - 13. 15 Junho 2007 SMCB: METODOLOGIA PARA A QUANTIZAÇÃO DE CORES EM IMAGENS FACIAIS Marcelo Zaniboni, Osvaldo S. Junior e João Manuel R. S. Tavares IMES / FAFICA Instituto Municipal de
Leia maisComparação de Técnicas de Reconhecimento Facial Utilizando Histogramas de Cores Quantizadas pelo Misturograma
Comparação de Técnicas de Reconhecimento Facial Utilizando Histogramas de Cores Quantizadas pelo Misturograma João Paulo Brognoni Casati Universidade de São Paulo Escola de Engenharia de São Carlos Departamento
Leia maisRECUPERAÇÃO DE IMAGENS DE FACES HUMANAS BASEADA EM CONTEÚDO DE RETRATO FALADO
RECUPERÇÃO DE IMGENS DE FCES HUMNS SED EM CONTEÚDO DE RETRTO FLDO Leandro Sebastian Pereira da Silva e dilson Gonzaga USP/EESC Universidade de São Paulo / Departamento de Engenharia Elétrica v. do Trabalhador
Leia maisIntrodução ao Processamento de Imagens Digitais Aula 01
Introdução ao Processamento de Imagens Digitais Aula 01 Douglas Farias Cordeiro Universidade Federal de Goiás 06 de julho de 2015 Mini-currículo Professor do curso Gestão da Informação Formação: Graduação
Leia maisSEGMENTAÇÃO E RECONHECIMENTO DA ÍRIS
SEGMENTAÇÃO E RECONHECIMENTO DA ÍRIS Edno José Bozoli Junior¹, Osvaldo Severino Junior². 1. Universitário do curso de Ciências da Computação Rodovia Vicinal Raul Galvani nº. 831, Centro, CEP: 15.845-000
Leia maisProcessamento e Análise de Imagens
Processamento e Análise de Imagens Prof. Moacir Ponti www.icmc.usp.br/~moacir Instituto de Ciências Matemáticas e de Computação USP 2017/1 Moacir Ponti Jr. (ICMCUSP) Processamento e Análise de Imagens
Leia maisExtração de características de imagens. Descritores de cor
Extração de características de imagens Descritores de cor Descritores de imagens Problema: computar, de forma eficiente, valores que descrevam uma imagem (ou parte dela) Vetores de características (feature
Leia maisSEL-0339 Introdução à Visão Computacional. Aula 3 Processamento de Imagens Coloridas
Departamento de Engenharia Elétrica - EESC-USP SEL-0339 Introdução à Visão Computacional Aula 3 Processamento de Imagens Coloridas Prof. Dr. Marcelo Andrade da Costa Vieira Prof. Dr. Adilson Gonzaga mvieira@sc.usp.br
Leia maisProcessamento Digital de Imagens. Cor
Processamento Digital de Imagens Cor Em uma descrição física a cor está associada ao seu comprimento de onda. Ao se analisar o espectro eletromagnético na região do visível, os menores comprimentos de
Leia maisProcessamento de Imagens Digitais
Processamento de Imagens Digitais Antonio Cesar Germano Martins 2º semestre de 2018 Apresentações Nascido em Sorocaba. Graduado em Bacharelado em Física pela UNICAMP em 1989, tendo participado de pesquisas
Leia maisImage Descriptors: color
Image Descriptors: color Image Processing scc0251 www.icmc.usp.br/ moacir moacir@icmc.usp.br ICMC/USP São Carlos, SP, Brazil 2011 Moacir Ponti Jr. (ICMCUSP) Image Descriptors: color 2011 1 / 29 Agenda
Leia maisDiego Martin Mancini Orientador: Prof. Paulo A. V. de Miranda Instituto de Matemática e Estatística Universidade de São Paulo
Estudo de comparação do descritor de imagens coloridas BIC empregando diferentes abordagens de classificação de detecção de bordas: Canny e Operador Laplaciano Diego Martin Mancini Orientador: Prof. Paulo
Leia maisFundamentos sobre. Universidade Federal do Rio de Janeiro - IM/DCC & NCE. Antonio G. Thomé Sala AEP/1033. Processamento de Imagens
Universidade Federal do Rio de Janeiro - IM/DCC & NCE Fundamentos sobre Processamento de Imagens Antonio G. Thomé thome@nce.ufrj.br Sala AEP/1033 Sumário do Curso Introdução Ambientação com o MatLab Aquisição
Leia maisProcessamento digital de imagens
Processamento digital de imagens Agostinho Brito Departamento de Engenharia da Computação e Automação Universidade Federal do Rio Grande do Norte 30 de julho de 2015 Motivações: cor ajuda reconhecimento
Leia maisProcessamento De Imagem. Descritores de Cor
Processamento De Imagem Descritores de Cor Cores Uma das propriedades mais importantes para visão humana. Muito usada em sistemas de recuperação de imagens, CBIRs. Taxonomia Global A informação de cor
Leia mais10º Congresso Interinstitucional de Iniciação Científica CIIC a 04 de agosto de 2016 Campinas, São Paulo ISBN
Um Estudo de Descritores e Classificadores para Reconhecimento de Bagas de Café Pedro Henrique Ferreira Stringhini 1 ; Thiago Teixeira Santos 2 Nº 16605 RESUMO Métodos de reconhecimento de frutos baseados
Leia maisProcessamento de Imagem. Prof. MSc. André Yoshimi Kusumoto
Processamento de Imagem Prof. MSc. André Yoshimi Kusumoto andrekusumoto.unip@gmail.com Amostragem e Quantização Amostragem refere-se ao número de pontos amostrados de uma imagem digitalizada (resolução).
Leia maisGUIA DE PREPARAÇÃO DE ARQUIVOS PARA IMPRESSÃO OFFSET.
GUIA DE PREPARAÇÃO DE ARQUIVOS PARA IMPRESSÃO OFFSET. Para um melhor resultado, antes de iniciar seu projeto gráfico, solicite um gabarito. 01 Formato Todo material deve ser enviado com a página já nas
Leia maisAVALIAÇÃO QUALITATIVA DE DETECÇÃO DE BORDAS EM IMAGENS DE RADIOGRAFIA PERIAPICAIS
AVALIAÇÃO QUALITATIVA DE DETECÇÃO DE BORDAS EM IMAGENS DE RADIOGRAFIA PERIAPICAIS Hedlund Erik Martins Távora 1, John Hebert Da Silva Felix 2, Darleison Rodrigues Barros Filho 3, Fausta Joaquim Faustino
Leia maisO reconhecimento facial é dividido em três etapas: i) detecção da face, ii) extração de características e iii) reconhecimento da face.
ESTUDO SOBRE MÉTODOS DE RECONHECIMENTO FACIAL EM FOTOGRAFIAS DIGITAIS Ana Elisa SCHMIDT¹, Elvis Cordeiro NOGUEIRA² ¹ Orientadora e docente do IFC-Campus Camboriú; ² Aluno do curso de Bacharelado em Sistemas
Leia maisProcessamento de Imagens Coloridas. Prof. Adilson Gonzaga
Processamento de Imagens Coloridas Prof. Adilson Gonzaga 1 Aparência de um Objeto A aparência de um objeto é o resultado de uma complexa interação da luz incidente sobre este objeto, suas características
Leia maisConsultas por Similaridade em Domínios de Dados Complexos
Consultas por Similaridade em Domínios de Dados Complexos Guilherme Felipe Zabot Orientador: Profº Dr Caetano Traina Jr Roteiro Objetivo Introdução Dados Complexos Representação de Dados Complexos Extração
Leia maisImagem Digital. Claudio Carvilhe
Imagem Digital Claudio Carvilhe Imagem Digital Roteiro Introdução. Pixel. Resolução espacial. Cor. Processamento de imagens. Introdução Informação Visual: Imagem vista na tela. Informação Descritiva: Modelo
Leia maisLEANDRO SEBASTIAN PEREIRA DA SILVA UTILIZAÇÃO DO ESBOÇO PARA RECUPERAÇÃO DE IMAGENS DE FACES HUMANAS
LEANDRO SEBASTIAN PEREIRA DA SILVA UTILIZAÇÃO DO ESBOÇO PARA RECUPERAÇÃO DE IMAGENS DE FACES HUMANAS Dissertação apresentada à Escola de Engenharia de São Carlos da Universidade de São Paulo para obtenção
Leia maisIdentificação de Órgãos Foliares utilizando as Wavelets de Daubechies
Identificação de Órgãos Foliares utilizando as Wavelets de Daubechies Alexander Scaranti, Ronaldo Bernardi e Rodrigo de Oliveira Plotze Instituto de Ciências Exatas e Tecnologia - Universidade Paulista
Leia maisINTRODUÇÃO AO DESENVOLVIMENTO WEB. PROFª. M.Sc. JULIANA H Q BENACCHIO
INTRODUÇÃO AO DESENVOLVIMENTO WEB PROFª. M.Sc. JULIANA H Q BENACCHIO Utilização de Cores em HTML Cores primárias Cores secundárias 2 Utilização de Cores em HTML Os comprimentos de onda vermelho, amarelo
Leia maisReconhecimento de texturas utilizando padrão binário local e classificador knn.
Reconhecimento de texturas utilizando padrão binário local e classificador knn. Vinicius Santos Andrade 1 Resumo. Através de uma imagem é possível obter inúmeras informações. Portanto, é cada vez mais
Leia maisImagem bitmap. Gráfico vetorial. gráficos vetoriais
Sobre imagens bitmap e gráficos vetoriais Os elementos gráficos de um computador podem ser divididos em duas categorias principais -- bitmap e vetor. Imagem bitmap Gráfico vetorial Imagens bitmap são ideais
Leia maisDetecção de Faces Humanas em Imagens Coloridas Utilizando Redes Neurais Artificiais
Detecção de Faces Humanas em Imagens Coloridas Utilizando Redes Neurais Artificiais Wellington da Rocha Gouveia Universidade de São Paulo Escola de Engenharia de São Carlos Departamento de Engenharia Elétrica
Leia maisResultados da Segmentação
59 6 Resultados da Segmentação Neste capítulo são avaliados os três algoritmos de binarização abordados no capítulo 4. A avaliação é obtida comparando-se as imagens segmentadas, com as mesmas imagens segmentadas
Leia maisPROCESSAMENTO DE IMAGENS DIGITAIS PARA VISÃO ROBÓTICA. Digital Image Processing for Robotic Vision
PROCESSAMENTO DE IMAGENS DIGITAIS PARA VISÃO ROBÓTICA Digital Image Processing for Robotic Vision Luiz Ferreira MENEZES Jr. Faculdade de Jaguariúna Resumo: Este trabalho descreve quatro métodos para converter
Leia maisPALMBORD Identificação Biométrica pela Palma da Mão
PALMBORD Identificação Biométrica pela Palma da Mão Carlos Eduardo Del Vecchio, Cristiano Donizete Ferrari 1, João Zoli Neto e Osvaldo Severino Junior 2 Instituto Federal de São Paulo campus Catanduva
Leia maisModelo RGB - Aplicações
Modelo RGB - Aplicações As aplicações do modelo RGB estão associadas à emissão de luz por equipamentos como monitores de computador e ecrãs de televisão. O monitor CRT é essencialmente um tubo de raios
Leia maisQualidade Radiométrica das Imagens Sensor ADS40
Qualidade Radiométrica das Imagens Sensor ADS40 O sensor ADS40 (Airborne Digital Sensor) é um Sensor Digital Linear de alta resolução geométrica e radiométrica desenvolvido pela Leica Geosystems. O sensor
Leia maisRepresentação da Informação
Representação da Informação José Gustavo de Souza Paiva Introdução Representação é feita na forma digital Por que? Sistemas Computacionais só manipulam dados digitais Dados digitais são mais fáceis de
Leia maisDETECÇÃO DE CORES DE SOLUÇÕES QUÍMICAS PARA PESSOAS COM NENHUMA OU BAIXA VISÃO UTILIZANDO OPENCV
DETECÇÃO DE CORES DE SOLUÇÕES QUÍMICAS PARA PESSOAS COM NENHUMA OU BAIXA VISÃO UTILIZANDO OPENCV Autor (1) Jéssica Fernandes Alves; Orientador (4) Suzete Élida Nóbrega Correia (1) Instituto Federal de
Leia maisProcessamento de Imagens. Processamento de Imagens. Universidade Federal do Rio de Janeiro - IM/DCC & NCE. Fundamentos sobre. Antonio Carlos Gay Thomé
Universidade Federal do Rio de Janeiro - IM/DCC & NCE Fundamentos sobre Processamento de Imagens Antonio Carlos Gay Thomé Meus dados: Sala 1033 / AEP thome@nce.ufrj.br equipe.nce.ufrj.br/thome Laboratório
Leia maisESRIC EXTRACÇÃO, SEGMENTAÇÃO E RECONHECIMENTO DA ÍRIS A PARTIR DO CENTRO DA PUPILA
CMNE/CILAMCE 2007 Porto, 13 a 15 de Junho, 2007 APMTAC, Portugal 2007 ESRIC EXTRACÇÃO, SEGMENTAÇÃO E RECONHECIMENTO DA ÍRIS A PARTIR DO CENTRO DA PUPILA Edno José Bozoli Junior 1*, Osvaldo Severino Junior
Leia maisSketch to Photo Matching: A Feature-based Approach (Klare and Jain [2010])
Sketch to Photo Matching: A Feature-based Approach (Klare and Jain [2010]) Marco Antonio de A. Silva Programa de Pós-Graduação em Ciência da Computação - PPGCC Departamento de Computação - DECOM Universidade
Leia maisEXTRAÇÃO SEMI - AUTOMÁTICA DE FEIÇÕES LINEARES E A CALIBRAÇÃO DOS PARÂMETROS INTRÍNSECOS DE CÂMERAS Projeto de Pesquisa PIBIC/CNPq ( )
USP UNIVERSIDADE DE SÃO PAULO EP ESCOLA POLITÉCNICA EXTRAÇÃO SEMI - AUTOMÁTICA DE FEIÇÕES LINEARES E A CALIBRAÇÃO DOS PARÂMETROS INTRÍNSECOS DE CÂMERAS Projeto de Pesquisa PIBIC/CNPq (2000-2001) LEONARDO
Leia maisExtração de objetos de interesse em imagens digitais utilizando a biblioteca de Visão Computacional OpenCV
Extração de objetos de interesse em imagens digitais utilizando a biblioteca de Visão Computacional OpenCV Izadora Aparecida RAMOS 1,3,4 ; Servílio Souza de ASSIS 1,3,4 ; Bruno Alberto Soares OLIVEIRA
Leia maisPROCESSAMENTO DE IMAGENS COLORIDAS. Nielsen Castelo Damasceno
PROCESSAMENTO DE IMAGENS COLORIDAS Nielsen Castelo Damasceno Definições A cor é um poderoso descritor que muitas vezes simplifica a identificação do objeto e sua extração de uma cena. Os seres humanos
Leia maisProcessamento de Imagem. Prof. MSc. André Yoshimi Kusumoto
Processamento de Imagem Prof. MSc. André Yoshimi Kusumoto andrekusumoto.unip@gmail.com Prof. André Y. Kusumoto andrekusumoto.unip@gmail.com Amostragem e Quantização Amostragem refere-se ao número de pontos
Leia maisMétodos de Extração de Características
1. Introdução Métodos de Extração de Características A Interpretação ou entendimento de uma cena demanda o reconhecimento de seus objetos. Reconhecimento de objetos ou padrões contidos em uma cena -> é
Leia maisFace Recognition using RGB-D Images
Face Recognition using RGB-D Images Helder C. R. de Oliveira N.USP: 7122065 Polyana Nunes N.USP: 9043220 Sobre o Artigo Publication: 2013 IEEE Sixth International Conference Author(s) Goswami, G. (Índia
Leia maisIDENTIFICAÇÃO DE MARCADORES DE PAVIMENTAÇÃO NA ORIENTAÇÃO DE CEGOS. André Zuconelli 1 ; Manassés Ribeiro 2
IDENTIFICAÇÃO DE MARCADORES DE PAVIMENTAÇÃO NA ORIENTAÇÃO DE CEGOS André Zuconelli 1 ; Manassés Ribeiro 2 INTRODUÇÃO As tecnologias assistivas têm a finalidade de auxiliar pessoas com deficiência a alcançar
Leia mais3 Simpósio Internacional de Agricultura de Precisão
PROGRAMA COMPUTACIONAL PARA LOCALIZAÇÃO DE PLANTAS DANINHAS UTILIZANDO PROCESSAMENTO DE IMAGENS DIGITAIS Gustavo Finholdt 1, Celso Bandeira de Melo Ribeiro 2, Francisco de Assis de Carvalho Pinto 3 RESUMO:
Leia maisIntrodução a Análise de Imagens Digitais
Introdução a Análise de Imagens Digitais Uma imagem digital é uma representação de uma cena por meio de um conjunto de elementos discretos e de tamanhos finitos, chamados de pixels, colocados em um arranjo
Leia maisPropriedades da Imagem Amostragem & Quantização (Quantificação) Histograma Imagem Colorida x Imagem Monocromática. Propriedades da Imagem
Proc. Imagem Prof. Júlio C. Klafke [1] TÓPICOS DESENVOLVIDOS NESTE MÓDULO PROCESSAMENTO DE IMAGEM #02 Propriedades da Imagem Amostragem & Quantização (Quantificação) Histograma Imagem Colorida x Imagem
Leia maisAPLICAÇÃO DE TÉCNICAS DE PROCESSAMENTO DE IMAGENS DIGITAIS EM IMAGENS GERADAS POR ULTRA-SOM
VIII ERMAC 8 o Encontro Regional de Matemática Aplicada e Computacional 0- de Novembro de 008 Universidade Federal do Rio Grande do Norte Natal/RN APLICAÇÃO DE TÉCNICAS DE PROCESSAMENTO DE IMAGENS DIGITAIS
Leia maisCores em Imagens e Vídeo
Aula 05 Cores em Imagens e Vídeo Diogo Pinheiro Fernandes Pedrosa Universidade Federal Rural do Semiárido Departamento de Ciências Exatas e Naturais Ciência da Computação Ciência das Cores A cor é fundamentada
Leia maisUniversidade do Estado de Minas Gerais Curso de Sistemas de Informações. Multimídia. A Imagem (Parte I)
Universidade do Estado de Minas Gerais Curso de Sistemas de Informações Multimídia A Imagem (Parte I) Prof Sérgio Carlos Portari Júnior portari.uemgituiutaba@gmail.com Multimídia A imagem Tópico: Representação
Leia maisUniversidade Aberta da Terceira Idade Sub-Reitoria de Extensão e Cultura
MANUAL DA MARCA iversidade Aberta da Terceira Idade Este manual contém todos os elementos gráficos que representam a padronização visual da marca ati. Aqui são especificados todos os formatos, tamanhos,
Leia maisExtração de atributos usando o método LBP - Local Binary Pattern
Extração de atributos usando o método LBP - Local Binary Pattern Lia Nara Balta Quinta. 2 de maio de 2006 1 Antecedentes e Justificativa O Brasil possui, atualmente, um grande rebanho bovino, porém em
Leia maisESTUDO DE TÉCNICAS PARA SOLUÇÃO DE PROBLEMAS DE PROCESSAMENTO DE IMAGENS UTILIZANDO A LINGUAGEM PYTHON
ESTUDO DE TÉCNICAS PARA SOLUÇÃO DE PROBLEMAS DE PROCESSAMENTO DE IMAGENS UTILIZANDO A LINGUAGEM PYTHON Marcus Vinícius Teodoro Silva, Marcos William da Silva Oliveira Instituto Federal de Educação, Ciência
Leia maisAnálise Quantitativa de Tecidos em Úlceras de Perna
49 5 Análise Quantitativa de Tecidos em Úlceras de Perna A avaliação das áreas proporcionais de cada tecido interno das úlceras fornece informações importantes sobre seu estado patológico [BERRISS, 2000],
Leia maisUsando MLP para filtrar imagens
Usando MLP para filtrar imagens Thiago Richter, Ediel Wiezel da Silva, e Adilson Gonzaga Departamento de Engenharia Elétrica, Universidade de São Paulo, Brasil thiago.richter@yahoo.com.br, edielws@gmail.com,
Leia maisRecuperação de texturas coloridas trasladadas, rotacionadas e escaladas
Recuperação de texturas coloridas trasladadas, rotacionadas e escaladas Página 1 de 22 Alexadre Leão Guillermo Cámara Chávez Processamento digital de imagens DCC UFMG Maio 2003 Recuperação de texturas
Leia maisDr. Sylvio Barbon Junior. Departamento de Computação - UEL. 1 o Semestre de 2015
Introdução a Computação Gráfica [5COP100] Dr. Sylvio Barbon Junior Departamento de Computação - UEL 1 o Semestre de 2015 Assunto Aula 8 Descritores de Imagens Digitais 2 of 47 Sumário Descritores e Reconhecimento
Leia maisCLASSIFICAÇÃO DE PADRÕES EM IMAGENS UTILIZANDO DESCRITORES DE TEXTURA Pattern Classification in Images Using Descriptors of Texture
CLASSIFICAÇÃO DE PADRÕES EM IMAGENS UTILIZANDO DESCRITORES DE TEXTURA Pattern Classification in Images Using Descriptors of Texture 1 e Sandro Roberto Fernandes 2 Resumo: Nesta pesquisa foi desenvolvido
Leia maisPLANO DE TRABALHO: DISCIPLINA OPTATIVA PROCESSAMENTO DE IMAGENS MÉDICAS
PLANO DE TRABALHO: DISCIPLINA OPTATIVA PROCESSAMENTO DE IMAGENS MÉDICAS PROFESSOR: Alexei Manso Correa Machado 1. EMENTA Percepção visual. Modalidades de aquisição e reconstrução tomográfica. Amostragem
Leia maisCor SCC0251 Processamento de Imagens
Cor SCC0251 Processamento de Imagens Prof. Moacir Ponti Jr. www.icmc.usp.br/~moacir Instituto de Ciências Matemáticas e de Computação USP 2012/1 Moacir Ponti Jr. (ICMCUSP) Cor 2012/1 1 / 39 Sumário 1 Introdução
Leia maisUniversidade Federal do Rio de Janeiro. Flávio Henrique Schuindt da Silva. Estimativa de Fluxo Ótico com o método de Lukas-Kanade
Universidade Federal do Rio de Janeiro Programa de Engenharia de Sistemas e Computação Introdução ao Processamento de Imagens Flávio Henrique Schuindt da Silva Estimativa de Fluxo Ótico com o método de
Leia maisRecuperação de Imagens 3D Baseado Conteúdo Utilizando mais de uma Imagem-consulta
Recuperação de Imagens 3D Baseado Conteúdo Utilizando mais de uma Imagem-consulta Alexandre Munhoz alex.munhoz@vivax.com.br Shermila Guerra Santa Cruz shermila@sel.eesc.usp.br Dr. Adilson Gonzaga adilson@sel.eesc.usp.br
Leia maisSERVIÇO PÚBLICO FEDERAL UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL INSTITUTO DE INFORMÁTICA DEPARTAMENTO DE INFORMÁTICA APLICADA
SERVIÇO PÚBLICO FEDERAL UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL INSTITUTO DE INFORMÁTICA DEPARTAMENTO DE INFORMÁTICA APLICADA DISCIPLINA: Fundamentos de Processamento de Imagens CÓDIGO: INF01046 Turma
Leia maisFrancisco Fambrini Unicamp - Universidade Estadual de Campinas
XXII Seminário Nacional de Distribuição de Energia Elétri SENDI 2016-07 a 10 de novembro Curitiba - PR - Brasil Francisco Fambrini Unicamp - Universidade Estadual de Campinas ffambrini@gmail.com Segmentação
Leia maisProcessamento de Imagens Coloridas. 35M34 Sala 3D5 Bruno Motta de Carvalho DIMAp Sala 15 Ramal 227
Processamento de Imagens Coloridas 35M34 Sala 3D5 Bruno Motta de Carvalho DIMAp Sala 15 Ramal 227 Introdução Apesar do processo de percepção e interpretação de cores não ser completamente compreendido,
Leia maisComputação Gráfica Síntese de Cores
Computação Gráfica Síntese de Cores Professora: Sheila Cáceres Natureza da cor O ser humano é capaz de visualizar só um subconjunto do espectro de luz solar: desde 380 nanômetros (violeta) a 780 nanômetros
Leia maisOrientação de Bordas em Imagens Digitais: Abordagem por Análise de Vizinhança Local
Orientação de Bordas em Imagens Digitais: Abordagem por Análise de Vizinhança Local Inês Aparecida Gasparotto Boaventura DCCE-IBILCE-UNESP Rua Cristovão Colombo, 2265 15054-000, São José do Rio Preto,
Leia maisSISTEMA PARA EXTRAÇÃO DE CARACTERÍSTICAS VISUAIS DE IMAGENS DE MADEIRA DE PINUS
SISTEMA PARA EXTRAÇÃO DE CARACTERÍSTICAS VISUAIS DE IMAGENS DE MADEIRA DE PINUS Camila Piacitelli 1, Osvaldo Cesar Pinheiro de Almeida 2 1 Informática para Negócios, Faculdade de Tecnologia, Botucatu,
Leia maisPMR2560 Visão Computacional Conversão e Limiarização. Prof. Eduardo L. L. Cabral
PMR2560 Visão Computacional Conversão e Limiarização Prof. Eduardo L. L. Cabral Objetivos Processamento de imagens: Conversão de imagens; Histograma; Limiarização. Imagem digital Uma imagem é uma matriz
Leia maisCOMPUTAÇÃO GRÁFICA. Ana Paula Mandelli
COMPUTAÇÃO GRÁFICA Ana Paula Mandelli anapaula_mandelli@hotmail.com Ementa Princípios de Design gráfico. Funcionalidades básicas. Técnicas aplicadas ao Design Gráfico. Ilustrações. Tratamento de Imagens.
Leia maisProcessamento de imagem a cores
A cor é um poderoso descritor que frequentemente simplifica a identificação e extracção de objectos de uma cena Os humanos podem discernir milhares de cores, mas apenas duas dezenas de cinzentos O processamento
Leia maisALGORITMOS PARA SEGMENTAÇÃO DA PELE UTILIZANDO MODELOS DE CORES RGB EM AMBIENTE MATLAB/SIMULINK
ALGORITMOS PARA SEGMENTAÇÃO DA PELE UTILIZANDO MODELOS DE CORES RGB EM AMBIENTE MATLAB/SIMULINK Rodrigo Fernandes Freitas (2) Graduando em Mecatrônica Industrial (CEFETCE). Rodrigo Carvalho Souza Costa
Leia maisSEMINÁRIO DOS ARTIGOS:
SEMINÁRIO DOS ARTIGOS: Text Detection and Character Recognition in Scene Images with Unsupervised Feature Learning End-to-End Text Recognition with Convolutional Neural Networks Fernanda Maria Sirlene
Leia maisCopiright de todos artigos, textos, desenhos e lições. A reprodução parcial ou total desta aula só é permitida através de autorização por escrito de
1 O estudo das cores não é peculiar apenas da pintura ou do desenho; é um estudo amplo, que sem dúvida está presente dentro de muitas outras áreas e que estão diretamente interconectados. Veja nesta aula
Leia maisFundamentos de Processamento Gráfico. Modelos de cores. Fátima Nunes. Profa. Fátima L. S. Nunes
Fundamentos de Processamento Gráfico Aula 10 Modelos de cores Fátima Nunes 1 Introdução Por que usar cor em processamento de imagens? 2 Introdução Por que usar cor em processamento de imagens? Cor: descritor
Leia maisUm sistema de identificação biométrica utilizando reconhecimento de íris e OpenCV
Um sistema de identificação biométrica utilizando reconhecimento de íris e OpenCV Rodrigo Mendes Garcês 1, Geraldo Braz Júnior 2 1 Laboratório de métodos de otimização e robótica Universidade Federal do
Leia maisINTERPOLAÇÃO LINEAR E BILINEAR: APLICAÇÃO EM TRANSFORMAÇÕES GEOMÉTRICAS DE IMAGEM INTRODUÇÃO
INTERPOLAÇÃO LINEAR E BILINEAR: APLICAÇÃO EM TRANSFORMAÇÕES GEOMÉTRICAS DE IMAGEM Autores: Giulia Denise Kujat VIEIRA; Milene Karine GUBETTI. Identificação autores: Estudantes do Curso Técnico em Informática
Leia maisSensoriamento Remoto II
Sensoriamento Remoto II 2: transformações espetrais IHS, Tasseled Cap UFPR Departamento de Geomática Prof. Jorge Centeno 2016 copyright@ centenet Sensoriamento Remoto II Descrição da Ementa: Transformações
Leia maisIDENTIFICAÇÃO DE ELEMENTOS UTILIZANDO SISTEMA DE CORES HSV EM IMAGEM DE ÍNDICE DE VEGETAÇÃO DA CULTURA DE CANA-DE-AÇÚCAR
LA SCALEA, Rodrigo Antônio; CHAVES, Arthur Avelar; CASTELO BRANCO, Kalinka Regina Lucas Jaquie; KAWABATA, Célia Leiko Ogawa. Identificação de elementos utilizando sistema de cores HSV em imagem de índice
Leia maisPLANO DE TRABALHO: DISCIPLINA OPTATIVA PROCESSAMENTO DE IMAGENS MÉDICAS
PLANO DE TRABALHO: DISCIPLINA OPTATIVA PROCESSAMENTO DE IMAGENS MÉDICAS PROFESSOR: Alexei Manso Correa Machado 1. EMENTA Percepção visual. Modalidades de aquisição e reconstrução tomográfica. Amostragem
Leia maisUNIVERSIDADE FEDERAL DE UBERLÂNDIA UFU
UNIVERSIDADE FEDERAL DE UBERLÂNDIA UFU PLANO DE TRABALHO EM INICIAÇÃO CIENTÍFICA Desenvolvimento e aplicação de um modelo gravitacional simplificado para análise de texturas coloridas. Uberlândia 30/04/2014
Leia maisImage Descriptors: texture
Image Descriptors: texture Image Processing scc0251 www.icmc.usp.br/ moacir moacir@icmc.usp.br ICMC/USP São Carlos, SP, Brazil 2011 Moacir Ponti Jr. (ICMCUSP) Image Descriptors: texture 2011 1 / 28 Agenda
Leia maisRecuperação de imagens por conteúdo utilizando Lógica Fuzzy - um estudo de caso sobre imagens faciais
Recuperação de imagens por conteúdo utilizando Lógica Fuzzy - um estudo de caso sobre imagens faciais Leila Cristina Carneiro Bergamasco; Fátima L.S. Nunes Universidade de São Paulo Escola de Artes, Ciências
Leia maisA SIMPLE MODEL FOR CLASSIFICATION AND PARAMETRIZABLE COLOR SYSTEM RGB
UM MODELO SIMPLES E PARAMETRIZÁVEL PARA CLASSIFICAÇÃO DE CORES NO SISTEMA RGB João Henrique Gonçalves Corrêa¹, George Ulisses Serpa Veja¹, Nailson dos Santos Cunha¹, Thiago Gouveia da Silva 1 e Paulo Ditarso
Leia maisUniversidade Católica Dom Bosco
Universidade Católica Dom Bosco Curso de Bacharelado em Engenharia de Computação Comparação entre Técnicas de Reconhecimento de Faces para Controle de Acesso a Computadores Vinícius Assis Saueia da Silva
Leia maisImagem digital. Elicardo Gonçalves
Imagem digital Elicardo Gonçalves As imagens são armazenadas no computador no formato de matrizes numéricas. Cada elemento da matriz representa um pixel (picture cell), que é a menor divisão desta imagem.
Leia maisAproximações e Erros
Aproximações e Erros Lucia Catabriga e Andréa Maria Pedrosa Valli Laboratório de Computação de Alto Desempenho (LCAD) Departamento de Informática Universidade Federal do Espírito Santo - UFES, Vitória,
Leia maisImplementação dos Algoritmos e Resultados
Capítulo 6 Implementação dos Algoritmos e Resultados 6.1 Considerações Iniciais Diversas situações foram exploradas neste trabalho visando analisar qual seria a wavelet mais adequada para sistemas de extração
Leia maisIDENTIFICAÇÃO DAS ESTRUTURAS DE TECIDOS PLANOS ATRAVÉS DA CÂMERA DE SMARTPHONE
IDENTIFICAÇÃO DAS ESTRUTURAS DE TECIDOS PLANOS ATRAVÉS DA CÂMERA DE SMARTPHONE Identificação das estruturas de tecidos planos através da câmera de smartphone Pimentel, Juliana Rangel de Morais; Me; Instituto
Leia maisProf. Fernando V. Paulovich 3 de agosto de SCC Computação Gráca
Dispositivos de Saída e SCC0250 - Computação Gráca Prof. Fernando V. Paulovich http://www.icmc.usp.br/~paulovic paulovic@icmc.usp.br Instituto de Ciências Matemáticas e de Computação (ICMC) Universidade
Leia mais4 Resultados e Discussão 4.1. Efeito da Resolução
4 Resultados e Discussão 4.1. Efeito da Resolução As imagens a 20X tem a vantagem de oferecer um melhor detalhe na quantificação das fases, mas tem a desvantagem de precisar analisar um número grande de
Leia mais