Contagem Automa tica de Colo nias usando Hough Circles
|
|
- Mario Teves
- 5 Há anos
- Visualizações:
Transcrição
1 Contagem Automa tica de Colo nias usando Hough Circles Arthur Melo Pinheiro, Kathiani Elisa de Souza Valguima Victoria Viana Aguiar Odakura, Willian Paraguassu Amorim Universidade Federal da Grande Dourados Faculdade de Cie ncias Exatas e Tecnologias arthur.siufgd10@gmail.com, kathianielisa2@hotmail.com valguima.odakura@gmail.com, paraguassuec@gmail.com Abstract - The uroculture is an important exam for human urinary infection level detection. The level is determined by counting the colonies cultivated in Petri Dishes. The colonies appear in large quantities and usually in clusters thus an automatic counting procedure is a hard task. This paper presents an automatic method for colonies counting based on the Hough Circles technique. Resumo - A urocultura e um importante exame para a detecc a o do nı vel de infecc a o urina ria humana. O nı vel de infecc a o e determinado pela contagem das colo nias cultivadas em placas de Petri. As colo nias aparecem em grandes quantidades e, geralmente, em grupos, portanto, um procedimento de contagem automa tica e uma tarefa difı cil. Este artigo apresenta um me todo automa tico para contagem das colo nias baseado na te cnica Hough Circles. 1. Introduc a o As infecc o es urina rias causadas por bacte rias sa o as mais comuns entre os seres humanos, atra s somente das infecc o es respirato rias causadas por vı rus. O principal agente causador da infecc a o urina ria e a bacte ria Escherichia coli que pode afetar o rga os como a bexiga e os rins [5]. Para diagnosticar a doenc a, e necessa ria a realizac a o da urocultura, um exame realizado em laborato rio em que se cultiva o sedimento depositado no fundo do tubo de ensaio apo s a centrifugac a o da urina. O cultivo das bacte rias e realizado em placas de Petri1, dura em torno de quarenta e oito horas e formara o colo nias que sera o contadas e avaliadas pelo laboratorista [1]. A Figura 1, ilustra as colo nias bacterianas apo s o perı odo de cultivo. 1 Um recipiente cilı ndrico, achatado, de vidro ou pla stico utilizado na cultura de microorganismos. Figura 1. Imagens representando as colo nias bacterianas cultivadas em placas de Petri. A contagem das colo nias e o passo fundamental para diagnosticar o nı vel de infecc a o do paciente, em que o resultado implicara nas deciso es me dicas como receitar um determinado antibio tico. Portanto, a precisa o desta contagem deve ser a mais pro xima possı vel da exatida o. Em muitos casos, as colo nias cultivadas em placas de Petri se apresentam em grande nu mero ou aglomeradas entre elas que dificulta a contagem causando imprecisa o. Para solucionar este problema, foi proposta a utilizac a o de uma te cnica de processamento de imagens conhecida como Hough Circles, aplicada na detecc a o de objetos circulares [6]. Para aplicac a o da te cnica Hough Circles, e necessa ria a utilizac a o de algumas fases de pre -processamento. Neste trabalho, e apresentada a avaliac a o do processo de contagem de colo nias usando Hough Circles comparadas com especialistas na a rea, sobre condic o es diferentes de pre -processamento. O trabalho esta organizado da seguinte forma. Na sec a o 2, e apresentado o funcionamento da te cnica Hough Circles e o algoritmo utilizado na criac a o do espac o de Hough. Na sec a o 3, e apresentado o me todo proposto nesse trabalho em que duas configurac o es de pre -processamento foram testadas. Nas
2 seções 4 e 5, são apresentados os experimentos realizados e os resultados gerados utilizando o método proposto. E nas seções 6 e 7, são apresentados a análise referente aos resultados obtidos nos experimentos e as conclusões do trabalho. 2. Hough Circles A técnica Hough Circles consiste em encontrar através de um raio (r) estipulado, coordenadas de possíveis centros de circunferências (xc, yc). As coordenadas são encontradas através de um cálculo trigonométrico que serão utilizadas para gerar o espaço de Hough. O espaço de Hough é uma imagem com a mesma dimensão da imagem original em que inicialmente terá todos os pixels com valor 0 (zero, correspondendo a cor preta). Estes pixels sofrerão alteração de seus valores conforme as coordenadas encontradas (localização do pixel), incrementando o seu valor em 1 (um), [6]. O Algoritmo 1 representa a criação do espaço de Hough. O algoritmo realiza cálculos trigonométricos somente quando localiza o pixel representando a borda de algum objeto, ou seja, após o pré-processamento estes pixels serão representados com valor 255 (valor que corresponde a cor branca em imagem binária),tendo um padrão para identificá-las. Em uma imagem pode haver diversos objetos circulares de raios distintos ou até mesmo desconhecidos. Portanto, é inviável a utilização de um raio fixo para encontrar as coordenadas centrais. Para a criação do espaço de Hough é utilizado uma matriz de três dimensões representadas pelas coordenadas (x, y) do pixel e o raio da circunferência, em que seu valor irá variar entre um intervalo de raio mínimo e máximo. Formado o espaço de Hough, ilustrado na Figura 2, é possível detectar as possíveis regiões circulares. Para isso, cada pixel do espaço de Hough será comparado a fim de encontrar o pixel de maior valor, este possivelmente representará um centro de circunferência. Com os valores de raio conhecidos, é possível marcar essa circunferência a partir do pixel encontrado. O processo persiste caso seja necessário detectar outras circunferências. Mas para isso, primeiramente serão zerados os pixels que correspondem a circunferência encontrada, evitando detectá-la novamente. A técnica Hough Circles foi implementada por Pistori e Costa em plug-in para o ImageJ 2 (software livre de processamento de imagens). O plug-in é capaz de detectar e marcar em uma imagem digital a quantidade de regiões circulares fornecidas pelo usuário a partir de parâmetros pré definidos, como raio mínimo e máximo, incremento de raio, e quantidade de regiões circulares a serem encontradas. 2 Algoritmo 1: Criação do Espaço de Hough Entrada: I[x][y] - Matriz binarizada após o pré-processamento. m,n - Representam a largura e altura da imagem. x,y - Correspondem as coordenadas. θ - Ângulo. xc,yc - Coordenadas centrais. r - Raio. Saída: H[x][y] - Matriz resultante que possuirá o espaço de Hough. para x de 0 até n - 1 faça para y de 0 até m - 1 faça se I[x][y] = 255 então para θ de 0 até 2 π faça xc = x r * cos(ang) yc = y r * sen(ang) H[xc][yc]++ retorna H (a) (c) (b) (d) Figura 2. Processamento das Imagens de Colônias de Bactérias. (a) Imagem Original, (b) Image pré-processada, (c) Espaço de Hough, (d) Colônias detectadas. 3. Método Proposto Hough Circles é uma técnica capaz de detectar objetos circulares em imagens digitais através de pontos de máximo
3 (pixels com maior valor após incrementos) em uma imagem gerada conhecida como espaço de Hough. A mesma foi desenvolvida a partir da transformada de Hough, técnica conhecida desde a década de 60 desenvolvida por Paul Hough [4]. Esta técnica é utilizada em projetos como: Detecção de objetos circulares usando transformada de Hough [8], contagem de leveduras para o controle da fermentação na produção de álcool [7], detecção, rastreamento e reconhecimento de ações através de imagens e videos [2], e outros trabalhos de detecção de padrões geométricos. Para a utilização da técnica Hough Circles é necessário que a imagem seja pré-processada. Algumas técnicas como detecção de bordas e binarização de imagem são necessárias para a aplicação do algoritmo. Nesse trabalho foram utilizadas duas configurações de pré-processamento. A primeira baseado no método proposto por Silva e Pistori [7], em que se obteve uma ótima precisão na contagem de leveduras, e a segunda baseado no mesmo pré-processamento da primeira configuração acrescido da técnica Watershed, responsável por dividir as regiões em que as colônias se encontram aglomeradas. A seguir, a lista das técnicas de pré-processamento utilizadas para os experimentos de detecção de colônias. Configuração 1: Enhance Contrast Gaussian Filter Converter para Escalas de Cinza (8-bit) Canny Filter Contagem de colônias utilizando Hough Circles. Configuração 2: Enhance Contrast Gaussian Filter Converter para Escalas de Cinza (8-bit) Canny Filter Watershed Contagem de colônias utilizando Hough Circles. 4. Experimentos Para a realização dos experimentos, primeiramente foram coletadas no laboratório do Hospital Universitário de Dourados MS, imagens das colônias cultivadas em placas de Petri. Para a captura das imagens foi utilizada a Câmera Digital 14MP 15x Zoom Óptico que fornece imagens com uma dimensão de 2560 x 1920 pixels no formato JPEG. Para auxiliar nos experimentos, foi desenvolvido um plug-in para o software ImageJ, capaz de gerar amostras recortando as imagens coletadas em uma dimensão fornecida pelo usuário, e arquivadas em um diretório. Por meio de análises visuais foi estipulado uma dimensão de 200 x 200 pixels para as amostras geradas, facilitando a comparação da contagem realizada pelo especialista com a contagem realizada pelo software. Gerado o banco de amostras, foram contadas manualmente as colônias de cada amostra, onde foi registrado no próprio nome do arquivo o valor da contagem. No total foram analisadas amostras correspondendo a 34 imagens com média de colônias por imagem. Foi desenvolvido um plug-in para o software ImageJ capaz de gerar os primeiros resultados de contagem utilizando a técnica Hough Circles. A intenção é testar parâmetros como o valor de Threshold utilizado na condição de parada de contagem, o valor do Sigma (σ) utilizado na técnica Gaussian blur, e o valor de Alpha (α) utilizado na técnica Canny filter. Para os três parâmetros, foram analisados um intervalo de valores nos quais poderiam ser testados e avaliados, a fim de encontrar os melhores valores para uma contagem de maior precisão. Para uma melhor análise, foram selecionadas 30 amostras que não possuem qualquer tipo de interferência como a luz e reflexo da placa de Petri, divididas igualmente em três categorias. A categoria 1 possui imagens com poucas colônias, as mesmas com o formato circular muito bem definido e separadas uma das outras, definido pelo especialista com complexidade baixa de avaliação. A categoria 2, com complexidade média de avaliação, possui imagens com colônias localizadas muito próximas uma das outras e em alguns casos se encontram aglomeradas. E por fim a categoria 3, com complexidade alta de avaliação, possui imagens em que as colônias normalmente se encontram aglomeradas, sendo este um grande desafio para a contagem utilizando o método proposto. A Figura 3 ilustra uma imagem de cada categoria. Para uma melhor análise dos parâmetros, foram utilizados quatro equações [3], que são: Média Erro (ME): Consiste na média da diferença entre a quantidade de colônias contadas pelo especialista (ec) e a quantidade de colônias contadas pelo software (hc) de todas as imagens de cada categoria, ilustrado na Equação 1. Recall: Consiste na divisão entre a quantidade de colônias contadas corretamente pelo software (hr) e a quantidade de colônias contadas pelo especialista (ec). Avaliado em uma escala de 0 a 1, quanto mais próximo do valor 1, indica que o software está detectando corretamente o maior número de colônias existentes, ilustrado na Equação 2. Precision: Consiste na divisão entre a quantidade de colônias contadas corretamente pelo software (hr) e a quantidade de colônias contadas pelo software (hc). Avaliado em uma escala de 0 a 1, quanto mais próximo do valor 1, mais o software é preciso na realização da contagem, ilustrado na Equação 3. F-Score (F): Uma equação que balanceia os valores de Precision e Recall, obtendo um valor mais significativo para a análise. Um valor de Recall alto não significa que a técnica seja eficiente, pois a técnica pode detectar todas as colônias, mas poderá detectar vários pontos que não correspondem uma colônia, o que ocasionará em uma Precision
4 baixa. Portanto, equilibrar estes valores é importante para a análise, ilustrado na Equação 4. ME = F = 2 n i=img1 ec i hc i n Recall = hr ec P recision = hr hc precision recall precision + recall (1) (2) (3) (4) 5. Resultados Primeiramente foram testados valores para α nas duas configurações de pré-processamento. Analisando visualmente o desempenho da contagem pelo especialista, foram selecionados quatro valores consecutivos para α (1.0, 1.1, 1.2, 1.3) para cada categoria de imagens. As Tabelas 1 e 2 apresentam os melhores resultados dos cálculos efetuados utilizando as configurações de pré-processamento 1 e 2. O segundo teste tem como finalidade, encontrar os melhores valores para σ e Threshold. Visualmente foram analisados pelo especialista, os melhores valores para os experimentos de σ e Threshold, cada qual possuindo três valores consecutivos, σ(1.4, 1.5, 1.6), Threshold(20, 21, 22). Foi utilizado o melhor valor de α para cada categoria de imagens encontrados no primeiro teste. Foi considerado mais relevante, os valores obtidos no cálculo do ME para selecionar os valores de α. As Tabelas 3, 4, 5, 6, 7 e 8 apresentam os melhores resultados dos cálculos através do melhor valor de α, utilizando as configurações 1 e 2 de préprocessamento para todas as categorias de imagens. Categoria α M E Recall P recision F (a) (b) Tabela 1. Melhores resultados variando valor de α para o cálculo das equações Recall, Precision, F-Score, com configuração de préprocessamento 1. Categoria α M E Recall P recision F (c) Figura 3. Representa exemplos de imagens selecionadas para a Categoria 1 (a), Categoria 2 (b), e Categoria 3 (c) ,8 0,67 0,45 0, Tabela 2. Melhores resultados variando valor de α para o cálculo das equações Recall, Precision, F-Score, com configuração de préprocessamento 2.
5 Tabela 3. Melhores resultados da categoria 1 de imagens com α fixo em 1.1, variando configuração de pré-processamento 1. Analisando os resultados, a configuração 1 de préprocessamento teve melhor desempenho em todas as categorias de imagens. Para a categoria 1, se destaca o desempenho de contagem utilizando os valores α(1.0), σ(1.6), e Threshold(20) com ME = 1.0 colônias. Para a categoσ T hreshold M E Recall P recision F Tabela 6. Melhores resultados da categoria 1 de imagens com α fixo em 1.9, variando configuração de pré-processamento Tabela 4. Melhores resultados da categoria 2 de imagens com α fixo em 1.0, variando configuração de pré-processamento Tabela 5. Melhores resultados da categoria 3 de imagens com α fixo em 1.2, variando configuração de pré-processamento Análises Tabela 7. Melhores resultados da categoria 2 de imagens com α fixo em 2.4, variando configuração de pré-processamento Tabela 8. Melhores resultados da categoria 3 de imagens com α fixo em 2.6, variando configuração de pré-processamento 2. ria 2, se destaca o desempenho de contagem com os valores α(1.1), σ(1.6), e Threshold(20) com M E = 3.8 colônias. Para a categoria 3, o desempenho cai significativamente com ME = 25.3 colônias. Observa-se através do F-Score que o desempenho da técnica Hough Circles é excelente quando aplicado em imagens com regiões circulares bem definidas, não aglomeradas, e com poucas interferências do ambiente. Porém, em casos mais críticos onde as colônias se encontram aglomeradas, as mesmas podem ser identificadas como um único objeto, dificultando consideravelmente a contagem pela técnica. Em relação a configuração 2 de pré-processamento, em que se utilizou a técnica Watershed para dividir regiões de
6 colônias aglomeradas, não se obteve sucesso, pois a técnica criava bordas de objetos visualmente inexistentes, obtendo um espaço de Hough com regiões circulares também inexistentes, aumentando consideravelmente a quantidade de colônias contadas pelo software, comprovadas pelo baixos valores obtidos pela informação de Precision. 7. Conclusão Através deste trabalho, pode-se concluir que o método proposto para contagem obteve resultados satisfatórios. Algumas dificuldades como reflexos na placa de Petri e regiões de colônias aglomeradas, tem interferido significativamente na contagem utilizando a técnica Hough Circles. Para solucionar estes problemas, será necessário criar um ambiente padrão para a captura de imagens, onde elimine qualquer tipo de interferência externa. Atualmente estão sendo estudadas outras técnicas de préprocessamento como segmentação de imagens, remoção de ruídos e outras técnicas de detecção de padrões geométricos como o Template Matching, para a aplicação e análise da contagem de colônias comparadas com os resultados obtidos usando Hough Circles. Referências [1] O. Cunha, A. Garrido, M. Gonçalves, G. Ferreira, E. Marques, and A. Vilarinho. Utilidade da urocultura de controlo na infecção urinária. Acta Pediatr Port 2010;41(2):51-3, [2] J. Gall, A. Yao, N. Razavi, L. Van Gool, and V. Lempitsky. Hough forests for object detection, tracking, and action recognition. IEEE transactions on pattern analysis and machine intelligence, [3] C. Goutte and E. Gaussier. A probabilistic interpretation of precision, recall and f-score, with implication for evaluation. Proceedings of the 27th European Conference on Information Retrieval, [4] P. V. C. Hough. Methods and means for recognizing complex patterns. USENIX Security Symposium, [5] C. L. M. Lima and P. M. C. Alves. Infecção urinária. Disponível em: Acesso em: 05 de maio de [6] H. Pistori, J. Pistori, and E. R. Costa. Hough-circles: Um módulo de detecção de circunferências para o imagej. Workshop Software Livre, Porto Alegre. Anais do 6o Workshop de Software Livre, [7] D. S. Silva and H. Pistori. Yeast counting using the circular hough transform. Sibgrapi paper., [8] M. Smereka and I. Duleba. Circular object detection using a modified hough transform. Appl. Math Comput. Dci., vol. 18, no. 1, 2008.
Contagem automa tica de colo nias bacterianas com o uso das te cnicas template matching e hough circles
Contagem automa tica de colo nias bacterianas com o uso das te cnicas template matching e hough circles Arthur Melo Pinheiro, Kathiani Elisa de Souza Valguima Victoria Viana Aguiar Odakura, Willian Paraguassu
Leia maisContagem automática de unidades formadoras de colônias de bactérias em placas de Petri com o uso do algoritmo Template Matching
Contagem automática de unidades formadoras de colônias de bactérias em placas de Petri com o uso do algoritmo Template Matching Kathiani Souza, Arthur Pinheiro, Willian Amorim, Valguima Odakura Faculdade
Leia maispara o ImageJ Caixa Postal 100, Av. Tamandaré, Campo Grande, MS, Brasil
Hough-Circles: Um Módulo de Detecção de Circunferências para o ImageJ Hemerson Pistori 1, Jeferson Pistori 1 e Eduardo Rocha Costa 1 Grupo de Pesquisa em Engenharia e Computação (GPEC) Universidade Católica
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 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 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 maisProcessamento digital de imagens
Processamento digital de imagens Agostinho Brito Departamento de Engenharia da Computação e Automação Universidade Federal do Rio Grande do Norte 6 de outubro de 2016 Segmentação de imagens A segmentação
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 maisPRÁTICA 5 Prof. Dr. Evandro Luis Linhari Rodrigues
PRÁTICA 5 Prof. Dr. Evandro Luis Linhari Rodrigues Além da solução usando Matlab, todos os exercícios deverão ser implementados também usando Python e OpenCV. Segmentação de Imagens Parte 1. 1) Detecção
Leia maisMétodos de Segmentação de Imagem para Análise da Marcha
Métodos de Segmentação de Imagem para Análise da Marcha Maria João M. Vasconcelos, João Manuel R. S. Tavares maria.vasconcelos@fe.up.pt, tavares@fe.up.pt 3º Congresso Nacional de Biomecânica 11-12 Fevereiro
Leia maisProcessamento de Imagens COS756 / COC603
Processamento de Imagens COS756 / COC603 aula 09 - curvatura Antonio Oliveira Ricardo Marroquim 1 / 1 aula de hoje feature detection overview curvatura espaço de escala block matching 2 / 1 curvatura o
Leia maisPatrícia Mateus Saramela 1, Aline Maria Malachini Miotto 2
25 a 28 de Outubro de 2011 ISBN 978-85-8084-055-1 ESTUDO E IMPLEMENTAÇÃO DO ALGORITIMO OTSU PARA LIMIARIZAÇÃO DE CARTAS FORENSES Patrícia Mateus Saramela 1, Aline Maria Malachini Miotto 2 RESUMO: Atualmente,
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 maisMouseCam: aplicação de controle do mouse via câmera
MouseCam: aplicação de controle do mouse via câmera Introdução ao Processamento de Imagens COS756 PESC/COPPE/UFRJ 2013 1 Renan Garrot garrot@cos.ufrj.br 1. Introdução O processo de tracking por vídeo consiste
Leia maisDetecção e Correção Automáticas de Olhos Vermelhos
Setor de Tecnologia da Universidade Federal do Paraná Curso de Engenharia Elétrica TE 072 Processamento Digital de Sinais Detecção e Correção Automáticas de Olhos Vermelhos Trabalho elaborado pelo aluno
Leia maisConstrução de uma ferramenta voltada à medicina preventiva para
Construção de uma ferramenta voltada à medicina preventiva para diagnosticar casos de estrabismo Israel Damásio Medeiros Acadêmico Paulo César Rodacki Gomes - Orientador Roteiro Introdução Fundamentação
Leia maisTracking de movimentos usando marcadores circulares
UNIVERSIDADE FEDERAL DO RIO DE JANEIRO - COPPE INTRODUÇÃO AO PROCESSAMENTO DE IMAGENS Tracking de movimentos usando marcadores circulares Jéssica de Abreu DRE:114069619 Junho de 2014 1 INTRODUÇÃO Com a
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 maisReconhecimento de palma de mão. Peterson Wagner Kava de Carvalho
Reconhecimento de palma de mão Peterson Wagner Kava de Carvalho 1 Sumário 1. Introdução 2. Artigo 1: Palmprint Recognition a. Pré-Processamento b. Extração de Features c. Classificação d. Resultados 3.
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 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 / 18 Descritores Locais e Frameworks SIFT SURF Viola-Jones
Leia maisSEL-0339 Introdução à Visão Computacional. Aula 5 Segmentação de Imagens
Departamento de Engenharia Elétrica - EESC-USP SEL-0339 Introdução à Visão Computacional Aula 5 Segmentação de Imagens Prof. Dr. Marcelo Andrade da Costa Vieira Prof. Dr. Adilson Gonzaga Segmentação de
Leia maisProcessamento Digital De Imagens Para Uma Análise Quantitativa De Sementes De Feijão
Processamento Digital De Imagens Para Uma Análise Quantitativa De Sementes De Feijão Luana de L. Lopes 1 (PG)*, Francisco R. de Melo 1 (PQ) luanalopes100@yahoo.com.br 1 Universidade Estadual de Goiás,
Leia maisAula 5 - Segmentação de Imagens
Aula 5 - Segmentação de Imagens Parte 1 Prof. Adilson Gonzaga 1 Segmentação Agrupamento de partes de uma imagem em unidades homogêneas relativamente a determinadas características. Segmentação é o processo
Leia maisRastreamento de objeto e estimativa de movimento
Hiroito Watanabe Rastreamento de objeto e estimativa de movimento Brasil 2015 Hiroito Watanabe Rastreamento de objeto e estimativa de movimento Relatório do trabalho 2 da disciplina de Processamento Digital
Leia maisAuto-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 maisT4.1 Processamento de Imagem
T4.1 Processamento de Imagem Proc. Sinal e Imagem Mestrado em Informática Médica Miguel Tavares Coimbra Resumo 1. Manipulação ponto a ponto 2. Filtros espaciais 3. Extracção de estruturas geométricas 4.
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 maisGEOMETRIC PROPERTY BASED ELLIPSE DETECTION METHOD
GEOMETRIC PROPERTY BASED ELLIPSE DETECTION METHOD Introdução A detecção de elipse, de forma robusta e confiável, é uma questão fundamental em processamento de imagens, pois que fornece uma ferramenta útil
Leia maisINFORMAÇÕES DO ACADÊMICO PLANO DE TRABALHO. 1. Justificativa
INFORMAÇÕES DO ACADÊMICO Nome: Kleber Padovani de Souza Curso: Engenharia de Computação Semestre: R.A.: Título do plano de trabalho: Extração de atributos da imagem através de momentos de imagem. Nome
Leia maisCapítulo III Processamento de Imagem
Capítulo III Processamento de Imagem Proc. Sinal e Imagem Mestrado em Informática Médica Miguel Tavares Coimbra Resumo 1. Manipulação ponto a ponto 2. Filtros espaciais 3. Extracção de estruturas geométricas
Leia maisTE073 PDS II Programa de Graduação em Engenharia Elétrica
TE073 PDS II Programa de Graduação em Engenharia Elétrica Prof. Alessandro Zimmer zimmer@eletrica.ufpr.br www.eletrica.ufpr.br/~zimmer/te073 Processamento Digital de Imagens PDI: Segmentação Os algoritmos
Leia maisFiltros espaciais. Processamento e Recuperação de Imagens Médicas. Prof. Luiz Otavio Murta Jr. Depto. De Computação e Matemática (FFCLRP/USP)
Processamento e Recuperação de Imagens Médicas Prof. Luiz Otavio Murta Jr. Depto. De Computação e Matemática (FFCLRP/USP) 1 Propriedades Operadores de suavização os elementos da máscara são positivos e
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 maisSISTEMA AUTOMÁTICO PARA AVALIAÇÃO POSTURAL BASEADO EM DESCRITORES DE IMAGENS
SISTEMA AUTOMÁTICO PARA AVALIAÇÃO POSTURAL BASEADO EM DESCRITORES DE IMAGENS GIAN LUCAS DE OLIVEIRA PAIVA GRADUANDO EM ENGENHARIA ELETRÔNICA ORIENTADOR: PROF. CRISTIANO JACQUES MIOSSO DR. EM ENGENHARIA
Leia maisSISTEMA DE VISÃO COMPUTACIONAL DO TIME DE FUTEBOL DE ROBÔS DO INSTITUTO FEDERAL DO SUL DE MINAS CÂMPUS MUZAMBINHO
SISTEMA DE VISÃO COMPUTACIONAL DO TIME DE FUTEBOL DE ROBÔS DO INSTITUTO FEDERAL DO SUL DE MINAS CÂMPUS MUZAMBINHO 1 Leonardo de S. VIEIRA 2 ; Heber R. MOREIRA 3 ; João M. RIBEIRO RESUMO O desenvolvimento
Leia maisSEMINÁRIO Visão Computacional Aluno: Afonso Pinheiro
SEMINÁRIO Visão Computacional Aluno: Afonso Pinheiro Detecting Pedestrians Using Patterns of Motion and Appearance *Paul Viola *Michael J. Jones *Daniel Snow Por que detectar pedestres? http://conexaopenedo.com.br/2016/02/sistema-consegue-detectar-pedestres-em-tempo-real/
Leia maisSistema de Reconhecimento de Logotipos
Sistema de Reconhecimento de Logotipos Fellipe Duarte, Saulo T. Oliveira {duartefellipe,sto}@cos.ufrj.br Relatório Técnico, Introdução ao Processamento de Imagens Programa de Engenharia de Sistemas e Computação
Leia maisDetecção de Linhas Através da Transformada de Hough
Detecção de Linhas Através da Transformada de Hough Jhielson Monitno Pimentel 1, João Carlos Nunes Bittencourt 2, Jody Maick Araujo de Mattos 1, Marcel Ranulfo 1 1 Departamento de Tecnologia Universidade
Leia maisAplicação de Transformadas de Hough na Detecção de Leveduras Viáveis e Inviáveis
Aplicação de Transformadas de Hough na Detecção de Leveduras Viáveis e Inviáveis Diogo Soares da Silva Prof o. Orientador: Dr. Hemerson Pistori Prof a. Coorientadora: Lia Nara Balta Quinta 12 de junho
Leia maisRespostas do Teste de Analise de Imagens :
Respostas do Teste de Analise de Imagens - 2004: 1Diga com suas palavras o que é: (Valor total da questão: 12) Filtragem passa alta (valor deste item até 0,3) - importante falar que apesar do nome ser
Leia maisLip Recognition. Victor Mocelin
Lip Recognition Victor Mocelin Sumário 1. Introdução do problema 2. Por que usar os lábios? 3. Dificuldades 4. Artigos relacionados 5. Referências 2 Introdução do problema Entradas Credencial Imagem dos
Leia maisUm Sistema para Controle de Qualidade de Medicamentos
Um Sistema para Controle de Qualidade de Medicamentos Maysa Malfiza Garcia de Macedo 1, Aura Conci 1 1 Instituto de Computação Universidade Federal Fluminense (UFF) Rua Passo da Pátria, 156 - Bloco E -
Leia maisIgor dos Santos Montagner Orientador: Roberto Marcondes Cesar Junior 20/09/2010
Análise e conversão de tablóides de promoções Igor dos Santos Montagner Orientador: Roberto Marcondes Cesar Junior 20/09/2010 1 1 Introdução Com os avanços na área de computação e a demanda crescente por
Leia maisFaculdade de Engenharia da Universidade do Porto ANÁLISE DE IMAGENS PARA EXTRACÇÃO DE CONTORNOS. Relatório
Faculdade de Engenharia da Universidade do Porto Licenciatura em Engenharia Electrotécnica e de Computadores Televisão Digital, 2004/2005 ANÁLISE DE IMAGENS PARA EXTRACÇÃO DE CONTORNOS Relatório Alexandre
Leia maisColor Eyes Detector. Duarte Petiz. DCC/FCUP
Color Eyes Detector Duarte Petiz DCC/FCUP up201204625@fc.up.pt Resumo Este relatório descreve a implementação da aplicação desenvolvida Color Eyes Detector bem como mostra os resultados finais da execução
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 maisT4 Processamento de Imagem
T4 Processamento de Imagem Proc. Sinal e Imagem Mestrado em Informática Médica Hélder Filipe Pinto de Oliveira Resumo 1. Manipulação ponto a ponto 2. Conetividade 3. Filtros espaciais 4. Extração de estruturas
Leia maisProcessamento de Imagens. Segmentação por regiões
Processamento de Imagens Segmentação por regiões Inúmeros Métodos Clusterização Baseados em histograma Detecção de bordas Crescimento de regiões Level Set Particionamento de grafos Watershed Baseados em
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 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 maisDEFEITOS EM IMAGENS RADIOGRÁFICAS DE JUNTAS SOLDADAS EM TUBULAÇÕES: SEGMENTAÇÃO E EXTRAÇÃO DE DEFEITOS
DEFEITOS EM IMAGENS RADIOGRÁFICAS DE JUNTAS SOLDADAS EM TUBULAÇÕES: SEGMENTAÇÃO E EXTRAÇÃO DE DEFEITOS * Aluno do curso Tecnologia em Sistemas de Telecomunicações da UTFPR jvrsschaid@gmail.com ** Aluno
Leia maisSimulação Gráfica. Segmentação de Imagens Digitais. Julio C. S. Jacques Junior
Simulação Gráfica Segmentação de Imagens Digitais Julio C. S. Jacques Junior Segmentação Subdivide uma imagem em suas partes ou objetos constituintes. O nível até o qual essa subdivisão deve ser realizada
Leia maisUm Estudo das Técnicas de Obtenção de Forma a partir de Estéreo e Luz Estruturada para Engenharia
Um Estudo das Técnicas de Obtenção de Forma a partir de Estéreo e Luz Estruturada para Engenharia Aluno: Gabriel Malizia Orientador: Professor Marcelo Gattass Co-Orientador: Professor Paulo Cezar Carvalho
Leia maisRastreamento de Objetos Baseado em Grafos. Casamento Inexato entre Grafos Relacionais com Atributos
Rastreamento de Objetos Baseado em Casamento Inexato entre Grafos Relacionais com Atributos Exame de Qualificação de Mestrado Ana Beatriz Vicentim Graciano Orientador: Roberto M. Cesar Jr. Colaboradora:
Leia maisLOCALIZAÇÃO AUTOMÁTICA DE PLACAS DE VEÍCULOS UTILIZANDO VARIÂNCIA TONAL
LOCALIZAÇÃO AUTOMÁTICA DE PLACAS DE VEÍCULOS UTILIZANDO VARIÂNCIA TONAL Guilherme B. da Cunha 1, Adriano A. Pereira 1, Keiji Yamanaka 1, Edna L. Flores 1, Fábio J. Parreira 1 1 Universidade Federal de
Leia maisSISTEMA DE CORREÇÃO AUTOMÁTICA DE TESTES DE MÚLTIPLA ESCOLHA USANDO TÉCNICAS DE PROCESSAMENTO DE IMAGENS
Patrocínio, MG, outubro de 2016 ENCONTRO DE PESQUISA & EXTENSÃO, 3., 2016, Patrocínio. Anais... Patrocínio: IFTM, 2016. SISTEMA DE CORREÇÃO AUTOMÁTICA DE TESTES DE MÚLTIPLA ESCOLHA USANDO TÉCNICAS DE PROCESSAMENTO
Leia maisReconhecimento de Objetos em Tempo Real para Futebol de Robôs
Reconhecimento de Objetos em Tempo Real para Futebol de Robôs Murilo Fernandes Martins, Flavio Tonidandel e Reinaldo A.C. Bianchi Centro Universitário da FEI UniFEI Av. Humberto de A. Castelo Branco, 3972
Leia maisVARREDURA ÓPTICA VERTICAL: UMA FERRAMENTA FOTOGRAMÉTRICA PARA GERAÇÃO DE NUVENS DE PONTOS
VARREDURA ÓPTICA VERTICAL: UMA FERRAMENTA FOTOGRAMÉTRICA PARA GERAÇÃO DE NUVENS DE PONTOS ANTONIO MARIA GARCIA TOMMASELLI ADILSON BERVEGLIERI UNIVERSIDADE ESTADUAL PAULISTA - UNESP DEPARTAMENTO DE CARTOGRAFIA,
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 maisOPERAÇÕES ARITMÉTICAS EM IMAGENS
UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL PROGRAMA DE PÓS-GRADUAÇÃO EM COMPUTAÇÃO CMP165 - INTRODUÇÃO AO PROCESSAMENTO DE IMAGENS PROFESSOR JACOB SCARCHANSKI OPERAÇÕES ARITMÉTICAS EM IMAGENS POR DANIEL
Leia maisAplicação de Histograma de Gradientes Orientados para detecção de hidrômetros em imagens de fundo complexo
Aplicação de Histograma de Gradientes Orientados para detecção de hidrômetros em imagens de fundo complexo Juliana Patrícia Detroz Professor: André Tavares da Silva Universidade do Estado de Santa Catarina
Leia maisDETECÇÃO E CORREÇÃO AUTOMÁTICA DE OLHOS VERMELHOS EM FOTOGRAFIAS
UNIVERSIDADE FEDERAL DO PARANÁ PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA TE 810 PROCESSAMENTO DIGITAL DE SINAIS DETECÇÃO E CORREÇÃO AUTOMÁTICA DE OLHOS VERMELHOS EM FOTOGRAFIAS Trabalho apresentado
Leia maisImplementação de um protópito de uma interface para um controlador de cadeira. de rodas guiado pela direção do olhar.
Implementação de um protópito de uma interface para um controlador de cadeiras de rodas guiado pela direção do olhar. Vinícius Assis Saueia da Silva 18 de abril de 2005 1 Título Implementação de um protópito
Leia mais7 Extração de Dados Quantitativos
Capítulo 7 - Extração de Dados Quantitativos 119 7 Extração de Dados Quantitativos A técnica de medição desenvolvida e descrita nos capítulos anteriores produz como resultado a variação temporal da espessura
Leia maisVisão computacional. Juliana Patrícia Detroz Orientador: André Tavares Silva
Visão computacional Juliana Patrícia Detroz Orientador: André Tavares Silva Visão computacional Tentativa de replicar a habilidade humana da visão através da percepção e entendimento de uma imagem; Fazer
Leia mais5 Análise Experimental
5 Análise Experimental 5.1. Base de dados para testes Foram gravados diversos vídeos que serviram para realizar os testes realizados nesta dissertação. Cada um dos vídeos gerados para medir qualidade da
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 maisAnálise da evolução de defeitos em material compósito por microscopia.
Análise da evolução de defeitos em material compósito por microscopia. Aluna: Luiza Gabriela Araújo da Silva Professor: José Roberto D Almeida Introdução Amostras dos materiais estudados, um composto de
Leia mais4 Análise de Dados. 4.1.Procedimentos
4 Análise de Dados 4.1.Procedimentos A idéia inicial para a comparação dos dados foi separá-los em series de 28 ensaios, com a mesma concentração, para depois combinar esses ensaios em uma única série.
Leia maisProcessamento de Imagens COS756 / COC603
Processamento de Imagens COS756 / COC603 aula 07 - deteção de características de baixo-nível (low-level feature detection) Antonio Oliveira Ricardo Marroquim 1 / 35 aula de hoje feature detection overview
Leia maisFı sica Experimental IV
E rica Polycarpo Sandra Amato Instituto de Fı sica Universidade Federal do Rio de Janeiro com base no material do curso / 2/ E rica Polycarpo - poly@if.ufrj.br - sala A-30 Pa gina do curso: http://www.if.ufrj.br
Leia maisBolsista PIBIC/CNPq, aluno do curso de graduação de Engenharia Elétrica da UNIJUÍ. 3. Aluno do curso de doutorado em Modelagem Matemática da UNIJUÍ.
AQUISIÇÃO DE IMAGENS PARA COMPARAÇÃO DA DIFERENÇA DO VOLUME DO GRÃO DO MILHO ANTES E DEPOIS DO PROCESSO DE SECAGEM 1 ACQUISITION OF IMAGES TO COMPARE THE DIFFERENCE OF CORN GRAIN VOLUME BEFORE AND AFTER
Leia maisRECONHECIMENTO FACIAL UTILIZANDO EIGENFACES
Universidade Federal do Rio de Janeiro Instituto Alberto Luiz Coimbra de Pós-Graduação e Pesquisa de Engenharia Programa de Engenharia de Sistemas e Computação Rio de Janeiro, RJ Brasil RECONHECIMENTO
Leia maisNa barra de ferramentas padra o, clique no i cone de Tabela
1. Listas numeradas ou com marcadores Para criar listas numeradas ou com marcadores use os i cones de Numerac a o e Marcadores na barra de ferramentas de Formatac a o 1. Ativar/Desativar Marcadores 2.
Leia maisINF Fundamentos da Computação Gráfica Professor: Marcelo Gattass Aluno: Rogério Pinheiro de Souza
INF2608 - Fundamentos da Computação Gráfica Professor: Marcelo Gattass Aluno: Rogério Pinheiro de Souza Trabalho 02 Visualização de Imagens Sísmicas e Detecção Automática de Horizonte Resumo Este trabalho
Leia maisLista de exercícios estrutura de repetição FOR e While. 3. Criar um algoritmo que imprima a soma dos nu meros pares de 230 a 520..
Lista de exercícios estrutura de repetição FOR e While 1. Fac a um algoritmo que escreva os nu meros inteiros de 100 a 1. 2. Crie um algoritmo que leia N nu meros e para cada nu mero digitado imprima,
Leia maisTE073 PDS II Programa de Pós-Graduação em Engenharia Elétrica
TE073 PDS II Programa de Pós-Graduação em Engenharia Elétrica Prof. Alessandro Zimmer zimmer@eletrica.ufpr.br www.eletrica.ufpr.br/~zimmer/te073 Processamento Digital de Imagens PDI: Objetivos Melhoria
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 maisLeitor automático para determinação do grupo sanguíneo por aglutinação
FACULDADE DE ENGENHARIA DA UNIVERSIDADE DO PORTO Leitor automático para determinação do grupo sanguíneo por aglutinação Nuno Miguel Duarte Costa PREPARAÇÃO DA DISSERTAÇÃO Mestrado Integrado em Engenharia
Leia maisUm sistema para extração automática de keyframes a partir de fluxos de vídeo direcionado à reconstrução tridimensional de cenários virtuais
Um sistema para extração automática de keyframes a partir de fluxos de vídeo direcionado à reconstrução tridimensional de cenários virtuais Sérgio Carlos Portari Júnior Orientador: Prof. Dr. Antonio Carlos
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 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 mais6 Estudos de Casos Porta Lógica OU de 4 Entradas
6 Estudos de Casos Com o objetivo de avaliar a síntese automática de circuitos de QCA usando técnicas de Hardware Evolucionário (EHW), alguns circuitos foram sintetizados e serão apresentados a seguir.
Leia mais[2CTA121] Processamento de Imagens em Alimentos: Conceitos e Aplicações
[2CTA121] Processamento de Imagens em Alimentos: Conceitos e Aplicações Dr. Sylvio Barbon Junior PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA DE ALIMENTOS - UEL 2016 Assunto Aula 4 Segmentação de Imagens 2 de
Leia maisEstudo Comparativo entre Diferentes Medidas de Similaridade na Aplicação de Casamento de Modelos ao Problema do Reconhecimento de Imagens de Levedura
Estudo Comparativo entre Diferentes Medidas de Similaridade na Aplicação de Casamento de Modelos ao Problema do Reconhecimento de Imagens de Levedura Fernando Riedo Pires Orientador: Jeferson Pistori Co-orientador(a):
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 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 maisUniversidade Federal do Rio de Janeiro - IM/DCC & NCE
Universidade Federal do Rio de Janeiro - IM/DCC & NCE Processamento de Imagens Segmentação Antonio G. Thomé thome@nce.ufrj.br Sala AEP/133 Conceituação Segmentação é uma tarefa básica no processo de análise
Leia maisRECONHECIMENTO DE ÍRIS EM AMBIENTES NÃO COOPERATIVOS UTILIZANDO WAVELETS E GABOR 2D
RECONHECIMENTO DE ÍRIS EM AMBIENTES NÃO COOPERATIVOS UTILIZANDO WAVELETS E GABOR 2D Fernanda Maria Sirlene Pio SUMÁRIO 1. Introdução 2. Trabalhos relacionados 3. Metodologia 1. Segmentação 2. Normalização
Leia maisUNIVERSIDADE ESTADUAL PAULISTA Campus de Sorocaba. Segmentação
UNIVERSIDADE ESTADUAL PAULISTA Campus de Sorocaba Segmentação A separação dos pixeis relativos a cada objeto, ou região, é uma etapa fundamental para o sucesso do processo de análise da imagem. Embora
Leia maisProcessamento de Imagem. A Imagem digital Professora Sheila Cáceres
Processamento de Imagem A Imagem digital Professora Sheila Cáceres Visão Humana Processamento de Imagens 2 Semelhança entre o sistema visual humano e uma câmera fotográfica Várias semelhanças podem ser
Leia maisSegmentação, Rastreamento de Objetos e Detecção de Eventos Primitivos com Aplicação no Monitoramento Automático de Ações Humanas em Vídeo
Segmentação, Rastreamento de Objetos e Detecção de Eventos Primitivos com Aplicação no Monitoramento Automático de Ações Humanas em Vídeo Dissertação de Mestrado Aluno: Bruno Costa Orientador: Herman Gomes
Leia maisT5 Processamento de Imagem e Vídeo
T5 Processamento de Imagem e Vídeo Proc. Sinal e Imagem Mestrado em Informática Médica Hélder Filipe Pinto de Oliveira Resumo 1. Segmentação baseada em regiões 2. Morfologia matemática 3. K-Means 4. Processamento
Leia maisFigura 5.1: Resultados do método desenvolvido por Kolmogorov (09).
5 Resultados Neste capítulo vamos apresentar os resultados obtidos com o método proposto neste trabalho. Para os testes foram utilizados diferentes pares de imagens presentes no conjunto de dados disponível
Leia maisUniversidade Federal de Pernambuco Graduação em Engenharia da Computação Centro de Informática
Universidade Federal de Pernambuco Graduação em Engenharia da Computação Centro de Informática DETECÇÃO DE BORDAS DE IMAGENS UTILIZANDO ELEMENTOS DE MORFOLOGIA MATEMÁTICA PROPOSTA DE TRABALHO DE GRADUAÇÃO
Leia maisDescritores de Imagem
Descritores de Imagem André Tavares da Silva 31 de março de 2014 1 Descritores de imagem (continuação) 1.1 Frameworks de detecção de objetos SIFT (scale-invariant features transform) (Lowe, 1999) SIFT
Leia maisDeterminação de vícios refrativos oculares utilizando Support Vector Machines
Determinação de vícios refrativos oculares utilizando Support Vector Machines Giampaolo Luiz Libralão, André Ponce de Leon F. de Carvalho, Antonio Valerio Netto, Maria Cristina Ferreira de Oliveira Instituto
Leia mais1. INTRODUÇÃO. (um espaço)
O PROCESSAMENTO DE IMAGEM NO MONITORAMENTO DO PROCESSO DE PRODUÇÃO DE BIOETANOL B. A. Y. MAURO 1, C. M. G. ANDRADE 1, L. B. ROCHA 1 e H. F. S. FREITAS 1 um espaço) 1 Universidade Estadual de Maringá, Centro
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 mais