Uma abordagem Fuzzy para Detecção de Bordas em Imagens Digitais
|
|
- Mariana Festas Neto
- 8 Há anos
- Visualizações:
Transcrição
1 Uma abordagem Fuzzy para Detecção de Bordas em Imagens Digitais Inês Aparecida Gasparotto Boaventura Depto de Ciências de Computação e Estatística, IBILCE, UNESP, , São José do Rio Preto, SP ines@ibilce.unesp.br, Adilson Gonzaga Departamento de Engenharia Elétrica - EESC - USP , São Carlos, SP agonzaga@sc.usp.br. 1 Introdução A importância de conjuntos fuzzy para a análise de sistemas naturais complexos tem sido estabelecida em vários domínios de aplicação [1], [2]. Imagens digitais, que são mapeamentos de cenas naturais, estão sempre acompanhadas por um certo grau de incerteza (fuzificidade) devido principalmente a: i) imprecisão dos valores de cinza dos pixels; ii) ambiguidade que surge devido ao mecanismo de aquisição e mapeamento da imagem; iii) informações vagas em regiões limites. Isso justifica o desenvolvimento de algoritmos baseados em conjuntos fuzzy para várias tarefas de análise de imagens. A detecção de bordas é um dos passos mais importantes do processamento em baixo nível de imagens, já que bordas e contornos representam uma imagem pelos limites dos objetos e separação de regiões não similares em termos de intensidades de pixels, além disso, apresentam informação essencial de um objeto de interesse na imagem. A maioria das técnicas de detecção de bordas utiliza o mecanismo básico de definir um operador derivativo local de primeira ou segunda ordem, juntamente com alguma técnica de regularização para reduzir os efeitos de ruído. Os métodos de detecção de bordas, como por exemplo, detector de Sobel e detector de Prewitt [3] são baseados no conceito de filtro derivativo espacial, onde os operadores gradiente local são usados para detectar bordas em certas orientações. Filtros derivativos não possuem bom desempenho quando as bordas estão difusas e com ruídos. O filtro de Canny foi proposto com o objetivo de contornar os problemas com ruídos, no qual a imagem é convoluída com as derivadas de primeira ordem do filtro Gaussiano para suavização na direção do gradiente local seguido pela detecção de bordas por thresholding [4]. Técnicas recentes tem caracterizado detecção de bordas como um problema de raciocício fuzzy [5], [6], [7], [8], [9]. Essas técnicas tem mostrado bons resultados e, portanto, promissoras nas áreas de processamento de imagens e visão computacional. As técnicas fuzzy permitem uma nova perspectiva para modelar as incertezas devido à imprecisão de valores de cinza presentes nas imagens. Dessa forma, ao invés de atribuir valores de cinza na imagem, pode-se utilizar a pertinência fuzzy para os valores de cinza na imagem. As abordagens fuzzy para segmentação de imagem podem ser classificadas em abordagens baseadas em regras fuzzy; algoritmos de classificação fuzzy; medidas de fuzificidade e informação da imagem e geometria fuzzy [10]. A abordagem baseada em regras considera características da imagem como variáveis linguísticas e, assim, utiliza regras fuzzy IF-THEN para segmentar as imagens em diferentes regiões [11], [9], [12], [13]. A classificação fuzzy é a abordagem mais antiga para segmentação de imagens. Algoritmos como c-means fuzzy e c-means possibilísticos podem ser usados para construir classes (segmentos) [7], [8], [14]. Medidas de fuzificidade (entropia fuzzy) e informações da imagem (divergência fuzzy) podem também ser usadas para segmentar imagens [6], [15].
2 O trabalho de Miosso apresenta um sistema de inferência fuzzy aplicado para detectar bordas em imagens digitais com bons resultados [9]. Todas as entradas para o sistema fuzzy são obtidas pela aplicação de três filtros passa-alta e um filtro passa-baixa (média). Durante o préprocessamento da imagem de entrada, são aplicados: os operadores de Sobel, usados para determinar suas derivadas nas direções vertical e horizontal; um filtro passa-baixa (média) e; um segundo filtro passa-alta. O nível de cinza associado ao pixel (i, i) na imagem de saída depende do pixel (i, j) em cada imagem pré-processada e também dos pixels de uma determinada vizinhança das imagens filtradas pelos operadores de Sobel.O sistema de inferência fuzzy desenvolvido foi aplicado a várias imagens sintéticas, e os resultados obtidos para essas imagens foram comparados aos resultados produzidos pelo filtro de Sobel. Embora tendo um esforço computacional muito superior quando comparado ao filtro de Sobel, o sistema de inferência fuzzy apresenta grande robustez a variações de contraste e iluminação, evitando a obtenção de bordas duplas. Os trabalhos de Jawahar e Ray [16], [17], os quais aplicam números fuzzy para definir histogramas e matrizes de co-ocorrência fuzzy, motivaram a abordagem aqui proposta. Nesse trabalho propõe-se uma nova abordagem, baseada no conceito de números fuzzy para detecção de bordas em imagens. A técnica de detecção de bordas aqui proposta considera uma vizinhança local dos pixels da imagem, definida pelo usuário e, baseado no conceito de números fuzzy, verifica-se se um pixel pertence ou não aquela região da imagem, com base na intensidade dos níveis de cinza que compõem a região. O pixel que não pertence à região, é então classificado como um pixel de borda. Assim, através de uma função de pertinência, a técnica proposta fornece uma matriz de pertinência em tons de cinza e, através da escolha de um limiar, as bordas da imagem são segmentadas. 2 Formulação do problema 2.1 Processamento fuzzy de imagens Seja uma imagem A de tamanho M N pixels, com L níveis de cinza g ij entre 0 e L-1. A imagem A pode ser interpretada como um vetor de singletons fuzzy [10]. Cada elemento do vetor denota o valor de pertinência do nível de cinza g ij, correspondendo ao (i,j)-ésimo pixel, em relação a uma propriedade da imagem. Portanto, a imagem pode ser representada pelo seguinte conjunto fuzzy: A = {< g ij, µ A (g ij ) > /g ij {0,..., L 1}}, (1) i {1,..., M} e j {1,..., N} ou, alternativamente: A = M N i=1 j=1 µ A (g ij ) g ij. (2) A função de pertinência µ A pode ser calculada, dentre outras formas, por uma normalização simples: µ A (g ij ) = 2.2 Numeros fuzzy g ij MAX i [1,M],i [1,N] g ij. (3) Os números fuzzy são constituídos por conjuntos fuzzy, definidos em universos de discurso discretos ou contínuos, que permitem a quantificação da incerteza e imprecisão associada a uma dada informação. A representação de grandezas do tipo em torno de g, perto de 50 e aproximadamente 7 pode ser mapeada através de números fuzzy. Vários esquemas de representação e operações matemáticas com números fuzzy foram estudadas por Dubois e Prade [18]. Um número fuzzy g : R [0, 1] é definido como um conjunto fuzzy normal e convexo, representado por uma função de pertinência, cujo universo de discurso é a reta real. Jawahar e Ray [16] utilizaram em seu trabalho os números fuzzy simétricos, compactos e suficientes para representar a noção de valores de cinza ao redor de n. Os números fuzzy simétricos são caracterizados pela seguinte distribuição de pertinência: µ A (x) = f( x n, α), (4) onde f(.) controla a forma do número fuzzy e α R + controla o espalhamento do número fuzzy. Se µ A (x) = MAX(0, 1 x n ), (5) α
3 o número fuzzy será triangular e simétrico. 2.3 A abordagem proposta Neste trabalho, os níveis de cinza são considerados como números fuzzy e, para cada pixel g i,j da imagem, calcula-se a sua pertinência em relação a uma determinada região, considerando os vizinhos que possuem níveis de cinza próximos de g i,j. Ao considerar os valores de cinza como números fuzzy, incorpora-se a variabilidade inerente dos valores de cinza de imagens, proporcionando assim uma abordagem mais poderosa ao tratamento de imagens digitais, em comparação ao tratamento clássico, baseado em uma formulação analítica. Embora os valores de cinza fuzzy, g, possam assumir qualquer tipo de conjunto fuzzy, adotase, neste trabalho, os números fuzzy simétricos e triangulares definidos pelas equações 4 e 5. É importante notar que essa representação de números fuzzy é bastante compacta. Além disso, a definição de uma função de pertinência apropriada é heurística, portanto não única. Assim, diferentes funções de pertinência podem ser definidas, baseadas nas propriedades da vizinhança da borda. A função de pertinência proposta neste trabalho e que foi utilizada na implementação do detector de bordas desenvolvido tem a seguinte formulação: Seja uma imagem A N M onde, para cada pixel g(i, j), considera-se uma janela de vizi- Conforme dada pela equação 6, ao se calcular o grau de pertinência de um pixel, este é excluído da região que está sendo analisada. Assim, a matriz contendo as bordas é definida pela equação: A = M N i=1 j=1 ˆµ ij g ij, (7) onde, ˆµ ij indica o grau de pertinência de cada pixel a uma região W W pré-definida da imagem. Assim, os valores próximos de 1 significam uma maior pertinência dos respectivos pixels àquela região. Para valores próximos de 0, tem-se os pixels pertencentes às bordas da imagem. Dessa forma, a matriz A representa as bordas presentes na imagem pelos tons de cinza mais escuros, diferente das abordagens de detecção de bordas tradicionais, cujas bordas são apresentadas por tonalidades mais claras. Ao analisar a matriz de tons de cinza, os pixels mais escuros são aqueles com menor pertinência a uma região homogênea, representando assim as bordas da imagem. 3 Resultados computacionais Para a avaliação de performance e tempo de processamento, a técnica descrita foi testada com diferentes imagens e, comparada com os resultados obtidos pelo operador de Canny. Os parâmetros principais da técnica, ou seja, o parâmetro W, relativo ao tamanho da região de vizinhança, o parâmetro α, o espalhamento do número fuzzy, bem como o parâmetro T, threshold aplicado à imagem borda, foram variados a fim de estabelecer, para diferentes imagens, nhança espacial W W. A função de pertinência, os melhores resultados, e assim propor dinhança ˆµ g(i,j), de cada pixel g(i, j) ao conjunto fuzzy Região Homogênea da imagem é definida pela equação 6. Nesta equação, α R representa o parâmetro de espalhamento do número retrizes para ajustá-los, tanto para imagens que apresentam baixo contraste, como para imagens que apresentam um alto contraste. Além disso, na prática, pessoas diferentes podem se fuzzy. Quanto menor α, menor é a base do concentrar em detalhes diferentes da mesma número triangular, ou seja menor é o intervalo onde se considera a pertinência dos vizinhos. imagem, dessa forma esses parâmetros podem ser experimentados pelo usuário para obter o tipo de borda desejado. Wk=1 O threshold T pode ser interpretado como Wl=1 max(0, 1 g(i,j) A(k,l) α ) 1sendo o valor de pertinência mínimo aceitável ˆµ g(i,j) = W 2, 1 (6) i = 1... N, j = 1... M. para que o pixel pertença à região homogênea, representada pela janela de vizinhança W. Conforme pôde ser observado pelos experimentos realizados, janelas de vizinhança menores são melhores para a detecção de bordas em imagens com baixo contraste, porém com poucos ruídos. Para imagens com baixo contraste e muito ruído, obteve-se uma melhor performance ao utilizar uma vizinhança maior. O
4 tamanho da janela de vizinhança também influencia a espessura da borda encontrada. Para a aplicação do detector de bordas de Canny, foram usadas as rotinas do Matlab 6.5. Os resultados produzidos por esse filtro são bordas brancas em um fundo preto, assim a imagem negativa foi tomada para comparação com o detector de bordas fuzzy proposto. A imagem representada na figura 1 mostra um padrão xadrez de baixo contraste com uma variação gradual dos níveis de cinza. A figura 1 mostra o resultado da aplicação do detector de bordas de Canny e a figura 1 mostra o resultado da aplicação da técnica baseada em números fuzzy proposta, com parâmetros W = 2, α = 12 e T = gem mostrada na figura 1, com variações na janela de vizinhança considerada e, também, em relação ao parâmetro que controla o espalhamento do número fuzzy. Pode-se observar que, ao se aumentar a janela de vizinhança, ou seja, considerar regiões maiores em torno do pixel, aumenta-se a espessura da borda obtida. Ao se aumentar o parâmetro α, aumenta-se o valor da pertinência de um pixel em relação a uma região cujos pixels possuem níveis de cinza diferentes do pixel central, ou seja, quanto maior é o valor de α, maior é a tolerância em relação a pixels com tons de cinza diferentes. Neste caso, pode-se dizer que o valor fuzzy é estendido, ou seja, um intervalo maior de valores são considerados próximos. Isso pode ser observado ao se considerar as imagens de bordas das figuras 2 e 2. A imagem da figura 1 possui pouca variação de tons de cinza, principalmente nos quatro primeiros quadrantes da imagem. Ao se aumentar o espalhamento dos números fuzzy, de α = 8 para α = 30, as bordas horizontais e a borda vertical que divide os quatro primeiros quadrantes da imagem não foram detectadas. O espalhamento produzido aumentou a proximidade entre os tons de cinza nessas vizinhanças. (d) Figura 1: Imagem de baixo contraste, Bordas detectadas por Canny, Bordas detectadas pelo Detector por números fuzzy proposto (W = 2, α = 8 e T = 0.50) e (d) Resultado Obtido por Miosso, extraído de [9]. Figura 2: Resultados obtidos considerando diferentes valores de parâmetros. Parâmetros: W = 3, α = 8 e T = 0.625, Parâmetros: W = 3, α = 30 e T = e Parâmetros: W = 7, α = 11 e T = A figura 2 apresenta bordas obtidas da ima- A figura 3 mostra a imagem sintética de
5 um cubo, cujas bordas estão destacadas em preto. Ao se aplicar o operador de Canny nesta imagem, percebe-se duas variações bruscas em nível de cinza na fronteira entre cada uma das duas faces vizinhas no cubo (uma entre a face e a borda de separação preta, outra entre essa borda e a face vizinha), que resulta em bordas duplas, como pode ser observado na figura 3. A abordagem baseada em números fuzzy evita o aparecimento de bordas duplas, conforme pode ser visto na figura 3. As imagens sintéticas mostradas nas figuras 1 e 3 são algumas das imagens utilizadas por Miosso em [9]. As figuras 1(d) e 3(d), extraídas de [9], mostram os resultado obtidos pelo sistema de inferência fuzzy desenvolvido e permite uma comparação visual com os resultados obtidos pelo detector por números fuzzy proposto. As duas técnicas obtiveram bons resultados para essas imagens. A imagem obtida pelo detector fuzzy se mostrou visualmente melhor, uma vez que as bordas obtidas não apresentam descontinuidades. Além disso, a técnica de Miosso possui um esforço computacional muito maior. Para o pré-processamento da imagem, é necessário a aplicação de quatro filtros diferentes na imagem de entrada e, além disso, a técnica adota regras fuzzy especificamente estabelecidas para evitar bordas duplas. O detector por números fuzzy é uma abordagem direta sobre os níveis de cinza da imagem e não possui nenhum tipo de pré-processamento. A figura 4 é uma imagem clássica da literatura em processamento de imagens, em tons de cinza. A imagem foi processada pelo filtro de Canny e pela técnica proposta. Considerandose a imagem da figura 4, observa-se que as bordas produzidas pela técnica de números fuzzy apresentam uma maior fidelidade aos contornos da imagem original. Neste caso, o operador de Canny produziu um grande conjunto de contornos, dificultando a visualização do objeto de interesse. As imagens de bordas da figura 5, obtidas a partir da imagem da figura 4, refere-se a resultados da aplicação da técnica proposta onde foi mantido fixo o tamanho de janela W e o valor do thresholding T variando-se o parâmetro α. Analisando-se as imagens de bordas, observa-se que quando o valor de α é aumentado, permite-se que pixels ligeiramente diferentes sejam considerados pertencentes a uma (d) Figura 3: Imagem sintética de um cubo, Bordas extraídas pelo filtro de Canny, Bordas extraídas com a técnica proposta (W = 3, α = 60 e T = 0.3) e (d) Resultado Obtido por Miosso, extraído de [9]. Tabela 1: Tempo de Processamento ( técnica proposta Canny ) Fig. 1 Fig. 3 Valor de W 3 3 Técnica Proposta 0.28 s 0.75 s Canny 2.00 s 3.00 s região homogênea, portanto não sendo pertencentes à borda da imagem. A tabela 1 mostra o tempo de processamento da técnica proposta, em comparação com o tempo de processamento do operador de Canny. Os tempos foram tomados no ambiente Matab 6.5, com o uso das funções tic e toc que, em conjunto, medem o tempo de processamento em segundos de trechos do programa. Para medir o tempo de processamento do operador de Canny, foi considerado o tempo de chamada e retorno das rotinas do Matlab e também o tempo gasto no cálculo da imagem negativa da imagem de bordas. Conforme pode ser visto pela tabela 1, a técnica proposta também obteve melhor desempenho em tempo de processamento.
6 Figura 4: Imagem processada, Bordas obtida por Canny e Bordas obtidas pela técnica proposta, com W = 3, α = 30 e T = Figura 5: Imagem de bordas com W = 3, α = 30 e T = 0.5, Imagem de bordas com W = 3, α = 35 e T = 0.5 e Imagem de bordas com W = 3, α = 40 e T = Conclusões Neste trabalho apresentou-se uma nova abordagem para detecção de bordas em imagens. O operador proposto adota a teoria de números fuzzy para extrair bordas, considerando-se as incertezas em relação aos níveis de cinza, uma vez que os dados podem estar corrompidos por ruídos. Os resultados experimentais mostram que a técnica proposta é bastante eficaz e foram obtidos bons resultados comparados com o detector de Canny e, também, com outras abordagens fuzzy. É importante observar que o filtro de Canny faz um tratamento posterior às bordas obtidas, produzindo assim bordas da largura de um pixel. Tratamento semelhante poderá ser incorporado à técnica proposta para otimização dos resultados, produzindo também bordas mais finas. A técnica é bastante flexível, no sentido de permitir ao usuário o ajuste de vários parâmetros. O ajuste desses parâmetros proporciona diversas possibilidades de visualização das bordas de uma imagem, permitindo a escolha de detalhes da imagem. A implementação computacional é simples e com desempenho bastante rápido. Como extensão deste trabalho, além do tratamento das bordas obtidas, pretende-se definir outros formatos de números fuzzy, para que se possa avaliar resultados quando a metodologia for aplicada à extração de bordas de imagens com características específicas, tais como ima-
7 gens médicas, e em outros tipos de imagens com baixo contraste, ruídos, etc. Referências [1] A. Kandel and W.J. Byatt. Fuzzy sets, fuzzy algebra, and fuzzy statistics. In Proceedings of the IEEE, volume 66, pages , [2] L. A. Zadeh. Outline of a new approach to the analysis of complex systems and decision process. IEEE Transactions on Systems, Man, and Cybernetics, SMC-3:28 44, [3] R.C. Gonzalez. Digital Image Processing. Prentice Hall, [4] J.F. Canny. A computational approach to edge detection. IEEE Trans. Pattern Anal. Machine Intell., 8: , [5] V. Boskovitz and H. Guterman. An adaptive neuro-fuzzy system for automatic image segmentation and edge detection. IEEE Transactions on fuzzy systems, 10(2): , April [6] M. Hanmandlu, J. See, and S. Vasikarla. Fuzzy edge detector using entropy optmization. In IEEE Computer Society, editor, Proceedings of the International Conference on Technology: Coding and Computing, pages , [7] L.R. Liang, E. Basallo, and C.G. Looney. Image edge detection with fuzzy classifier. In Proceedings of theisca 14th International Conference, pages , [8] L.R Liang and C.G. Looney. Competitive fuzzy edge detection. Applied Soft Computing, 3: , [9] C.J. Miosso and A. Bauchpiess. Fuzzy inference system applied to edge detection in digital images. In Proceedings of the V Brazilian Conference on Neural Networks, pages , [11] T.M. Becerikli, Y. anf Karan. A new fuzzy approach for edge detection. In J. Cabestany, A. Prieto, and D.F. Sandoval, editors, Lecture Notes in Computer Science, volume 3512, pages Springer-Verlag Berlin Heidelberg, [12] F. Russo. Edge detection in noisy images using fuzzy reasoning. IEEE Transaction on Instrumentation and Measurement, 47(5): , October [13] F. Russo. Fire operators for image processing. Fuzzy Sets and Systems, 103: , [14] Y.A. Tolias and S.M. Panas. Image segmentation by a fuzzy clustering algoritm using adaptive spatially constrained membership functions. IEEE Transations on Systems, Man, and Cybernetics - Part A: Systems and Humans, 28(3): , [15] J. See, M. Hanmandlu, and S. Vasikarla. Fuzzy-based parameterized gaussian edge detector using global and local properties. In IEEE Computer Society, editor, Proceedings of the International Conference on Technology: Coding and Computing, pages , [16] C.V. Jawahar and A.K. Ray. Fuzzy statistics of digital images. IEEE Signal Processing Letters, 3(8): , August [17] C.V. Jawahar and A.K. Ray. Incorporation of gray-level imprecision in representation and processing of digital images. Pattern recognition Letters Letters, 17: , [18] D. Dubois and H. Prade. Fuzzy Sets and Systems: Theory and Applications. New York: Academic, [10] B. Jãhne, H. HauBecker, and P. GeiBler. Handbook on Computer Vision and Apllications, volume 2, chapter 22, pages Academic Press, 1999.
de Bordas em Imagens Digitais
Anais do CNMAC v.2 ISSN 1984-820X Avaliação Quantitativa de um Método Automático de Extração de Bordas em Imagens Digitais Inês A. Gasparotto Boaventura Departamento de Ciências de Computação e Estatística,
Leia maisRealce de Bordas em Imagens Digitais: Uma Abordagem por Números Fuzzy
Realce de Bordas em Imagens Digitais: Uma Abordagem por Números Fuzzy Inês Ap. Gasparotto Boaventura Adilson Gonzaga IBILCE-UNESP- São José do Rio Preto EESC-USP-São Carlos Fone: (17) 3221-2205 Fone: (16)
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 maisMétodo de Avaliação de Detector de Bordas em Imagens Digitais
Método de Avaliação de Detector de Bordas em Imagens Digitais Inês A. G. Boaventura DCCE, IBILCE, UNESP Rua Cristovão Colombo, 2265 15054-000, São José do Rio Preto, SP, Brasil ines@ibilce.unesp.br Adilson
Leia maisSegmentação de Imagens
Segmentação de Imagens (Processamento Digital de Imagens) 1 / 36 Fundamentos A segmentação subdivide uma imagem em regiões ou objetos que a compõem; nível de detalhe depende do problema segmentação para
Leia maisIDENTIFICAÇÃO DE MARCADORES DE PAVIMENTAÇÃO NA ORIENTAÇÃO DE CEGOS
IDENTIFICAÇÃO DE MARCADORES DE PAVIMENTAÇÃO NA ORIENTAÇÃO DE CEGOS André Zuconelli¹, Manassés Ribeiro² Instituto Federal de Educação, Ciência e Tecnologia Catarinense - Campus Videira Rodovia SC, Km 5
Leia maisSEGEMENTAÇÃO DE IMAGENS. Nielsen Castelo Damasceno
SEGEMENTAÇÃO DE IMAGENS Nielsen Castelo Damasceno Segmentação Segmentação Representação e descrição Préprocessamento Problema Aquisição de imagem Base do conhecimento Reconhecimento e interpretação Resultado
Leia maisDetecção em tempo real de movimentos de olhos e boca em um vídeo em cores
Detecção em tempo real de movimentos de olhos e boca em um vídeo em cores Daniel Ponciano dos Santos Barboza, Programa de Engenharia de Sistemas e Computação - PESC/COPPE Universidade Federal do Rio de
Leia maisProcessamento Digital de Imagens
Processamento Digital de Imagens Israel Andrade Esquef a Márcio Portes de Albuquerque b Marcelo Portes de Albuquerque b a Universidade Estadual do Norte Fluminense - UENF b Centro Brasileiro de Pesquisas
Leia maisClassificação da imagem (ou reconhecimento de padrões): objectivos Métodos de reconhecimento de padrões
Classificação de imagens Autor: Gil Gonçalves Disciplinas: Detecção Remota/Detecção Remota Aplicada Cursos: MEG/MTIG Ano Lectivo: 11/12 Sumário Classificação da imagem (ou reconhecimento de padrões): objectivos
Leia mais2 Classificação de Imagens de Sensoriamento Remoto
2 Classificação de Imagens de Sensoriamento Remoto 2.1. Processamento Digital de Imagens Processamento Digital de Imagens entende-se como a manipulação de uma imagem por computador de modo que a entrada
Leia maisEncontrando a Linha Divisória: Detecção de Bordas
CAPÍTULO 1 Encontrando a Linha Divisória: Detecção de Bordas Contribuíram: Daniela Marta Seara, Geovani Cássia da Silva Espezim Elizandro Encontrar Bordas também é Segmentar A visão computacional envolve
Leia mais4 Avaliação Experimental
4 Avaliação Experimental Este capítulo apresenta uma avaliação experimental dos métodos e técnicas aplicados neste trabalho. Base para esta avaliação foi o protótipo descrito no capítulo anterior. Dentre
Leia maisA limiarização é uma das abordagens mais importantes de segmentação de imagens. A limiarização é um caso específico de segmentação.
Limiarização A limiarização é uma das abordagens mais importantes de segmentação de imagens. A limiarização é um caso específico de segmentação. O princípio da limiarização consiste em separar as regiões
Leia maisClassificação de Imagens
Universidade do Estado de Santa Catarina Departamento de Engenharia Civil Classificação de Imagens Profa. Adriana Goulart dos Santos Extração de Informação da Imagem A partir de uma visualização das imagens,
Leia maisESTEREOSCOPIA INTRODUÇÃO. Conversão de um par de imagens (a)-(b) em um mapa de profundidade (c)
ESTEREOSCOPIA INTRODUÇÃO Visão estereoscópica se refere à habilidade de inferir informações da estrutura 3-D e de distâncias da cena de duas ou mais imagens tomadas de posições diferentes. Conversão de
Leia maisTécnicas de Suavização de Imagens e Eliminação de Ruídos
21 Técnicas de Suavização de Imagens e Eliminação de Ruídos Carlos H. Sanches 1, Paulo J. Fontoura 1, Phillypi F. Viera 1, Marcos A. Batista 1 1 Instituto de Biotecnologia Universidade Federal do Goiás
Leia maisEstudo comparativo de métodos de segmentação de imagens digitais de aves
Estudo comparativo de métodos de segmentação de imagens digitais de aves Felipe de Sousa NOBRE; Paulo César Miranda MACHADO Escola de Engenharia Elétrica e de Computação - UFG felipesnobre@gmail.com, pcesar@eee.ufg.br
Leia maisDescritores de textura na análise de imagens de microtomografia computadorizada
Trabalho apresentado no XXXV CNMAC, Natal-RN, 2014. Descritores de textura na análise de imagens de microtomografia computadorizada Sandro R. Fernandes Departamento de Educação e Tecnologia, Núcleo de
Leia maisCurva ROC. George Darmiton da Cunha Cavalcanti Tsang Ing Ren CIn/UFPE
Curva ROC George Darmiton da Cunha Cavalcanti Tsang Ing Ren CIn/UFPE Introdução ROC (Receiver Operating Characteristics) Curva ROC é uma técnica para a visualização e a seleção de classificadores baseado
Leia maisRede de Elementos Caóticos Acoplados Globalmente
Rede de Elementos Caóticos Acoplados Globalmente Rosagela Follmann 1, Elbert E. N. Macau 2 1 Programa de Pós-graduação em Computação Aplicada - CAP Instituto Nacional de Pesquisas Espaciais - INPE 2 Laboratório
Leia maisSegmentação de imagens tridimensionais utilizando o sensor Microsoft Kinect
Segmentação de imagens tridimensionais utilizando o sensor Microsoft Kinect Lucas Viana Barbosa 1 ; Wanderson Rigo 2 ; Manassés Ribeiro 3 INTRODUÇÃO Os sistemas de visão artificial vêm auxiliando o ser
Leia maisAnálise de componentes independentes aplicada à avaliação de imagens radiográficas de sementes
Análise de componentes independentes aplicada à avaliação de imagens radiográficas de sementes Isabel Cristina Costa Leite 1 2 3 Thelma Sáfadi 2 Maria Laene Moreira de Carvalho 4 1 Introdução A análise
Leia maisUNIVERSIDADE FEDERAL DE LAVRAS PRÓ-REITORIA DE PÓS-GRADUAÇÃO COORDENADOR1A DE PÓS-GRADUAÇÃO STHCTOSBJSU DISCIPLINA
UNIVERSIDADE FEDERAL DE LAVRAS PRÓ-REITORIA DE PÓS-GRADUAÇÃO COORDENADOR1A DE PÓS-GRADUAÇÃO STHCTOSBJSU DISCIPLINA Código Denominação Crédito(s) n Carga Horária Teórica Prática Total PCC-XXX 5Q3 Processamento
Leia maisEstudo de técnicas de rastreamento de objetos aplicadas à detecção de múltiplas larvas
Estudo de técnicas de rastreamento de objetos aplicadas à detecção de múltiplas larvas Guilherme de Oliveira Vicente Orientador: Prof. Dr. Hemerson Pistori Coorientador: Prof. Me. Kleber Padovani de Souza
Leia maisTOPOLOGIA DA IMAGEM DIGITAL
Faculdade de Computação Universidade Federal de Uberlândia TOPOLOGIA DA IMAGEM DIGITAL Sumário Vizinhança de um pixel O que é conectividade? Algoritmo para rotular componentes conectadas Relação de adjacência
Leia maisModelos Pioneiros de Aprendizado
Modelos Pioneiros de Aprendizado Conteúdo 1. Hebb... 2 2. Perceptron... 5 2.1. Perceptron Simples para Classificaçãod e Padrões... 6 2.2. Exemplo de Aplicação e Motivação Geométrica... 9 2.3. Perceptron
Leia maisPONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO DEPARTAMENTO DE INFORMÁTICA PÓS GRADUAÇÃO EM INFORMÁTICA
PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO DEPARTAMENTO DE INFORMÁTICA PÓS GRADUAÇÃO EM INFORMÁTICA INF2608 FUNDAMENTOS DE COMPUTAÇÃO GRÁFICA RELATÓRIO: IMAGENS SÍSMICAS VISUALIZAÇÃO E DETECÇÃO
Leia maisAula 5 - Classificação
AULA 5 - Aula 5-1. por Pixel é o processo de extração de informação em imagens para reconhecer padrões e objetos homogêneos. Os Classificadores "pixel a pixel" utilizam apenas a informação espectral isoladamente
Leia maisComparação entre as Técnicas de Agrupamento K-Means e Fuzzy C-Means para Segmentação de Imagens Coloridas
Comparação entre as Técnicas de Agrupamento K-Means e Fuzzy C-Means para Segmentação de Imagens Coloridas Vinicius Ruela Pereira Borges 1 1 Faculdade de Computação - Universidade Federal de Uberlândia
Leia maisSensoriamento Remoto
Sensoriamento Remoto É a utilização conjunta de modernos sensores, equipamentos para processamento de dados, equipamentos de transmissão de dados, aeronaves, espaçonaves etc, com o objetivo de estudar
Leia maisPALAVRAS-CHAVE: Massas Nodulares, Classificação de Padrões, Redes Multi- Layer Perceptron.
1024 UMA ABORDAGEM BASEADA EM REDES PERCEPTRON MULTICAMADAS PARA A CLASSIFICAÇÃO DE MASSAS NODULARES EM IMAGENS MAMOGRÁFICAS Luan de Oliveira Moreira¹; Matheus Giovanni Pires² 1. Bolsista PROBIC, Graduando
Leia maisREGINA ISHIBASHI 1 ALUIR PORFÍRIO DAL POZ 2
EXTRAÇÃO AUTOMÁTICA DE SEGMENTOS DE RODOVIA VIA DETECTOR DE LINHAS DE STEGER REGINA ISHIBASHI 1 ALUIR PORFÍRIO DAL POZ 2 (1) Universidade Estadual Paulista - Unesp Faculdade de Ciências e Tecnologia -
Leia maisRECONHECIMENTO DE AVES DE NOMES ONOMATOPÉICOS
RECONHECIMENTO DE AVES DE NOMES ONOMATOPÉICOS Célio Seixo de BRITO Junior, Paulo César Miranda MACHADO Escola de Engenharia Elétrica e de Computação, UFG, 74001-970, Goiânia, GO Celiojunior01@gmail.com,
Leia maisUniversidade Federal do Rio de Janeiro - IM/DCC & NCE
Universidade Federal do Rio de Janeiro - IM/DCC & NCE Processamento de Imagens Tratamento da Imagem - Filtros Antonio G. Thomé thome@nce.ufrj.br Sala AEP/033 Sumário 2 Conceito de de Filtragem Filtros
Leia maisIMPLEMENTAÇÃO DE PROCESSADOR DIGITAL BASEADO EM LÓGICA FUZZY USANDO UM FPGA
IMPLEMENTAÇÃO DE PROCESSADOR DIGITAL BASEADO EM LÓGICA FUZZY USANDO UM FPGA Leonardo Mesquita Paloma Maria Silva Rocha Rizol mesquita@feg.unesp.br paloma@feg.unesp.br Departamento de Engenharia Elétrica,
Leia maisFiltragem de imagens fixas usando Matlab
Televisão digital EEC5270 Relatório Filtragem de imagens fixas usando Matlab Bruno Filipe Sobral de Oliveira - ee01084@fe.up.pt Filipe Tiago Alves de Magalhães - ee01123@fe.up.pt Porto, 20 de Novembro
Leia maisIntrodução. Capítulo. 1.1 Considerações Iniciais
Capítulo 1 Introdução 1.1 Considerações Iniciais A face humana é uma imagem fascinante, serve de infinita inspiração a artistas há milhares de anos. Uma das primeiras e mais importantes habilidades humanas
Leia maisModelagem Digital do Terreno
Geoprocessamento: Geração de dados 3D Modelagem Digital do Terreno Conceito Um Modelo Digital de Terreno (MDT) representa o comportamento de um fenômeno que ocorre em uma região da superfície terrestre
Leia maisFerramenta para detecção de fadiga em motoristas baseada no monitoramento dos olhos
Ferramenta para detecção de fadiga em motoristas baseada no monitoramento dos olhos Rafael Dattinger Acadêmico Dalton Solano dos Reis - Orientador Roteiro Introdução/Objetivos Fundamentação teórica Desenvolvimento
Leia maisSegmentação de Imagens de Placas Automotivas
Segmentação de Imagens de Placas Automotivas André Zuconelli, Manassés Ribeiro Instituto Federal Catarinense - Campus Videira. Técnico em Informática, turma 2010 Rodovia SC, Km 5 Bairro Campo Experimental
Leia maisUma Metodologia de Identificação de Imagens de Impressões Digitais pelo Filtro de Gabor
IEEE LATIN AMERICA TRANSACTIONS, VOL. 4, NO. 1, MARCH 2006 1 Uma Metodologia de Identificação de Imagens de Impressões Digitais pelo Filtro de Gabor Sanderson L. Gonzaga de Oliveira e Joaquim Teixeira
Leia maisRespostas do Estudo Dirigido do Capítulo 14 Classical pattern recognition and image matching"
Respostas do Estudo Dirigido do Capítulo 14 Classical pattern recognition and image matching" 1 Com suas palavras explique o que é Reconhecimento de Padrões- RP. Quais são os fases clássicas que compõem
Leia maisMétodo Dialético de Otimização usando o Princípio da Máxima Entropia
Learning and Nonlinear Models Revista da Sociedade Brasileira de Redes Neurais (SBRN) Vol 7 No. 2 pp. 54-64 2009 Método Dialético de Otimização usando o Princípio da Máxima Entropia Wellington Pinheiro
Leia maisCálculo do conjunto paralelo
Cálculo do conjunto paralelo Vamos usar letras maiúsculas A; B, etc para representar conjuntos e letras minusculas x, y, etc para descrever seus pontos. Vamos usar a notação x para descrever a norma de
Leia maisGERAÇÃO DE NÚMEROS ALEATÓRIOS PARA A SIMULAÇÃO DE AMBIENTES
WCMC IV Brazilian Workshop on Wirless Communications and Mobile Computing GERAÇÃO DE NÚMEROS ALEATÓRIOS PARA A SIMULAÇÃO DE AMBIENTES DE PROPAGAÇÃO NÃO-HOMOGÊNEOS CÉSAR KYN D ÁVILA (), RAUSLEY A. A. DE
Leia maisEFEITO DA COMPRESSÃO FRACTAL DE IMAGENS NA ETAPA DE SEGMENTAÇÃO DE UM SISTEMA DE RECONHECIMENTO DE ÍRIS
EFEITO DA COMPRESSÃO FRACTAL DE IMAGENS NA ETAPA DE SEGMENTAÇÃO DE UM SISTEMA DE RECONHECIMENTO DE ÍRIS Milena B. P. Carneiro *, Sandreane P. Silva #, Antônio C. P. Veiga, Edna L. Flores, Gilberto A. Carrijo
Leia maisMosaico de Imagens baseado na Análise em Múltiplas Resoluções
Mosaico de Imagens baseado na Análise em Múltiplas Resoluções Vantier Veronezi Bagli, Leila M. G. Fonseca Instituto Nacional de Pesquisas Espaciais (INPE) São José dos Campos SP Brasil {vantier,leila}@dpi.inpe.br
Leia maisUniversidade Federal de Goiás Instituto de Informática Processamento Digital de Imagens
Universidade Federal de Goiás Instituto de Informática Processamento Digital de Imagens Prof Fabrízzio Alphonsus A M N Soares 2012 Capítulo 2 Fundamentos da Imagem Digital Definição de Imagem: Uma imagem
Leia maisExtração de Minúcias em Imagens de Impressões Digitais
Extração de Minúcias em Imagens de Impressões Digitais CASADO, Ricardo S.; PAIVA, Maria S. V. de Escola de Engenharia de São Carlos Universidade de São Paulo rcasado@sel.eesc.usp.br Resumo O trabalho apresenta
Leia maisMedição tridimensional
A U A UL LA Medição tridimensional Um problema O controle de qualidade dimensional é tão antigo quanto a própria indústria, mas somente nas últimas décadas vem ocupando a importante posição que lhe cabe.
Leia maisProcessamento Digital de Imagens
Processamento Digital de Imagens (Fundamentos) Prof. Silvio Jamil F. Guimarães PUC Minas 2013-1 Prof. Silvio Guimarães (PUC Minas) Processamento Digital de Imagens 2013-1 1 / 70 Tipos de sinais Conceito
Leia maisInterpolação de Curvas de Nível por Difusão de Calor
Interpolação de Curvas de Nível por Difusão de Calor ROBERTO DE BEAUCLAIR SEIXAS LUIZ HENRIQUE DE FIGUEIREDO CLAUDIO ANTONIO DA SILVA IMPA Instituto de Matemática Pura e Aplicada VISGRAF Laboratório de
Leia maisCARTOGRAFIA TEMÁTICA: MÉTODOS DE CLASSIFICAÇÃO DOS DADOS GEOGRÁFICOS QUANTITATIVOS
CARTOGRAFIA TEMÁTICA: MÉTODOS DE CLASSIFICAÇÃO DOS DADOS GEOGRÁFICOS QUANTITATIVOS NOTAS DE AULA PROFA. MÔNICA M. S. DECANINI 2003 DPTO DE CARTOGRAFIA FCT UNESP PRESIDENTE PRUDENTE CARTOGRAFIA TEMÁTICA:
Leia maisA INFLUÊNCIA DO RUÍDO NA DETERMINAÇÃO DA DIMENSÃO DE CORRELAÇÃO EM SISTEMAS CAÓTICOS
A INFLUÊNCIA DO RUÍDO NA DETERMINAÇÃO DA DIMENSÃO DE CORRELAÇÃO EM SISTEMAS CAÓTICOS Valdirene de Souza (Centro Universitário de Franca) Antônio Carlos da Silva Filho (Centro Universitário de Franca) 1
Leia maisRoteiro SENAC. Análise de Riscos. Planejamento do Gerenciamento de Riscos. Planejamento do Gerenciamento de Riscos
SENAC Pós-Graduação em Segurança da Informação: Análise de Riscos Parte 2 Leandro Loss, Dr. Eng. loss@gsigma.ufsc.br http://www.gsigma.ufsc.br/~loss Roteiro Introdução Conceitos básicos Riscos Tipos de
Leia maisAplicação de Ensembles de Classificadores na Detecção de Patologias na Coluna Vertebral
Aplicação de Ensembles de Classificadores na Detecção de Patologias na Coluna Vertebral Hedenir M. Pinheiro Instituto de Informática Universidade Federal de Goiás (UFG) Caixa Postal 131 74001-970 Goiânia
Leia maisProcessamento de Imagem. Prof. MSc. André Yoshimi Kusumoto andrekusumoto.unip@gmail.com
Processamento de Imagem Prof. MSc. André Yoshimi Kusumoto andrekusumoto.unip@gmail.com Visão Computacional Não existe um consenso entre os autores sobre o correto escopo do processamento de imagens, a
Leia maisTransformada de Hough. Cleber Pivetta Gustavo Mantovani Felipe Zottis
Transformada de Hough Cleber Pivetta Gustavo Mantovani Felipe Zottis A Transformada de Hough foi desenvolvida por Paul Hough em 1962 e patenteada pela IBM. Originalmente, foi elaborada para detectar características
Leia maisProcessamento digital de imagens. introdução
Processamento digital de imagens introdução Imagem digital Imagem digital pode ser descrita como uma matriz bidimensional de números inteiros que corresponde a medidas discretas da energia eletromagnética
Leia maisDetecção de mudanças em imagens oriundas de sensoriamento remoto, usando conjuntos fuzzy.
Detecção de mudanças em imagens oriundas de sensoriamento remoto, usando conjuntos fuzzy. Marcelo Musci Baseado no artigo: Change detection assessment using fuzzy sets and remotely sensed data: an application
Leia maisReconhecimento de ações humanas utilizando histogramas de gradiente e vetores de tensores localmente agregados
Reconhecimento de ações humanas utilizando histogramas de gradiente e vetores de tensores localmente agregados Luiz Maurílio da Silva Maciel 1, Marcelo Bernardes Vieira 1 1 Departamento de Ciência da Computação
Leia maisExpansão de Imagem #2
Faculdade de Engenharia da Universidade do Porto Engenharia Electrotécnica e de Computadores Expansão de Imagem #2 Televisão Digital António Alberto da Silva Marques Pedro Ricardo dos Reis Porto, 2004
Leia maisProfa. Dra. Soraia Raupp Musse Thanks to Prof. Dr. Cláudio Rosito Jung
Introdução ao Processamento de Imagens Profa. Dra. Soraia Raupp Musse Thanks to Prof. Dr. Cláudio Rosito Jung Introdução Processamento de Imagens: processamento de sinais bidimensionais (ou n-dimensionais).
Leia maisProjeto FlexiGrid IWA. Sistema de Armazenamento e Comunicação de Imagens
Projeto FlexiGrid IWA Sistema de Armazenamento e Comunicação de Imagens Aristófanes C. Silva Danilo Launde Lúcio Dias Roteiro PACS Definição Infra-Estrutura Camadas Problemas Soluções DICOM IWA Histórico
Leia mais3DODYUDVFKDYH Visão Computacional, Inteligência Artificial, Redes Neurais Artificiais.
80,7(0$'(9, 23$5$5(&21+(&,0(172'(3(d$(080 7$%8/(,52'(;$'5(= Sérgio Faustino Ribeiro Juracy Emanuel M. da França Marcelo Alves de Barros José Homero Feitosa Cavalcanti Universidade Federal da Paraíba CCT/COPIN/NEUROLAB-CT/DTM
Leia maisOperações Pontuais. Guillermo Cámara-Chávez
Operações Pontuais Guillermo Cámara-Chávez Um modelo simples de formação de uma imagem Para que a imagem de uma cena real possa ser processada ou armazenda na forma digital deve passar por dois processos
Leia maisAula 9 ESCALA GRÁFICA. Antônio Carlos Campos
Aula 9 ESCALA GRÁFICA META Apresentar as formas de medição da proporcionalidade entre o mundo real e os mapas através das escalas gráficas. OBJETIVOS Ao final desta aula, o aluno deverá: estabelecer formas
Leia maisMEDIDAS MAGNÉTICAS DE PINTURAS A ÓLEO E ACRÍLICAS. Aluno: Paulo Leite Pinto Orientador: Paulo costa Ribeiro Co-orientador: Hélio Ricardo Carvalho
MEDIDAS MAGNÉTICAS DE PINTURAS A ÓLEO E ACRÍLICAS Aluno: Paulo Leite Pinto Orientador: Paulo costa Ribeiro Co-orientador: Hélio Ricardo Carvalho Introdução A impressão digital magnética de pinturas é obtida
Leia maisXVIII CONGRESSO DE PÓS-GRADUAÇÃO DA UFLA 19 a 23 de outubro de 2009
REGRESSÃO MÚLTIPLA APLICADA AOS DADOS DE VENDAS DE UMA REDE DE LOJAS DE ELETRODOMÉSTICOS VANESSA SIQUEIRA PERES 1 RESUMO: Esse trabalho foi realizado com o objetivo de ajustar os dados de vendas de uma
Leia maisOTIMIZAÇÃO DA DOSE GLANDULAR MÉDIA NA MAMA E DA QUALIDADE DA IMAGEM NOS SISTEMAS DE MAMOGRAFIA DIGITAL
XX CONGRESSO BRASILEIRO DE FÍSICA MÉDICA SIMPÓSIO INTERNACIONAL DE PROTEÇÃO RADIOLÓGICA EM MEDICINA OTIMIZAÇÃO DA DOSE GLANDULAR MÉDIA NA MAMA E DA QUALIDADE DA IMAGEM NOS SISTEMAS DE MAMOGRAFIA DIGITAL
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 USO DE PROGRAMAS COMPUTACIONAIS COMO RECURSO AUXILIAR PARA O ENSINO DE GEOMETRIA ESPACIAL
O USO DE PROGRAMAS COMPUTACIONAIS COMO RECURSO AUXILIAR PARA O ENSINO DE GEOMETRIA ESPACIAL Angélica Menegassi da Silveira UNIFRA Eleni Bisognin - UNIFRA Resumo: O presente artigo tem como objetivo apresentar
Leia maisProbabilidade - aula I
e 27 de Fevereiro de 2015 e e Experimentos Aleatórios e Objetivos Ao final deste capítulo você deve ser capaz de: Entender e descrever espaços amostrais e eventos para experimentos aleatórios. Interpretar
Leia maisP. P. G. em Agricultura de Precisão DPADP0803: Geoestatística (Prof. Dr. Elódio Sebem)
Considerações Iniciais É impossível saber, antes de amostrar, de que maneira os valores das variáveis irão se comportar: se dependente ou independente uma da outra. Devido as limitações da estatística
Leia maisFILTRAGEM ESPACIAL. Filtros Digitais no domínio do espaço
FILTRAGEM ESPACIAL Filtros Digitais no domínio do espaço Definição Também conhecidos como operadores locais ou filtros locais Combinam a intensidade de um certo número de piels, para gerar a intensidade
Leia maisReconhecimento de Padrões Utilizando Filtros Casados
Detecção e estimação de sinais Reconhecimento de Padrões Utilizando Filtros Casados Aline da Rocha Gesualdi Mello, José Manuel de Seixas, Márcio Portes de Albuquerque, Eugênio Suares Caner, Marcelo Portes
Leia maisFundamentos de Processamento de Imagens SCC0251/5830 Processamento de Imagens
Fundamentos de Processamento de Imagens SCC0251/5830 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.
Leia mais2.1.2 Definição Matemática de Imagem
Capítulo 2 Fundamentação Teórica Este capítulo descreve os fundamentos e as etapas do processamento digital de imagens. 2.1 Fundamentos para Processamento Digital de Imagens Esta seção apresenta as propriedades
Leia mais7 Considerações finais
243 7 Considerações finais A utilização de outros tipos de materiais, como o aço inoxidável, na construção civil vem despertando interesse devido aos benefícios desse aço, e a tendência decrescente de
Leia maisUniversidade Federal de São João Del Rei - UFSJ
Universidade Federal de São João Del Rei - UFSJ Instituída pela Lei 0.45, de 9/04/00 - D.O.U. de /04/00 Pró-Reitoria de Ensino de Graduação - PROEN Disciplina: Cálculo Numérico Ano: 03 Prof: Natã Goulart
Leia maisANÁLISE DOS RESULTADOS DOS PROGRAMAS DE APOIO ÀS PMEs NO BRASIL Resumo Executivo PARA BAIXAR A AVALIAÇÃO COMPLETA: WWW.IADB.
ANÁLISE DOS RESULTADOS DOS PROGRAMAS DE APOIO ÀS PMEs NO BRASIL Resumo Executivo PARA BAIXAR A AVALIAÇÃO COMPLETA: WWW.IADB.ORG/EVALUATION ANÁLISE DOS RESULTADOS DOS PROGRAMAS DE APOIO ÀS PMEs NO BRASIL
Leia maisde Piracicaba-SP: uma abordagem comparativa por meio de modelos probabilísticos
Descrição da precipitação pluviométrica no munícipio de Piracicaba-SP: uma abordagem comparativa por meio de modelos probabilísticos Idemauro Antonio Rodrigues de Lara 1 Renata Alcarde 2 Sônia Maria De
Leia maisAnais do IX Congresso Brasileiro de Redes Neurais / Inteligência Computacional (IX CBRN) Ouro Preto 25-28 de Outubro de 2009
SISTEMA NEURAL DE DETECÇÃO DE PLACAS DE VEÍCULOS AUTOMOTORES EM IMAGENS DIGITALIZADAS Luís Victor Cascão, José M. de Seixas Laboratório de Proces de Sinais COPPE/Poli - Universidade Federal do Rio de Janeiro
Leia maisMorfologia Matemática: Delimitar área de desastre ambiental causado por vazamento de petróleo utilizando imagem de satélite.
Anais XV Simpósio Brasileiro de Sensoriamento Remoto - SBSR, Curitiba, PR, Brasil, 30 de abril a 05 de maio de 2011, INPE p.7636 Morfologia Matemática: Delimitar área de desastre ambiental causado por
Leia maisProcessamento de Imagens COS756 / COC603
Processamento de Imagens COS756 / COC603 aula 03 - operações no domínio espacial Antonio Oliveira Ricardo Marroquim 1 / 38 aula de hoje operações no domínio espacial overview imagem digital operações no
Leia maisPontos de Pedido Fuzzy: Otimizando Níveis de Estoque por meio de Experiência Gerencial
Pontos de Pedido Fuzzy: Otimizando Níveis de Estoque por meio de Experiência Gerencial Henrique Ewbank Estudante do 1º ano de doutorado em Administração de Empresas do Instituto COPPEAD de Administração
Leia maisO modelo Entidade-Relacionamento. Agenda: -Modelagem de dados utilizando O Modelo Entidade-Relacionamento
O modelo Entidade-Relacionamento Agenda: -Modelagem de dados utilizando O Modelo Entidade-Relacionamento 1 Antes de começarmos: A modelagem conceitual é uma fase muito importante no plamejamento de um
Leia maisUNIVERSIDADE FEDERAL DE SÃO CARLOS
UNIVERSIDADE FEDERAL DE SÃO CARLOS CENTRO DE CIÊNCIAS EXATAS E DE TECNOLOGIA Departamento de Computação Aprendizado não supervisionado em domínios fuzzy algoritmo fuzzy c-means Frank Sussumu Yonamine Lucia
Leia maisFigura 5.1.Modelo não linear de um neurônio j da camada k+1. Fonte: HAYKIN, 2001
47 5 Redes Neurais O trabalho em redes neurais artificiais, usualmente denominadas redes neurais ou RNA, tem sido motivado desde o começo pelo reconhecimento de que o cérebro humano processa informações
Leia maisA REGULAMENTAÇÃO DA EAD E O REFLEXO NA OFERTA DE CURSOS PARA FORMAÇÃO DE PROFESSORES
A REGULAMENTAÇÃO DA EAD E O REFLEXO NA OFERTA DE CURSOS PARA FORMAÇÃO DE PROFESSORES Autor(a): Alessandra Barbara Santos de Almeida Coautor(es): Alessandra Barbara Santos de Almeida, Gliner Dias Alencar,
Leia maisMÓDULO 1. I - Estatística Básica
MÓDULO 1 I - 1 - Conceito de Estatística Estatística Técnicas destinadas ao estudo quantitativo de fenômenos coletivos e empíricamente observáveis. Unidade Estatística nome dado a cada observação de um
Leia maisEstudo da Perfusão e Ventilação Pulmonar em Imagens de Tomografia de Impedância Elétrica através de Modelagem Fuzzy
Anais do CNMAC v.2 ISSN 1984-820X Estudo da Perfusão e Ventilação Pulmonar em Imagens de Tomografia de Impedância Elétrica através de Modelagem Fuzzy Harki Tanaka Centro de Engenharia, Modelagem e Ciências
Leia maisFEN- 06723 Processamento Digital de Imagens. Projeto 2 Utilização de máscaras laplacianas
FEN- 06723 Processamento Digital de Imagens Projeto 2 Utilização de máscaras laplacianas Marcelo Musci Mestrado Geomática/UERJ-2004 Abstract The Laplacian is also called as second difference function,
Leia maisCálculo de volume de objetos utilizando câmeras RGB-D
Cálculo de volume de objetos utilizando câmeras RGB-D Servílio Souza de ASSIS 1,3,4 ; Izadora Aparecida RAMOS 1,3,4 ; Bruno Alberto Soares OLIVEIRA 1,3 ; Marlon MARCON 2,3 1 Estudante de Engenharia de
Leia mais[Fingerprint Recognition]
Mestrado em Engenharia de Segurança Informática Tecnologias Biométricas Pedro Santos santos.pmcm@gmail.com 12065 Filipe Vieira fil.vieira@gmail.com 12049 Rui Pereira ruipereira.eng@gmail.com 12061 Docente
Leia maisTRIANGULAÇÃO DE DELAUNAY COM RESTRIÇÃO EM IMAGENS BIDIMENSIONAIS
TRIANGULAÇÃO DE DELAUNAY COM RESTRIÇÃO EM IMAGENS BIDIMENSIONAIS Leide Daiane Caires 1, Edson A. Capello Sousa 2 1 Depto Eng. Mecânica Universidade Estadual Paulista, Bauru, Brasil, ladycaires@gmail.com
Leia maisImagem e Gráficos. vetorial ou raster?
http://computacaografica.ic.uff.br/conteudocap1.html Imagem e Gráficos vetorial ou raster? UFF Computação Visual tem pelo menos 3 grades divisões: CG ou SI, AI e OI Diferença entre as áreas relacionadas
Leia maisPlano de aula. 5. Metodologia: Aula expositiva dialógica orientada pela interação: alunos professor conhecimento.
Campus Jataí Plano de aula Disciplina: Ondas, Ótica e Termodinâmica Turma: Engenharia Elétrica (4º ano 2009/2) Professor: Rodrigo Claudino Diogo Data da aula: 30/11/2009 Duração: 1h00min 1. Tema: Lentes
Leia maisUniversidade Católica Dom Bosco
Universidade Católica Dom Bosco Centro de Ciências Exatas e Tecnológicas Curso de Engenharia de Computação Técnicas de Visão Computacional para Rastreamento de Múltiplos Objetos João Bosco Oliveira Monteiro
Leia mais