UM SISTEMA BIO-INSPIRADO PARA DETECÇÃO DE CONTORNOS EM IMAGENS COLORIDAS
|
|
- Bruna Melgaço Abreu
- 8 Há anos
- Visualizações:
Transcrição
1 UM SISTEMA BIO-INSPIRADO PARA DETECÇÃO DE CONTORNOS EM IMAGENS COLORIDAS KARIN SATIE KOMATI, EVANDRO OTTONI TEATINI SALLES, MARIO SARCINELLI-FILHO. Programa de Pós-Graduação em Engenharia Elétrica, Universidade Federal do Espírito Santo Av. Fernando Ferrari, 514, Goiabeiras, , Vitória, ES s: {evandro, Abstract This paper proposes a new unsupervised, fully automatic method for edge detection in color images, inspired in the human visual model of Grossberg. One of the hypotheses of Grossberg, the FACADE (Form-And-Color-And-Depth) defines complementary specialized streams at the bifurcation in the parvocellular pathway in the visual cortex: one of the branches performs the edge processing and the other performs surface processing. In a similar way, this proposal has two parallel processes that are integrated at the end. The edge processing is implemented through an edge-detection method, whereas the surface processing is performed through a region growing method. The proposed integration scheme eliminates false contours resulted from the region growing, guided by the result of edge detection, and eliminates the noise resulted from the edge detection, now guided by the result of the region growing, thus taking advantage of their complementary natures. Experiments on a large set of color images show that the results of the proposed system are closer to human perception than the individual methods that make it up, in both quantitative and qualitative terms. Keywords boundary detection, multifractal, bio-inspired systems, FACADE. Resumo Este trabalho propõe um novo método não supervisionado, totalmente automático, para detecção de contornos em i- magens coloridas, inspirado no modelo visual humano da teoria de Grossberg. Um das hipóteses de Grossberg, o FACADE (Form-And-Color-And-Depth), define fluxos especializados complementares na bifurcação do caminho parvocelular no córtex visual: uma das ramificações faz o processamento de borda e a outra de superfície. Da mesma forma, esta proposta tem dois processos em paralelo, que ao final são integrados. O processamento de borda é realizado através de um método de detecção de bordas, enquanto o processamento de superfície se faz por um método de crescimento de regiões. A integração proposta elimina os contornos falsos do resultado do crescimento de regiões, guiado pelo resultado da detecção de bordas, e elimina o ruído da detecção de bordas, agora guiado pelo resultado do crescimento de regiões, tirando vantagem de suas naturezas complementares. Experimentos com um grande conjunto de imagens coloridas mostram que os resultados do sistema proposto são mais próximos da percepção humana do que os métodos individuais que o compõem, tanto em termos quantitativos quanto qualitativos. Palavras-chave detecção de contornos, multifractal, sistemas bio-inspirados, FACADE. 1 Introdução Detecção de contornos é uma tarefa crucial em sistemas de visão computacional. O resultado de seu processamento, a delineação dos limites dos componentes de uma imagem, fornece informações valiosas para processos de alto nível subseqüentes, como reconhecimento de objetos, por exemplo. A detecção de contornos não supervisionada e totalmente automática é um problema complexo, pois não se conhece a priori quais tipos de regiões (uniforme, com gradação suave de cor e variações de texturas) existem em uma imagem, nem quantas regiões existem. Exemplos de variedade e complexidade de imagens podem ser constatados na Figura 1. (a) (b) (c) Figura 1. Exemplos de imagens, retirados de (Martin et. al, 2001). Na Figura 1(a) temos uma cobra no deserto, onde o elemento central e o fundo apresentam quase a mesma cor, causando imprecisão de bordas. Na Figura 1(b) temos uma mistura de texturas artificiais e naturais (a ponte possui padrões geométricos, bem diferente da textura natural do morro e do rastro de fumaça da locomotiva). Na Figura 1(c) temos um felino em uma árvore, o qual, apesar da complexidade da textura de seu pelo, a percepção humana reconhece como um único elemento. Até o momento, o instrumento mais eficiente para detectar e discriminar contornos é o olho humano, servindo, na maioria das vezes, como referência da exatidão em testes de algoritmos de detecção de contorno. Sistemas de visão computacional que são inspirados no sistema de visão humana (SHV) representam uma alternativa promissora (Marr, 1982; Hu et. al, 2009; Komati e De Souza, 2003; Köppen, Ruizdel-Solar, e Soille, 1998). No entanto, o conhecimento acerca da visão biológica, em particular da humana, não é completo e detalhado (Kandell, 2000; Olshausen e Field, 2005). Isto tem motivado muitos pesquisadores a propor teorias computacionais sobre como se dá o processo de visão biológica, para posterior comparação destas com o comportamento visual biológico observável. Tais teorias têm evoluído ao longo dos anos, baseadas na crescente compreensão do sistema visual biológico, através do qual nós percebemos as posições e propriedades dos objetos, assim como as relações entre eles e as leis físicas do ambiente que os cerca. ISSN: Vol. X 791
2 Este trabalho se inspira no modelo proposto pelo pesquisador Stephen Grossberg (1985, 1994, 2000, 2008), por ser este fruto de uma pesquisa ampla, iniciada na década de O modelo de SHV proposto por Grossberg é bem completo, e envolve explicações acerca da percepção humana, sugerindo soluções para a percepção 3D, visão binocular, dominância ocular, oclusão de bordas, aprendizado e memória, dentre outros desafios. Seguindo o modelo de Grossberg, este trabalho se concentra nas características associadas à detecção de contornos. 2 O sistema visual humano O processamento da informação visual ocorre em várias áreas do córtex cerebral (Kandell, 2000). O sistema tem início com a captação das imagens através dos olhos, por meio da retina, localizada no fundo olho, transformando a informação visual em sinais elétricos. Na Figura 2 observam-se as fibras do nervo óptico chegando a três áreas: núcleo geniculado lateral (NGL), colículo superior e núcleo do nervo óculo-motor. O colículo superior faz o sensoriamento que controla os movimentos sacádicos, que são os deslocamentos dos olhos quando se quer focalizar em um alvo determinado. Figura 2. Fluxo de informações visuais: olho NGL Córtex. Parte da informação visual chega ao núcleo do nervo óculo-motor. Imagem alterada e traduzida da original retirada de ( cx=partner-pub %3av0qd01- tdlq&cof=forid%3a9&ie=utf-8&q=optic%20nerve&sa=search#922) A maior parte da informação originada pela retina chega ao NGL, principal região subcortical envolvida no processamento da informação para a percepção. Os sinais canalizados através do nervo óptico estão divididos em duas vias visuais distintas: o caminho magnocelular (M) e o caminho parvocelular (P). O caminho P recebe informações principalmente dos cones e de células X, que são células responsáveis por cor e detalhes finos. Já o caminho M processa informação de luz/escuridão e de células Y, que são muito sensíveis ao movimento. Do NGL, os axônios seguem em direção ao córtex visual. É no córtex visual que ocorre o processamento das informações visuais, ou seja, as características de forma, profundidade, movimento e cor são analisadas. Ele é dividido em áreas: V1, V2, V3, V4 e V5 (também conhecido como MT). A partir de V1, o caminho P divide-se em dois caminhos paralelos, que se juntam novamente em V O Modelo Visual Humano de Grossberg Nesta seção, dar-se-á um resumo de algumas das hipóteses do modelo de Grossberg que foram utilizadas no sistema proposto neste trabalho, apresentadas a seguir: 1) segmentações de imagens geradas pelo modelo não são resultados de treinamento em exemplares de imagens; 2) o cérebro possui uma organização de processamentos paralelos e de naturezas complementares, teoria de nome Complementary Computing. A idéia é que existam pares de processamento de fluxos complementares, onde cada caminho exibe vantagens e desvantagens. Por causa dessa complementaridade, a proposta é que as interações entre estes caminhos sobrepujem suas deficiências complementares; 3) Grossberg insere em seu modelo o conceito The Two Streams Hypothesis, originalmente proposto por Mortimer e Ungerleider (1982). A hipótese considera que cada um dos caminhos das informações visuais se projeta para áreas diferentes e, logo, processam atributos distintos. Simplificadamente, o caminho M é especializado em responder à pergunta Onde (stream Where ), sendo usado para localização de objetos, enquanto o caminho P é especializado em responder à pergunta O que (stream What ), sendo usado para identificação de objetos; 4) a teoria neural, conhecida como FACADE (Form-And-Color-And-Depth), propõe que no caminho P uma das ramificações dentro do córtex visual faz o processamento de borda e a outra de superfície (Figura 3). Seguindo a teoria Complementary Computing, as interações entre o processamento de borda e de superfície selecionam o melhor grupamento de bordas entre as várias possibilidades de interpretação da cena. Através de suas propriedades complementares, o processamento de um caminho guia os sinais do outro caminho; 5) teoria Hierarchical Resolution of Uncertainty, onde incertezas devem ser superadas usando mais de uma fase de transformação para cada caminho, como, por exemplo, no processamento dos caminhos P ou M. As incertezas podem ser ISSN: Vol. X 792
3 interpretadas com o fato de que o resultado de cada estágio, ou unidade funcional do sistema, pode gerar resultados com falhas ou com graus diferentes de confiabilidade, que podem ser corrigidos gradativamente, estágio a estágio. Figura 3. Representação gráfica simplificada dos caminhos do modelo visual. 3 O Sistema Proposto A proposta é modelar um sistema inspirado no modelo de Grossberg, cujo objetivo é detectar contornos em imagens coloridas. O interesse é modelar o caminho P, pois sua finalidade é identificar objetos estáticos (a entrada deste sistema é apenas uma imagem estática e não uma seqüência de imagens). Assim, não há informação de entrada para tratar movimento, e, logo, o caminho M não será modelado. Figura 4. Arquitetura geral do método proposto. Observe sua inspiração no modelo proposto na Figura 2. O caminho P é dividido em dois sub-caminhos paralelos, um orientado para Borda e outro para Superfície, conforme a Figura 4. Neste trabalho, o caminho de Borda foi implementado por um processo de detecção de bordas clássico, o gradiente morfológico. A escolha se baseou em testes anteriores (Komati, Salles e Sarcinelli-Filho, 2010), nos quais o gradiente morfológico obteve melhores resultados. Para o pré-processamento de suavização da imagem usou-se o método de Kuwahara com máscara 5 5 (Kuwahara, Hashimura e Eiho, 1976). Este método apresenta a vantagem de suavizar a imagem e ao mesmo tempo preservar as bordas. Para o caminho de Superfície foi adotado um método de crescimento de regiões, MM-Frac, que será descrito na subseção 3.2. Este método possui características que seguem a teoria de Grossberg, pois é dividido em dois estágios: integração de medidas para o mapa utilizado como base para o crescimento de regiões e a integração (merge) dos resultados das várias escalas diferentes. Assim, combinamos duas técnicas complementares, a técnica por similaridade (região) e por descontinuidade (borda) de informação. 3.1 A Integração dos Métodos Para a integração dos resultados de bordas e regiões, utilizou-se o método KSS (Komati, Salles e Sarcinelli-Filho, 2010). O KSS é um método totalmente automático, que recebe duas entradas: uma imagem binária representando segmentação de regiões e uma imagem em escala de cinza representando o grau de confiança de cada pixel ser uma borda. Os resultados de detectores de borda apresentam lacunas e informações ruidosas, enquanto os resultados de métodos de crescimento de regiões tendem a apresentar super-segmentação, além de gerar contornos imprecisos e falsos (Muñoz et al., 2003). A estratégia do método KSS é tirar proveito da natureza complementar de cada método, isto é, retirar os contornos falsos das regiões através da informação de bordas e retirar o ruído da informação de bordas guiado pelos contornos do crescimento de regiões, integrando as duas entradas em um único resultado. O controle do KSS é baseado no resultado do detector de bordas. Quanto menos ruidoso for este resultado, maior é o seu grau de confiança. Para tanto, utiliza-se o formato do histograma da imagem resultante do detector de bordas. Assim, estima-se a quantidade de pixels que indicam que não há borda, (maior quantidade de pixels escuros, valores próximos de zero - entre 0 e 50), relativo à informação de certeza média de existência de borda (valores existentes no meio do histograma, entre 50 e 200 na escala de cinza). O valor da confiança é dado por confiança = = 50 h i= 0 i 200 h i 50 i, (1) onde i=[0, 255] é o valor do pixel. Quanto menos ruidosa é a imagem, mais se confia em seu resultado. ISSN: Vol. X 793
4 3.2 O Método de Crescimento de Regiões O método escolhido para o crescimento de regiões foi o MM-Frac (Komati, Salles e Sarcinelli-Filho 2011). Neste método, utilizam-se duas medidas de homogeneidade de regiões: J-value e medida multifractal. A medida J-value foi proposta no método JSEG em (Deng e Manjunath, 2001). A segunda medida é a medida multifractal (Chadhuri e Sarkar, 1995). Ambas as medidas recebem a imagem original e retornam imagens que podem ser interpretadas como mapas 3D. Seguindo a linha de pares complementares, temos uma medida de segunda ordem (Jvalue) e uma medida de alta ordem estatística (medida multifractal). Para integrar as duas medidas, utilizou-se uma média ponderada baseada na propriedade estatística global: o valor α (alpha). Esta medida se mostrou muito eficiente na classificação de imagens em categorias, conforme trabalho de Torralba e Oliva (2003). Eles observaram que a declividade do perfil da curva dada pelo espectro de potência das imagens: log(magnitude) log(freqüência) recai, na média, na forma 1/f α. Quanto menor o valor de α, maior o peso da medida multifractal e melhor é o reconhecimento de texturas. O método de crescimento de regiões é aplicado sobre este mapa 3D final. O mapa 3D é o critério de agrupamento e manteve-se o algoritmo de crescimento de regiões tal qual no método JSEG original. Estes mapas são calculados para várias escalas diferentes e eles são unidos em apenas uma imagem final, tal qual no método JSEG original, através de um processo de merge. Figura 5. Arquitetura do método MM-Frac. A arquitetura do MM-Frac é mostrada na Figura 5, onde todos os retângulos representam os processos que recebem imagens como entrada e retornam uma imagem como saída. Os retângulos sobrepostos representam a multi-escala, isto é, os processos serão repetidos para diferentes escalas. O processo com o texto alpha é o processo que recebe uma imagem como entrada e retorna um número real como saída. 4 Experimentos Para avaliarmos a proposta deste trabalho, utilizamos o banco de dados BSDS, composto de 100 imagens de treino e 100 de testes. Utilizamos todas as imagens coloridas armazenadas na base de testes do BSDS. Não usamos a base de treinamento, pois não há fase de treinamento (sistema não supervisionado). Comparações quantitativas de desempenho necessitam de referencial e métricas bem definidas. Ambos os requisitos podem ser encontrados no BSDS. Para cada imagem de teste no BSDS há pelo menos cinco imagens segmentadas por seres humanos, que constituem nosso referencial de percepção humana. As métricas padrão do BSDS são precisão, sensibilidade e medida-f (precision, recall, e F- measure) (Martin, Fowlkes, e Malik, 2004). O BSDS também fornece um conjunto de programas para o cômputo das medidas padrão, que aceitam programas aceitam imagens em escala de cinza. Para cada imagem, passa-se como parâmetro um número inteiro, indicando a quantidade de limiares a serem utilizados (que nos testes deste trabalho foi definida como 10). Cada imagem é binarizada para cada limiar calculado e, em seguida, calcula-se a precisão, sensibilidade e medida-f. A Figura 6 mostra alguns resultados: São mostrados a imagem de entrada (6(a)), o referencial humano (6(b)), os resultados das detecções de contorno correspondentes ao JSEG (6(c)), MM-Frac (6(d)), detecção de bordas via gradiente morfológico (6(e)) e após o processo KSS (6(f)). Em cada imagem encontra-se, também, a medida-f correspondente. Primeiramente, analisaremos qualitativamente os resultados com relação ao referencial humano. Antes, porém, é importante ressaltar que o algoritmo JSEG tende a super-segmentar as imagens, dividindo os objetos em muitas regiões menores e a abordagem MM-Frac, por sua vez, diminui a quantidade de segmentos. Por exemplo, as árvores no fundo na primeira imagem (imagem na Figura 6) não são detectadas, como no resultado do JSEG. Além disso, os resultados apresentam contornos mais precisos. Na imagem da cobra, a fronteira abrange todo o corpo do animal, e não fragmentos do mesmo. Apresentam-se na quinta coluna, os resultados da detecção de bordas. Os resultados são muito ruidosos, o que se deve, principalmente, ao fato de que as técnicas de detecção de bordas confiam inteiramente na informação local disponível na imagem. Existe resposta a todas as variações de contraste em relação às regiões de textura, como na área de areia na segunda linha da Figura 6, ou na grama da parte inferior esquerda da imagem do trem. Ao mesmo tempo, o método de detecção de bordas é responsável por destacar detalhes como o graveto na esquerda da área de neve, na primeira linha da Figura 6, e a ISSN: Vol. X 794
5 folha perto da cobra, na segunda imagem da Figura 6. Os resultados para o método KSS são apresentados na última coluna. Detalhes detectados pelo método de detecção de bordas são mantidos e o ruído é atenuado, desaparecendo após a binarização do BSDS. Agora, as bordas são mais precisas e mais próximas das imagens do referencial humano. Em (Deng e Manjunath, 2001), o maior problema observado no resultado do JSEG é causado pelas variações suaves de tonalidade, comumente geradas por uma fonte de iluminação, como pode ser observado no céu da imagem 42049, na última linha da Figura 6. Não há uma fronteira clara, e a percepção do referencial humano não distingue essa região. No entanto, o resultado do JSEG apresenta uma região circular na imagem. O resultado após KSS não apresenta este contorno. A explicação é que a detecção de bordas não percebe a variação suave como um contorno e o KSS apaga a borda. Da mesma forma, podemos verificar que o segmento acima da fumaça do trem foi removido. Em termos quantitativos, as métricas de sensibilidade, precisão e medida-f de cada método são a- presentados na parte superior da Tabela 1. A abordagem MM-Frac melhora a sensibilidade, sem diminuir a precisão, aumentando um pouco a medida-f. A detecção de bordas apresenta a menor precisão, devido aos pixels ruidosos. Após o método KSS, a medida-f aumenta para 0,61, sendo este valor mais próximo da medida-f do referencial humano. O BSDS gera gráficos com os resultados de cada imagem numa curva precisão versus sensibilidade. O valor máximo da medida-f nessa curva é a medida-f que sumariza o algoritmo. Além disso, foi calculado o resumo estatístico baseado na média simples das 100 imagens da base de testes, que é mostrado na parte inferior da Tabela 1. A partir de tais valores médios, observa-se que o KSS apresentou os melhores resultados de medida-f, em comparação com aqueles obtidos pelos outros métodos testados. Tabela 1. Métricas de cada método calculado pelo BSDS. Percepção Humana JSEG MM-Frac Detector de Borda KSS B sensibilidade S D precisão S medida-f sensibilidade precisão medida-f m e d i a 5 Conclusões Este trabalho propõe uma nova abordagem para detecção de contornos de imagens coloridas, inspirado no modelo visual humano. Como na teoria de Grossberg, o sistema é totalmente automático, não possui sintonia de parâmetros para imagens individuais e não possui fase de treinamento (não supervisionado). A abordagem foi processada em estágios: geração do resultado por superfície e integração deste com o resultado da detecção de bordas. Em cada estágio, os processamentos foram aos pares, em dois caminhos paralelos de natureza complementar. A integração de cada estágio tenta corrigir as falhas entre os pares. A conclusão é que a abordagem bio-inspirada proposta neste trabalho apresenta resultados que correspondem mais à percepção humana do que os resultados associados aos métodos isolados utilizados no sistema. Um grande passo futuro é a implementação do modelo completo de Grossberg utilizando técnicas de processamento digital de imagens aliadas a algoritmos de reconhecimento de padrões. Agradecimentos Gostaríamos de agradecer a bolsa de estudo fornecida pela CAPES para Karin Komati e ao Programa de Pós-Graduação em Engenharia Elétrica (PP- GEE) da UFES, por todo o suporte dado à pesquisa. Referências Bibliográficas Chaudhuri, B. B.; Sarkar, N., (1995). Texture segmentation using fractal dimension, IEEE Trans. Pattern Anal. Mach. Intell., 17 (1), Deng, Y. and Manjunath, B. S., (2001). Unsupervised segmentation of color-texture regions in images and video, IEEE Trans. Pattern Anal. Mach. Intell., 23 (8) pp Grossberg, S. and Mingolla, E., (1985). Neural dynamics of perceptual grouping: textures, boundaries, and emergent segmentations. Perception And Psychophysics, 38(2), p Grossberg, S., (1994). 3-D vision and figure-ground separation by visual cortex. Perception Psychophysics, 55(1), pp Grossberg, S. (2000). Linking Mind To Brain: The Mathematics of Biological Intelligence. Notices of the American Society. Vol. 47. pp Grossberg, S. (2008). The art of seeing and painting. Spatial Vision. Vol. 21(3-5). pp (24). doi: / Hu, D-K. Li, J-P., Yang, S. X. and Gregori, S. (2009) A Bio-inspired Model for Color Image Segmentation. Proc. of the International Conference on Apperceiving Computing and Intelligence Analysis, ICACIA pp Kandel, E. R., Schwartz, J. H. and Jessell, T. M. (2000). Principles of Neural Science. 4th ed. McGraw-Hill, New York. ISSN: Vol. X 795
6 Komati, K. S. and De Souza, A. F. (2003).Using Weightless Neural Networks for Vergence Control in an Artificial Vision System, Journal Of Applied Bionics And Biomechanics, Auckland, New Zealand, Vol 1, nº 1, pp Komati, K. S., Salles, E. O. T. and Sarcinelli-Filho, M., (2010). A Strategy for Image Boundary Detection Combining Region and Edge Maps, Computing in Science and Engineering, IEEE computer Society Digital Library. doi: /MCSE Komati, K. S., Salles, E. O. T. and Sarcinelli-Filho, M. (2011). Two-level Strategy for Image Boundary Detection. Proc. of the International Conference on Computer Vision Theory and Applications. VISAPP Vilamoura, Algarve, Portugal. pp Köppen, M., Ruiz-del-Solar, J. and Soille, P. (1998). Texture Segmentation by Biologically-Inspired Use of Neural Networks and Mathematical Morphology. Proc. of the Intrenational ICSC/IFAC Symposium on Neural Computation (NC). Vienna, Austria. pp Kuwahara, M., Hachimura, K., and Eiho, S. (1976). Processing of Riangiocardiographic Images, Digital Processing of Biomedical Images, Plenum, pp Marr, D. (1982). Vision. Freeman Publishers. Martin, D. R., Fowlkes, C. C., Tal, D. and Malik, J., (2001). A database of human segmented natural images and its application to evaluating segmentation algorithms and measuring ecological statistics. In Proc. 8th IEEE Int l Conf. Computer Vision, Vol. 2, pp Martin, D. R., Fowlkes, C. C. and Malik, J., (2004). Learning to detect natural image boundaries using local brightness, color, and texture cues, IEEE Trans. Pattern Anal. Mach. Intell., Vol. 26(5), pp Mishkin, M. and Ungerleider, L. G. (1982). Contribution of striate inputs to the visuospatial functions of parieto-preoccipital cortex in monkeys. Behavioural Brain Research. Vol. 6(1), pp Muñoz, X., Freixenet, J., Cufí, X., Martí, J., (2003). Strategies for image segmentation combining region and boundary information, IEEE Pattern Recognition Letters, 24(1-3), Olshausen B.A. and Field, D. J. (2005). "How close are we to understanding V1?" Neural Computation. Vol. 17, pp Torralba, A. and Oliva, A., (2003). Statistics of Natural Image Categories, Institute of Physics Publishing: Computation in Neural Systems, Vol. 14, pp Imagem de Entrada Referencial Humano JSEG MM-Frac Detector de Bordas KSS Medida-F = 0.95 Medida-F = 0.62 Medida-F=0.88 Medida-F=0.92 Medida-F= Medida-F = 0.85 Medida-F=0.55 Medida-F=0.74 Medida-F=0.70 Medida-F= Medida-F = 0.80 Medida-F=0.62 Medida-F=0.70 Medida-F=0.64 Medida-F = Medida-F = 0.54 Medida-F=0.60 Medida-F=0.60 Medida-F=0.62 Medida-F = (a) Medida-F = 0.96 (b) Medida-F = 0.75 (c) Medida-F = 0.58 (d) Medida-F = 0.93 (e) Medida-F = 0.91 (f) Figura 6. Cinco exemplos de imagens da base de testes do BSDS. (a) imagem de entrada (b) referencial humano (c) resultado do JSEG (d) resultado do método MM-Frac (e) resultado do método de detecção de bordas (f) resultado após KSS. ISSN: Vol. X 796
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 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 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 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 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 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 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 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 maisUFGD FCA PROF. OMAR DANIEL BLOCO 6 CLASSIFICAÇÃO DE IMAGENS
UFGD FCA PROF. OMAR DANIEL BLOCO 6 CLASSIFICAÇÃO DE IMAGENS Obter uma imagem temática a partir de métodos de classificação de imagens multi- espectrais 1. CLASSIFICAÇÃO POR PIXEL é o processo de extração
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 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 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 mais6 A coleta de dados: métodos e técnicas utilizadas na pesquisa
A coleta de dados: métodos e técnicas utilizadas na pesquisa 110 6 A coleta de dados: métodos e técnicas utilizadas na pesquisa 6.1. Introdução Neste capítulo pretende-se apresentar os métodos e as técnicas
Leia maisMétodos de mapeamento para fenômenos qualitativos e quantitativos
IT 508 - Cartografia Temática Representação cartográfica: Métodos de mapeamento para fenômenos qualitativos e quantitativos Profa.. Juliana Moulin Segundo os métodos padronizados, conforme o uso das variáveis
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 maisESTUDO DE CASO: LeCS: Ensino a Distância
ESTUDO DE CASO: LeCS: Ensino a Distância HERMOSILLA, Lígia Docente da Faculdade de Ciências Jurídicas e Gerenciais de Garça FAEG - Labienópolis - CEP 17400-000 Garça (SP) Brasil Telefone (14) 3407-8000
Leia maisTransformação de um Modelo de Empresa em Requisitos de Software
Transformação de um Modelo de Empresa em Requisitos de Software Fábio Levy Siqueira 1 and Paulo Sérgio Muniz Silva 2 1 Programa de Educação Continuada da Poli-USP, São Paulo, Brazil 2 Escola Politécnica
Leia maisUso de sumários humanos nos idiomas português e inglês no modelo Cassiopeia
Uso de sumários humanos nos idiomas português e inglês no modelo Cassiopeia Jésyka Milleny Az. Gonçalves, Marcus Vinicius C. Guelpeli Departamento de Sistemas e Computação Universidade Universidade Federal
Leia maisRedes Neurais. A IA clássica segue o paradigma da computação simbólica
Abordagens não simbólicas A IA clássica segue o paradigma da computação simbólica Redes Neurais As redes neurais deram origem a chamada IA conexionista, pertencendo também a grande área da Inteligência
Leia maistextos documentos semi-estruturado
1 Mineração de Textos Os estudos em Aprendizado de Máquina normalmente trabalham com dados estruturados Entretanto, uma grande quantidade de informação é armazenada em textos, que são dados semiestruturados
Leia mais2 Texturas com Relevo e Equações de Pré Warping
2 Texturas com Relevo e Equações de Pré Warping A noção de warping de imagens é fundamental para o entendimento da técnica abordada nesta dissertação. Este capítulo apresenta definições formais para vários
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 mais)LJXUD8PGRVSDUHV'SDUDFRQYROXomRTXHWHPRPHVPRHIHLWRGR NHUQHOGD)LJXUD
)LOWURJDXVVLDQR O filtro Gaussiano pode ser usado como um filtro SDVVDEDL[D. Usando a função Gaussiana para obter valores de uma máscara a ser definida digitalmente. O Filtro de Gaussiano em 1-D tem a
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 maisPrograma Integrado de Monitoria Remota de Fragmentos Florestais e Crescimento Urbano no Rio de Janeiro
Programa Integrado de Monitoria Remota de Fragmentos Florestais e Crescimento Urbano no Rio de Janeiro Relatório Trimestral de Atividades Abril / Maio / Junho de 2010 Índice 1. Apresentação...3 2. Fotogrametria...4
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 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 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 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 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 maisUNIVERSIDADE DE CAMPINAS INSTITUTO DE COMPUTAÇÃO MESTRADO PROFISSIONAL. DOUGLAS MARQUES JUNIA NEVES {damarques, junia.neve}@superig.com.
UNIVERSIDADE DE CAMPINAS INSTITUTO DE COMPUTAÇÃO MESTRADO PROFISSIONAL DOUGLAS MARQUES JUNIA NEVES {damarques, junia.neve}@superig.com.br CRIPTOGRAFIA VISUAL CAMPINAS SP Novembro/ 2003 CONTEÚDO 1 INTRODUÇÃO...1
Leia maisTeste de Software: Um Breve Estudo do Importante Processo no Desenvolvimento de Softwares
Teste de Software: Um Breve Estudo do Importante Processo no Desenvolvimento de Softwares André Assis Lôbo de Oliveira Francisco Guerra Fernandes Júnior Faculdades Alves Faria, 74445190, Brasil andrelobin@hotmail.com,
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 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 maisSumário. 1. Instalando a Chave de Proteção 3. 2. Novas características da versão 1.3.8 3. 3. Instalando o PhotoFacil Álbum 4
1 Sumário 1. Instalando a Chave de Proteção 3 2. Novas características da versão 1.3.8 3 3. Instalando o PhotoFacil Álbum 4 4. Executando o PhotoFacil Álbum 9 3.1. Verificação da Chave 9 3.1.1. Erro 0001-7
Leia maisSumário INTRODUÇÃO 3 TELA DE APRESENTAÇÃO 3 DESENHANDO E TRANSFORMANDO 29 FERRAMENTA FORMA 29 PREENCHIMENTOS E CONTORNOS 36
Sumário Todos os direitos reservados e protegidos pela Lei 5.988 de 14/12/73. Nenhuma parte deste livro, sem prévia autorização por escrito de Celta Informática, poderá ser reproduzida total ou parcialmente,
Leia mais4 Experimentos Computacionais
33 4 Experimentos Computacionais O programa desenvolvido neste trabalho foi todo implementado na linguagem de programação C/C++. Dentre as bibliotecas utilizadas, destacamos: o OpenCV [23], para processamento
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 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 mais4 Experimentos. 4.4 detalha os experimentos com os algoritmos V-Wrapper e NCE. 4.1
4 Experimentos A estratégia V-Wrapper descrita por Zheng et. al (ZSW07), resumida no Capítulo 2, foi implementada com a finalidade de comparar um método baseado em atributos visuais com o algoritmo proposto
Leia maisRedes Neurais Artificiais na Engenharia Nuclear 2 Aula-1 Ano: 2005
Redes Neurais Artificiais na Engenharia Nuclear 1 - Apresentação do Professor: dados, lista de E-mail s, etc. - Apresentação da Turma: Estatística sobre origem dos alunos para adaptação do curso - Apresentação
Leia mais1 Um guia para este livro
PARTE 1 A estrutura A Parte I constitui-se de uma estrutura para o procedimento da pesquisa qualitativa e para a compreensão dos capítulos posteriores. O Capítulo 1 serve como um guia para o livro, apresentando
Leia maisDo neurônio biológico ao neurônio das redes neurais artificiais
Do neurônio biológico ao neurônio das redes neurais artificiais O objetivo desta aula é procurar justificar o modelo de neurônio usado pelas redes neurais artificiais em termos das propriedades essenciais
Leia maisEstudo Sobre Armazenamento de Modelagem Digital de Terreno em Banco de Dados Geográficos
Estudo Sobre Armazenamento de Modelagem Digital de Terreno em Banco de Dados Geográficos Eduilson L. N. C. Carneiro, Gilberto Câmara, Laércio M. Namikawa Divisão de Processamento de Imagens (DPI) Instituto
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 maisI Oficina de Pesquisa Científica na Pós- Graduação (OPC-PG) Prof. Dr. Sidnei Alves de Araújo saraujo@uninove.br
I Oficina de Pesquisa Científica na Pós- Graduação (OPC-PG) Prof. Dr. Sidnei Alves de Araújo saraujo@uninove.br Programa de Pós-Graduação em Informática e Gestão do Conhecimento Setembro/2015 MÓDULO I
Leia mais29/08/2011. Radiologia Digital. Princípios Físicos da Imagem Digital 1. Mapeamento não-linear. Unidade de Aprendizagem Radiológica
Mapeamento não-linear Radiologia Digital Unidade de Aprendizagem Radiológica Princípios Físicos da Imagem Digital 1 Professor Paulo Christakis 1 2 Sistema CAD Diagnóstico auxiliado por computador ( computer-aided
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 maisAula 4 Conceitos Básicos de Estatística. Aula 4 Conceitos básicos de estatística
Aula 4 Conceitos Básicos de Estatística Aula 4 Conceitos básicos de estatística A Estatística é a ciência de aprendizagem a partir de dados. Trata-se de uma disciplina estratégica, que coleta, analisa
Leia maisSistemas de Arquivos NTFS, FAT16, FAT32, EXT2 e EXT3
Sistemas de Arquivos NTFS, FAT16, FAT32, EXT2 e EXT3 Os sistemas de arquivos é a parte do SO responsável pelo gerenciamento dos arquivos (estrutura, identificação, acesso, utilização, proteção e implementação).
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 maisRelatório Trabalho Prático 2 : Colônia de Formigas para Otimização e Agrupamento
Relatório Trabalho Prático 2 : Colônia de Formigas para Otimização e Agrupamento Ramon Pereira Lopes Rangel Silva Oliveira 31 de outubro de 2011 1 Introdução O presente documento refere-se ao relatório
Leia maisO uso correto do texto alternativo
O uso correto do texto alternativo Tradução livre do texto Appropriate Use of Alternative Text [http://webaim.org/techniques/alttext/] O texto alternativo é, como o nome diz, uma alternativa aos elementos
Leia maisAPLICATIVOS GRÁFICOS (AULA 4)
Prof. Breno Leonardo G. de M. Araújo brenod123@gmail.com http://blog.brenoleonardo.com.br APLICATIVOS GRÁFICOS (AULA 4) 1 Classificação da imagem Em relação à sua origem pode-se classificar uma imagem,
Leia maisCotagem de dimensões básicas
Cotagem de dimensões básicas Introdução Observe as vistas ortográficas a seguir. Com toda certeza, você já sabe interpretar as formas da peça representada neste desenho. E, você já deve ser capaz de imaginar
Leia mais3 Estratégia para o enriquecimento de informações
34 3 Estratégia para o enriquecimento de informações Podemos resumir o processo de enriquecimento de informações em duas grandes etapas, a saber, busca e incorporação de dados, como ilustrado na Figura
Leia mais1. Arquivos Seqüenciais
1. Arquivos Seqüenciais 1.1. Introdução Historicamente, os arquivos seqüências são associados as fitas magnéticas devido a natureza seqüencial deste meio de gravação. Mas os arquivos seqüências são também
Leia maisPortal do Projeto Tempo de Ser
Sumário Portal do Projeto Tempo de Ser O que é um Wiki?...2 Documentos...2 Localizando documentos...3 Links...3 Criando um Documento...4 Criando um link...4 Editando um Documento...5 Sintaxe Básica...5
Leia maisPalavras chave: defeitos de solda, pulso eco, redes neurais artificiais, transformada de wavelet
DETECÇÃO DE DEFEITOS EM JUNTAS SOLDADAS UTILIZANDO UM CLASSIFICADOR NEURAL ALIMENTADO POR SINAIS ULTRASSÔNICOS PRÉ- PROCESSADOS PELA TRANSFORMADA DE WAVELET Francisco G. de Paula¹, Maria Cléa S. de Albuquerque
Leia mais4Distribuição de. freqüência
4Distribuição de freqüência O objetivo desta Unidade é partir dos dados brutos, isto é, desorganizados, para uma apresentação formal. Nesse percurso, seção 1, destacaremos a diferença entre tabela primitiva
Leia maisGráficos estatísticos: histograma. Série Software ferramenta
Gráficos estatísticos: histograma Série Software ferramenta Funcionalidade Este software permite a construção de histogramas a partir de uma tabela de dados digitada pelo usuário. Gráficos estatísticos:
Leia maisALTERNATIVA PARA SIMPLIFICAÇÃO NA ESTRUTURA DE EXECUÇÃO DE PROJETOS SEIS-SIGMA
Blucher Engineering Proceedings Agosto de 2014, Número 2, Volume 1 ALTERNATIVA PARA SIMPLIFICAÇÃO NA ESTRUTURA DE EXECUÇÃO DE PROJETOS SEIS-SIGMA Cristiano Marques de Oliveira 1 1 Delphi Automotive Systems
Leia maisANALISE COMBINATORIA Um pouco de probabilidade
ANALISE COMBINATORIA Um pouco de probabilidade Programa Pró-Ciência Fapesp/IME-USP-setembro de 1999 Antônio L. Pereira -IME USP (s. 234A) tel 818 6214 email:alpereir@ime.usp.br 1 Um carro e dois bodes
Leia maisOrganização. Trabalho realizado por: André Palma nº 31093. Daniel Jesus nº 28571. Fábio Bota nº 25874. Stephane Fernandes nº 28591
Organização Trabalho realizado por: André Palma nº 31093 Daniel Jesus nº 28571 Fábio Bota nº 25874 Stephane Fernandes nº 28591 Índice Introdução...3 Conceitos.6 Princípios de uma organização. 7 Posição
Leia maisCapítulo SETE Números em Ponto Fixo e Ponto Flutuante
Capítulo SETE Números em Ponto Fixo e Ponto Flutuante 7.1 Números em ponto fixo Observação inicial: os termos ponto fixo e ponto flutuante são traduções diretas dos termos ingleses fixed point e floating
Leia maisMorfologia Matemática Binária
Morfologia Matemática Binária Conceitos fundamentais: (Você precisa entender bem esses Pontos básicos para dominar a área! Esse será nosso game do dia!!! E nossa nota 2!!) Morfologia Matemática Binária
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 maisUma abordagem Fuzzy para Detecção de Bordas em Imagens Digitais
Uma abordagem Fuzzy para Detecção de Bordas em Imagens Digitais Inês Aparecida Gasparotto Boaventura Depto de Ciências de Computação e Estatística, IBILCE, UNESP, 15054-000, São José do Rio Preto, SP E-mail:
Leia maisINTRODUÇÃO O QUE É VISÃO COMPUTACIONAL?
INTRODUÇÃO O QUE É VISÃO COMPUTACIONAL? Sinônimo Visão Computacional =========== Visão de Máquinas Análise de Imagens, Análise de Cenas Image Understanding Oposto Visão Computacional =========== Computação
Leia maisUNIVERSIDADE FEDERAL RURAL DE PERNAMBUCO DEPARTAMENTO DE ESTATÍSTICA E INFORMÁTICA BACHARELADO EM SISTEMAS DE INFORMAÇÃO RAPID APPLICATION DEVELOPMENT
UNIVERSIDADE FEDERAL RURAL DE PERNAMBUCO DEPARTAMENTO DE ESTATÍSTICA E INFORMÁTICA BACHARELADO EM SISTEMAS DE INFORMAÇÃO RAPID APPLICATION DEVELOPMENT Disciplina: Modelagem a Programação Orientada a Objetos
Leia maisFiltragem. pixel. perfil de linha. Coluna de pixels. Imagem. Linha. Primeiro pixel na linha
Filtragem As técnicas de filtragem são transformações da imagem "pixel" a "pixel", que dependem do nível de cinza de um determinado "pixel" e do valor dos níveis de cinza dos "pixels" vizinhos, na imagem
Leia maisAMOSTRAGEM ESTATÍSTICA EM AUDITORIA PARTE ll
AMOSTRAGEM ESTATÍSTICA EM AUDITORIA PARTE ll! Os parâmetros para decisão do auditor.! Tipos de planos de amostragem estatística em auditoria. Francisco Cavalcante(f_c_a@uol.com.br) Administrador de Empresas
Leia maisEstatística no EXCEL
Estatística no EXCEL Prof. Ms. Osorio Moreira Couto Junior 1. Ferramentas... 2 2. Planilha de dados... 3 2.1. Introdução... 3 2.2. Formatação de células... 4 2.3. Inserir ou Excluir Linhas e Colunas...
Leia maisMétodos de Síntese e Evidência: Revisão Sistemática e Metanálise
Métodos de Síntese e Evidência: Revisão Sistemática e Metanálise Mirian Carvalho de Souza Divisão de Epidemiologia Coordenação de Pesquisa Populacional Coordenação Geral Técnico-Científica Estudos Revisão
Leia maisFlavio Marcelo CONEGLIAN, Rodrigo Antonio LA SCALEA e Selma Regina Aranha RIBEIRO. Universidade Estadual de Ponta Grossa
Comparação entre Classificações Supervisionadas em uma Imagem CBERS CCD com Bandas Multiespectrais e em uma Imagem Fusão da Mesma Imagem CBERS CCD Com uma Banda Pancromática HRC Flavio Marcelo CONEGLIAN,
Leia maisEstudo de Casos 57. 5.1. Estudo de Caso 1: Velocidade Intervalar e Espessura da Camada
Estudo de Casos 57 5 Estudo de Casos Neste capítulo são relatados três estudos de caso com sismogramas de referência sintéticos que têm como objetivo avaliar o modelo proposto. Na descrição dos estudos
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 maisANÁLISE DE DIFERENTES MODELOS DE ATRIBUIÇÃO DE NOTAS DA AVALIAÇÃO INTEGRADORA (AVIN) DO CURSO DE ENGENHARIA CIVIL DO UNICENP
ANÁLISE DE DIFERENTES MODELOS DE ATRIBUIÇÃO DE NOTAS DA AVALIAÇÃO INTEGRADORA (AVIN) DO CURSO DE ENGENHARIA CIVIL DO UNICENP Flavia Viviani Tormena ftormena@unicenp.edu.br Júlio Gomes jgomes@unicenp.edu.br
Leia maisA SEGUIR ALGUMAS DICAS PARA O DESENVOLVIMENTO DE UM PROJETO CIENTÍFICO
A SEGUIR ALGUMAS DICAS PARA O DESENVOLVIMENTO DE UM PROJETO CIENTÍFICO DESENVOLVENDO UM PROJETO 1. Pense em um tema de seu interesse ou um problema que você gostaria de resolver. 2. Obtenha um caderno
Leia maisLaços Fortes e Fracos
Laços Fortes e Fracos Redes Sociais e Econômicas Prof. André Vignatti A Força de Laços em Redes de Larga Escala Para estudar laços fracos e fortes, foi feita uma pesquisa usando dados reais de uma companhia
Leia maisEng Civil Washington Peres Núñez Dr. em Engenharia Civil pela Universidade Federal do Rio Grande do Sul
PESQUISA ANÁLISE DE CARACTERÍSTICAS DE QUALIDADE DE MISTURAS ASFÁLTICAS PRODUZIDAS NA ATUALIDADE NO SUL DO BRASIL E IMPACTOS NO DESEMPENHO DE PAVIMENTOS FLEXÍVEIS. MANUAL DE OPERAÇÃO DO BANCO DE DADOS
Leia maismuito como cartas náuticas faça para o watercraft, ou o a mapa rodoviário para excitadores. Usando estas cartas e outras ferramentas pilotos possa
Carta Aeronáutica é a mapa projetou ajudar dentro navegação de avião, muito como cartas náuticas faça para o watercraft, ou o a mapa rodoviário para excitadores. Usando estas cartas e outras ferramentas
Leia maisModelação 3D. Sumário COMPUTAÇÃO GRÁFICA E INTERFACES. Introdução. Introdução. Carlos Carreto
Sumário COMPUTAÇÃO GRÁFICA E INTERFACES Modelação 3D Introdução Técnicas de modelação 3D - - - Modelação Procedimental Carlos Carreto Curso de Engenharia Informática Ano lectivo 2003/2004 Escola Superior
Leia mais1. Os métodos Não-Paramétricos podem ser aplicados a uma ampla diversidade de situações, porque não exigem populações distribuídas normalmente.
TESTES NÃO - PARAMÉTRICOS As técnicas da Estatística Não-Paramétrica são, particularmente, adaptáveis aos dados das ciências do comportamento. A aplicação dessas técnicas não exige suposições quanto à
Leia maisCálculo Numérico Faculdade de Engenharia, Arquiteturas e Urbanismo FEAU
Cálculo Numérico Faculdade de Engenharia, Arquiteturas e Urbanismo FEAU Prof. Dr. Sergio Pilling (IPD/ Física e Astronomia) II Métodos numéricos para encontrar raízes (zeros) de funções reais. Objetivos:
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 maisUNIVERSIDADE F EDERAL DE P ERNAMBUCO ANÁLISE DE UM MÉTODO PARA DETECÇÃO DE PEDESTRES EM IMAGENS PROPOSTA DE TRABALHO DE GRADUAÇÃO
UNIVERSIDADE F EDERAL DE P ERNAMBUCO GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO CENTRO DE INFORMÁTICA 2010.2 ANÁLISE DE UM MÉTODO PARA DETECÇÃO DE PEDESTRES EM IMAGENS PROPOSTA DE TRABALHO DE GRADUAÇÃO Aluno!
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 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 maisDensímetro de posto de gasolina
Densímetro de posto de gasolina Eixo(s) temático(s) Ciência e tecnologia Tema Materiais: propriedades Conteúdos Densidade, misturas homogêneas e empuxo Usos / objetivos Introdução ou aprofundamento do
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 maisComo fazer um jogo usando o editor de apresentação
Instituto Federal de Educação, Ciência e Tecnologia Sergipe IFS Campus Glória Curso Integrado em Agropecuária Professora: Jamille Silva Madureira Disciplina: Informática Como fazer um jogo usando o editor
Leia maisGestão dos Prazos e Custos do Projeto
Gestão dos Prazos e Custos do Projeto Prof. Sérgio Ricardo do Nascimento Aula 4 14 de Novembro de 2013 1 Gestão dos Prazos e Custos do Projeto - Prof. Sérgio Ricardo do Nascimento Informações iniciais
Leia maisDetecção e Rastreamento de Objetos coloridos em vídeo utilizando o OpenCV
Detecção e Rastreamento de Objetos coloridos em vídeo utilizando o OpenCV Bruno Alberto Soares OLIVEIRA 1,3 ; Servílio Souza de ASSIS 1,3,4 ; Izadora Aparecida RAMOS 1,3,4 ; Marlon MARCON 2,3 1 Estudante
Leia maisSMC: Uma Ferramenta Computacional para apoio ao Ensino dos Movimentos Circulares. SMC: A Computational Tool for the Circular Movement Teaching
5 SMC: Uma Ferramenta Computacional para apoio ao Ensino dos Movimentos Circulares SMC: A Computational Tool for the Circular Movement Teaching Carlos Vitor de Alencar Carvalho 1 Janaina Veiga Carvalho
Leia maisCadernos do CNLF, Vol. XVI, Nº 04, t. 3, pág. 2451
O PLURAL DAS PALAVRAS TERMINADAS EM -ÃO: MUDANÇA OU VARIAÇÃO ESTÁVEL? Miriam Cristina Almeida Severino (UFRJ) cristinasmiriams@yahoo.com.br Christina Abreu Gomes (UFRJ) christina-gomes@uol.com.br 1. Introdução
Leia maisNascemos a ver ou aprendemos a ver?
Nascemos a ver ou aprendemos a ver? A visão é uma função essencialmente aprendida pelos organismos superiores. Podemos dizer que o processo de visão compreende a sensação e a percepção. A sensação consiste
Leia maisPedagogia Estácio FAMAP
Pedagogia Estácio FAMAP # Objetivos Gerais: O Curso de Graduação em Pedagogia da Estácio FAMAP tem por objetivo geral a formação de profissionais preparados para responder às diferenciadas demandas educativas
Leia maisUNEMAT SISTEMA DE INFORMAÇÃO (SI) Professora: Priscila Pelegrini priscila_pelegrini@unemat-net.br
UNEMAT SISTEMA DE INFORMAÇÃO (SI) Professora: Priscila Pelegrini priscila_pelegrini@unemat-net.br SINOP MT 2015-1 COMO SÃO DESENVOLVIDOS OS SISTEMAS DE INFORMAÇÃO? São desenvolvimento como uma estrutura
Leia mais