Segmentação de Imagens: abordagens para reconhecimento de placas de veículos
|
|
- Maria dos Santos Melgaço Bicalho
- 7 Há anos
- Visualizações:
Transcrição
1 Segmentação de Imagens: abordagens para reconhecimento de placas de veículos Fredy Elmer Arias Chipana, Yuzo Iano Departamento de Comunicações Faculdade de Engenharia Elétrica e de Computação Universidade Estadual de Campinas (Unicamp) farias@decom.fee.unicamp.br Resumo Este artigo tem como objetivo apresentar diferentes modelos ou técnicas usadas na segmentação de imagens. Abordam-se modelos mais simples bem como os mais elaborados. Dessa forma, mencionam-se aspectos importantes que devem ser considerados para a solução de problemas. Palavras-chave: segmentação, modelo, imagem digital. 1. Introdução A segmentação de imagens faz parte do processamento digital de imagens. O objetivo é facilitar a análise de partes (denominados objetos) da imagem [1]. Uma imagem digital é uma representação visual da aparência de um objeto real ou imaginário na forma de um arquivo digital matricial ou vetorial. As imagens matriciais são representadas como uma tabela de pontos chamados pixels. Em processamento digital de imagens se identificam e classificam os pixels de acordo com algumas de suas características. A segmentação de imagens é o processo de identificação dos pixels com características similares usando-se etiquetas. Os pixels com igual etiqueta representam um objeto ou região. A análise de uma imagem implica no reconhecimento de objetos nela presentes, ou seja, devem-se identificar os pixels pertencentes a um objeto marcando-os ou etiquetando-os. As técnicas ou métodos de segmentação identificam características de pixels tais como similaridade ou descontinuidade a fim de encontrar e identificar um objeto. No presente trabalho, abordam-se os principais métodos usados para a segmentação de imagens, analisando suas vantagens e desvantagens. Isso pode dar uma ideia de qual é o mais adequado para se aplicar na identificação de placas de veículos. Para compreender os métodos de segmentação é necessário conhecer alguns conceitos como região e umbral. Define-se uma região como sendo parte de uma imagem. Essa parte consiste de um conjunto de pixels próximos ou agrupados. A formação desse conjunto segue um critério de similaridade. Umbral ou limiar pode ser definido como sendo a variação de valor limite que um pixel de uma região deve ter para se identificar se o pixel pertence ou não ao grupo. Existe uma variedade de métodos de segmentação descrita em diferentes artigos relacionados ao tema. Identificam-se três linhas básicas; os métodos baseados em umbral, os baseados em detecção de bordas e os métodos baseados em regiões. Muitas das outras técnicas usam combinações dessas básicas, diferenciando-se na etapa de aplicação do algoritmo. O objetivo do presente artigo é estudar os métodos de segmentação de imagens, recomendar o uso de algumas delas e propor uma para a localização e segmentação de placas de veículos. 2. Métodos de Segmentação 2.1. Algoritmos baseados no valor de umbral Nesse tipo de técnicas se identificam os pixels que pertencem ao objeto por meio de seu valor de umbral. Para o cálculo de valor de umbral pode-se fazer uso do histograma da imagem. Nesse caso, buscam-se e analisam-se seus mínimos locais. O histograma de uma imagem não considera informação espacial. Considera-se somente a distribuição do valor dos pixels na imagem. Outra forma de calcular o valor de umbral de forma automática é usando o método de Otsu [2]. Nesse método, utilizam-se técnicas estatísticas como a variação que é uma medida de dispersão. Neste caso, usam-se os níveis de cinza. Uma vez fixado o valor de umbral T, pode-se diferenciar os pixels dos objetos. Recorre-se a todos os pixels da imagem I. Todos os pixels que satisfazem, são etiquetados como objeto, caso contrário como fundo [3][4][5].
2 Esses métodos podem ser aplicados na segmentação das letras da placa porque existe um bom contraste delas com o fundo Baseados na detecção de bordas A base dessas técnicas de segmentação está em se aplicar um método de morfologia matemática para a detecção de bordas tais como o de Sobel, Prewit, Roberts, Laplaciana da gaussiana ou Canny [6]. Em seguida, se aplica um algoritmo de união ou realce de bordas. Isso permite agrupar pixels detectados como bordas locais entre as regiões da imagem para determinar de maneira mais precisa o contorno dos objetos de uma imagem. Uma técnica usada é a transformada de Hough, para a detecção de linhas retas e curvas em imagens. As técnicas de detecção de bordas podem ser ótimas para a identificação da placa Baseados em regiões Uma região é uma parte da imagem composta de um conjunto de pixels que tem certo grau de similaridade. Nos métodos de segmentação baseados em regiões, assume-se que os pixels vizinhos de uma região tem um valor similar. O procedimento comum é comparar um pixel com seus vizinhos e então agrupá-los de acordo com um critério de similaridade Crescimento de regiões por semente É o mais simples e conhecido método de segmentação baseado em regiões. A ideia desse algoritmo é selecionar um conjunto de pixels iniciais, chamados de sementes. Em geral, tais pixels são escolhidos no centro da região. Esse algoritmo começa com a escolha de um pixel semente e depois se examina os pixels vizinhos, verificando-se se esses não são bordas que se agregam na região. O processo de crescimento produz uma região simples contendo pixels com propriedades similares com as da semente. A escolha das sementes iniciais determinam as variantes desse algoritmo [7]. Para a aplicação desse algoritmo é usada a especificação de duas variáveis que são o tamanho da imagem e a diferença absoluta entre o nível de cinza das regiões de crescimento e o pixel semente. Calcula-se primeiro um valor médio para um grupo que é o nível de cinza de um grupo dividido pelo número de pixels. No processo, a semente expande a região baseado em um critério que é previamente definido para determinar a similaridade entre os pixels da região (geralmente o umbral). Na expansão da região, cada pixel vizinho é comparado usando, donde: é o nível de cinza do pixel vizinho, M é o valor médio, T = umbral pré-definido. O valor médio para a região é atualizado para cada inserção de um pixel vizinho. O processo de crescimento é repetido iterativamente até que todos os pontos sejam considerados. A segmentação baseada no crescimento de regiões tem um alto grau de similaridade e não apresenta problemas de fragmentação. No entanto, tem duas fraquezas. Primero, dependendo da posição inicial das sementes pode-se ter diferentes resultados de segmentação. Segundo, requer-se muito tempo computacional. Assim, existem variantes desse algoritmo, onde as sementes são escolhidas automaticamente, melhorando os resultados [1][3] Divisão e fusão de regiões Esse tipo de segmentação divide recursivamente a imagem em áreas retangulares de forma hierárquica. Usa-se uma estrutura de dados geralmente em quadtrees, onde a raiz representa a imagem completa e os ramos, as regiões divididas. Essa divisão continua até que os quadrados s fiquem suficientemente homogêneos [8]. Esse método tem a desvantagem de ser incapaz de se adaptar às características da imagem. Uma melhoria para esse algoritmo é aplicar um método de divisão ótima [9]. Se um retângulo não é suficientemente homogêneo se seleciona uma posição de divisão ótima que conduzirá a sub-regiões mais homogêneas. Os cálculos nessa posição podem ser realizados eficientemente com a ajuda de prefixos de soma que aceleram o cálculo de somas globais em uma região quadrada. Uma estrutura de dados que nesse caso é uma árvore binária é usada para se manter a lista de regiões obtidas durante a fase de divisão. O principal interesse nessa divisão é que a divisão seja adaptada às características da imagem, ou seja, deve-se reduzir o número inicial de regiões a fim de diminuir o custo computacional. No método de segmentação proposto em [2][9], depois da fase de segmentação se obtém um conjunto de regiões homogêneas às quais se associa una única etiqueta. Cada região tem referência de seus vizinhos. Utiliza-se uma árvore binária para manter a lista de regiões. As folhas da árvore
3 correspondem às regiões homogêneas. Na fase de fusão cada região é fundida com regiões contíguas de nível homogêneo. O processo se repete até que já não se possam fundir mais regiões. Uma das vantagens desses algoritmos é que a resolução usada para o nível de divisão é determinada pelo usuário. Pode-se decidir o critério de divisão para as imagens, ou seja, a variação do pixel segmentado, sendo que o critério de mistura pode ser diferente do critério de divisão Segmentação não supervisionada de regiões (cor, textura) em imagens e vídeo (JSEG) O conceito dos algoritmos JSEG (J-Segmentação) é separar o processo de segmentação em duas partes: equalização de cor e segmentação espacial. Uma consideração para segmentar as imagens com texturas é considerar a disposição espacial dos pixels usando uma técnica de crescimento de regiões mediante a qual um modo de homogeneidade é definido com pixels agrupados na região segmentada. Por outro lado, se deve de considerar diferentes escalas de imagens. O algoritmo JSEG segmenta imagens de cenas naturais de forma apropriada, sem ajuste de parâmetros manuais para cada imagem e simplifica a textura e cor. A segmentação com esse algoritmo passa por três etapas, chamadas de quantificação do espaço de cor, taxa de acertos em regiões e mistura de regiões com cores similares [10] [11]. Para esse enfoque se assume que cada região na imagem possui uma distribuição uniforme de padrões de cor e textura. A informação de cor de cada imagem pode ser representada por contagem das cores. Em geral, para a maioria de imagens coloridas de cenas naturais, as cores entre regiões vizinhas podem ser diferenciadas Baseados em agrupamento (Cluster) O agrupamento de dados é um dos métodos amplamente utilizado em segmentação de imagens e estatística. A ideia principal é o uso de centros de agrupamento para representar cada grupo e realizar a classificação com base na similaridade. De acordo com o algoritmo de agrupamento, pode-se classificar em dos tipos: hierárquico e particionai [12][13] Agrupamento hierárquico Existem dois enfoques no agrupamento hierárquico: de aglomeração e da divisão. O primeiro começa de abaixo para cima. O agrupamento começa com um cluster de menor hierarquia agrupando esses com outra até se obter a uma hierarquia maior. O segundo é de cima para baixo se começa com um cluster de maior hierarquia e se vai dividindo progressivamente até se obter um cluster de menor hierarquia Agrupamento particionai Um exemplo dessa abordagem é aplicar um algoritmo de agrupamento supervisionado K- means, por exemplo. Nesse caso, classificam-se os dados de entrada dos pixels em várias classes baseadas na distância. O algoritmo assume que as características dos dados formam um vetor espacial e procura encontrar um agrupamento natural neles. Os pontos são agrupados rodeando os centroides que são obtidos por minimização do objetivo [12][14] Mistos Transformação divisória (WaterShed) Esses algoritmos estão baseados na morfologia matemática, que permite extrair as bordas que existem na imagem. Também é considerada uma técnica de segmentação baseada em regiões. Os pixels são classificados de acordo com suas proximidades espaciais, gradiente de seus níveis de cinza e homogeneidade de suas texturas [15][16]. O objetivo principal desse algoritmo é encontrar as linhas divisórias em uma imagem para separar as diferentes regiões. A
4 ideia é imaginar que os valores dos pixels de uma imagem como sendo um gráfico topográfico em 3D, onde x e y denotam as coordenadas do plano, e z denota o valor do pixel (altura do terreno). O algoritmo começa por preencher o gráfico topográfico com água desde a bacia mais baixa (valor mínimo local) até o pico mais alto. Nesse processo, os objetos resultantes da segmentação correspondem aos mínimos do gradiente morfológicos e aos contornos das linhas divisórias. 3. Conclusão Este artigo faz parte de um projeto de pesquisa para identificação e localização de placas de veículos em uma imagem. As técnicas básicas de segmentação tais como as baseadas no umbral, detecção de bordas e baseadas em regiões podem ser usadas para a localização e segmentação da placa em condições ótimas. No entanto, surge um problema em condições não ótimas tais como placa não alinhada ou placas deterioradas devido à acidente ou por circular em vias rurais em condições extremas. Nesse caso deve-se fazer uso de métodos mais avançados. Referências [1] Y. Wang, Tutorial: Image Segmentation, disp.ee.ntu.edu.tw, pp [2] Y. J. Q. Chen, L. Zhao, J. Lu, G. Kuang, N. Wang, Modified two-dimensional Otsu image segmentation algoritnm and fast realisation. IET Image Processing Received on 16th November 2009 Revised on 20th June 2010 doi: /iet-ipr , [3] M. Mart, Técnicas Clásicas de Segmentación de Imágenes, no. 1, pp. 1 23, [4] J. O. Carrión, Reconocimiento de caracteres de una placa de automóvil mediante redes neuronales artificiales utilizando Matlab., Escuela Politecnica del Ejercito, [5] P. Francisco, Atención Visual Activa Para Interacción Humano Robot, Castilla-la Mancha, [6] M. Juneja and P. Sandhu, Performance evaluation of edge detection techniques for images in spatial domain, methodology, vol. 1, no. 5, pp , [7] N. Khalid and S. Ibrahim, Seed-based region growing study for brain abnormalities segmentation, Information Technology, pp , [8] S. L. Horowitz and T. Pavlidis, Picture Segmentation by a Tree Traversal Algorithm, Journal of the ACM, vol. 23, no. 2, pp , Apr [9] K. Aneja, F. Laguzet, L. Lacassagne, and A. Merigot, Video-rate image segmentation by means of region splitting and merging, 2009 IEEE International Conference on Signal and Image Processing Applications, pp , [10] L. C. Lulio, M. L. Tronco, and A. J. V. Porto, JSEG-based image segmentation in computer vision for agricultural mobile robot navigation, 2009 IEEE International Symposium on Computational Intelligence in Robotics and Automation - (CIRA), pp , Dec [11] B. S. Manjunath and H. Shin, Color image segmentation, Proceedings IEEE Computer Society Conference on Computer Vision and Pattern Recognition (Cat. No PR00149), pp
5 [12] D. Pascual, F. Pla, and S. Sánchez, Algoritmos de Agrupamiento, Departamento de Computación, [13] E. Vidal, A. Juan, R. Paredes, and J. Civera, Aprendizaje y Percepción, [14] S. Tatiraju and A. Mehta, Image Segmentation using k-means clustering, EM and Normalized Cuts, University Of California Irvine, [15] C. Yu and Y. Li, A Watershed Method for MR Renography Segmentation, 2012 International Conference on Biomedical Engineering and Biotechnology, vol. 0, pp , May [16] N. Palomino and L. Concepción, Watershed: un algoritmo eficiente y flexible para segmentación de imágenes de geles 2-DE, RISI, vol. 7, no. 2, pp , 2010.
Processamento de Imagens. Segmentação por regiões
Processamento de Imagens Segmentação por regiões Inúmeros Métodos Clusterização Baseados em histograma Detecção de bordas Crescimento de regiões Level Set Particionamento de grafos Watershed Baseados em
Leia maisFrancisco Fambrini Unicamp - Universidade Estadual de Campinas
XXII Seminário Nacional de Distribuição de Energia Elétri SENDI 2016-07 a 10 de novembro Curitiba - PR - Brasil Francisco Fambrini Unicamp - Universidade Estadual de Campinas ffambrini@gmail.com Segmentação
Leia maisSEL-0339 Introdução à Visão Computacional. Aula 5 Segmentação de Imagens
Departamento de Engenharia Elétrica - EESC-USP SEL-0339 Introdução à Visão Computacional Aula 5 Segmentação de Imagens Prof. Dr. Marcelo Andrade da Costa Vieira Prof. Dr. Adilson Gonzaga Segmentação de
Leia maisUNIVERSIDADE ESTADUAL PAULISTA Campus de Sorocaba. Segmentação
UNIVERSIDADE ESTADUAL PAULISTA Campus de Sorocaba Segmentação A separação dos pixeis relativos a cada objeto, ou região, é uma etapa fundamental para o sucesso do processo de análise da imagem. Embora
Leia maisProcessamento digital de imagens
Processamento digital de imagens Agostinho Brito Departamento de Engenharia da Computação e Automação Universidade Federal do Rio Grande do Norte 6 de outubro de 2016 Segmentação de imagens A segmentação
Leia maisUniversidade Federal do Paraná Departamento de Informática. Reconhecimento de Padrões. Segmentação. Luiz Eduardo S. Oliveira, Ph.D.
Universidade Federal do Paraná Departamento de Informática Reconhecimento de Padrões Segmentação Luiz Eduardo S. Oliveira, Ph.D. http://lesoliveira.net Objetivos Introduzir os conceitos básicos de segmentação
Leia mais[2CTA121] Processamento de Imagens em Alimentos: Conceitos e Aplicações
[2CTA121] Processamento de Imagens em Alimentos: Conceitos e Aplicações Dr. Sylvio Barbon Junior PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA DE ALIMENTOS - UEL 2016 Assunto Aula 4 Segmentação de Imagens 2 de
Leia maisDiego Martin Mancini Orientador: Prof. Paulo A. V. de Miranda Instituto de Matemática e Estatística Universidade de São Paulo
Estudo de comparação do descritor de imagens coloridas BIC empregando diferentes abordagens de classificação de detecção de bordas: Canny e Operador Laplaciano Diego Martin Mancini Orientador: Prof. Paulo
Leia maisEstudo comparativo de métodos de segmentação das bordas de lesões em imagens dermatoscópicas
Estudo parativo de métodos de segmentação das bordas de lesões em imagens dermatoscópicas Pedro Vinícius Macêdo de Araújo, Geraldo Braz Junior Curso de Ciência da Computação Universidade Federal do Maranhão
Leia maisSimulação Gráfica. Segmentação de Imagens Digitais. Julio C. S. Jacques Junior
Simulação Gráfica Segmentação de Imagens Digitais Julio C. S. Jacques Junior Segmentação Subdivide uma imagem em suas partes ou objetos constituintes. O nível até o qual essa subdivisão deve ser realizada
Leia maisDescritores de Imagens
Descritores de Imagens André Tavares da Silva PPGCA/UDESC Outubro de 2017 André Tavares da Silva (PPGCA/UDESC) Descritores de Imagens Outubro de 2017 1 / 18 Descritores Locais e Frameworks SIFT SURF Viola-Jones
Leia maisSEGMENTAÇÃO DE IMAGENS
SEGMENTAÇÃO DE IMAGENS Definição Segmentação é o processo que divide uma imagem em regiões distintas, cada uma com pixels com atributos similares Particiona os pixels de uma imagem em grupos, geralmente
Leia maisCAPÍTULO 4 SEGMENTAÇÃO DE IMAGENS SAR
CAPÍTULO 4 SEGMENTAÇÃO DE IMAGENS SAR Segundo Gonzales e Wintz (1987), um dos primeiros passos do processo de análise de uma imagem digital consiste em particioná-la em seus elementos constituintes. O
Leia maisT5 Processamento de Imagem e Vídeo
T5 Processamento de Imagem e Vídeo Proc. Sinal e Imagem Mestrado em Informática Médica Hélder Filipe Pinto de Oliveira Resumo 1. Segmentação baseada em regiões 2. Morfologia matemática 3. K-Means 4. Processamento
Leia maisMétodos de Segmentação de Imagem para Análise da Marcha
Métodos de Segmentação de Imagem para Análise da Marcha Maria João M. Vasconcelos, João Manuel R. S. Tavares maria.vasconcelos@fe.up.pt, tavares@fe.up.pt 3º Congresso Nacional de Biomecânica 11-12 Fevereiro
Leia 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 maisSistema de Reconhecimento de Logotipos
Sistema de Reconhecimento de Logotipos Fellipe Duarte, Saulo T. Oliveira {duartefellipe,sto}@cos.ufrj.br Relatório Técnico, Introdução ao Processamento de Imagens Programa de Engenharia de Sistemas e Computação
Leia maisDescritores de Imagens
Descritores de Imagens André Tavares da Silva PPGCA/UDESC Outubro de 2017 André Tavares da Silva (PPGCA/UDESC) Descritores de Imagens Outubro de 2017 1 / 17 Introdução Excelentes pesquisas sobre descritores
Leia maisRastreamento de Objetos Baseado em Grafos. Casamento Inexato entre Grafos Relacionais com Atributos
Rastreamento de Objetos Baseado em Casamento Inexato entre Grafos Relacionais com Atributos Exame de Qualificação de Mestrado Ana Beatriz Vicentim Graciano Orientador: Roberto M. Cesar Jr. Colaboradora:
Leia maisProcessamento Digital de Imagens
Ciência da Computação Processamento Digital de Imagens Tópicos Detecção de Pontos Isolados Detecção de Linhas Prof. Sergio Ribeiro 2 Operações lógicas e aritméticas orientadas a vizinhança utilizam o conceito
Leia maisIDENTIFICAÇÃO DE MARCADORES DE PAVIMENTAÇÃO NA ORIENTAÇÃO DE CEGOS. André Zuconelli 1 ; Manassés Ribeiro 2
IDENTIFICAÇÃO DE MARCADORES DE PAVIMENTAÇÃO NA ORIENTAÇÃO DE CEGOS André Zuconelli 1 ; Manassés Ribeiro 2 INTRODUÇÃO As tecnologias assistivas têm a finalidade de auxiliar pessoas com deficiência a alcançar
Leia maisAplicação de Histograma de Gradientes Orientados para detecção de hidrômetros em imagens de fundo complexo
Aplicação de Histograma de Gradientes Orientados para detecção de hidrômetros em imagens de fundo complexo Juliana Patrícia Detroz Professor: André Tavares da Silva Universidade do Estado de Santa Catarina
Leia 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 maisUniversidade Federal de Pernambuco Graduação em Engenharia da Computação Centro de Informática
Universidade Federal de Pernambuco Graduação em Engenharia da Computação Centro de Informática DETECÇÃO DE BORDAS DE IMAGENS UTILIZANDO ELEMENTOS DE MORFOLOGIA MATEMÁTICA PROPOSTA DE TRABALHO DE GRADUAÇÃO
Leia maisDr. Sylvio Barbon Junior. Departamento de Computação - UEL. 1 o Semestre de 2015
Introdução a Computação Gráfica [5COP100] Dr. Sylvio Barbon Junior Departamento de Computação - UEL 1 o Semestre de 2015 Assunto Aula 6 Histograma de Imagem Digital 2 de 18 Sumário Conceitos Sistema de
Leia maisSegmentação e Classificação. Prof. Herondino
Segmentação e Classificação Prof. Herondino Segmentação Neste processo, divide-se a imagem em regiões que devem corresponder às áreas de interesse da aplicação. Entende-se por regiões um conjunto de "pixels"
Leia maisMorfologia Matemática: algumas aplicações. Rosana Gomes Bernardo Universidade Federal Fluminense
Morfologia Matemática: algumas aplicações Rosana Gomes Bernardo Universidade Federal Fluminense Introdução Aplicações Motivadoras - Consumo de Gás Natural Roteiro - Placas de Veículos Referências - Cartografia
Leia maisMapeamento do uso do solo
Multidisciplinar Mapeamento do uso do solo para manejo de propriedades rurais Allan Arnesen Frederico T. Genofre Marcelo Pedroso Curtarelli CAPÍTULO 4 Técnicas de classificação de imagens e processamento
Leia maisDescritores de Imagem
Descritores de Imagem André Tavares da Silva 31 de março de 2014 1 Descritores de imagem (continuação) 1.1 Frameworks de detecção de objetos SIFT (scale-invariant features transform) (Lowe, 1999) SIFT
Leia maisTE073 PDS II Programa de Graduação em Engenharia Elétrica
TE073 PDS II Programa de Graduação em Engenharia Elétrica Prof. Alessandro Zimmer zimmer@eletrica.ufpr.br www.eletrica.ufpr.br/~zimmer/te073 Processamento Digital de Imagens PDI: Segmentação Os algoritmos
Leia maisSEMINÁRIO DOS ARTIGOS:
SEMINÁRIO DOS ARTIGOS: Text Detection and Character Recognition in Scene Images with Unsupervised Feature Learning End-to-End Text Recognition with Convolutional Neural Networks Fernanda Maria Sirlene
Leia maisProcessamento de Imagem. Histograma da Imagem Professora Sheila Cáceres
Processamento de Imagem Histograma da Imagem Professora Sheila Cáceres Histograma É a distribuição de frequência dos níveis de cinza da imagem onde cada entrada no eixo x representa o nível de cinza específico
Leia maisReconhecimento de palma de mão. Peterson Wagner Kava de Carvalho
Reconhecimento de palma de mão Peterson Wagner Kava de Carvalho 1 Sumário 1. Introdução 2. Artigo 1: Palmprint Recognition a. Pré-Processamento b. Extração de Features c. Classificação d. Resultados 3.
Leia maisClassificação de imagens de Sensoriamento Remoto. Disciplina: Geoprocessamento Profª. Agnes Silva de Araujo
Classificação de imagens de Sensoriamento Remoto Disciplina: Geoprocessamento Profª. Agnes Silva de Araujo Conteúdo programático e Objetivos Conceito de classificação e fotointerpretação Classificações
Leia maisUniversidade Federal do Rio de Janeiro - IM/DCC & NCE
Universidade Federal do Rio de Janeiro - IM/DCC & NCE Processamento de Imagens Segmentação Antonio G. Thomé thome@nce.ufrj.br Sala AEP/133 Conceituação Segmentação é uma tarefa básica no processo de análise
Leia maisVisão computacional. Juliana Patrícia Detroz Orientador: André Tavares Silva
Visão computacional Juliana Patrícia Detroz Orientador: André Tavares Silva Visão computacional Tentativa de replicar a habilidade humana da visão através da percepção e entendimento de uma imagem; Fazer
Leia maisMouseCam: aplicação de controle do mouse via câmera
MouseCam: aplicação de controle do mouse via câmera Introdução ao Processamento de Imagens COS756 PESC/COPPE/UFRJ 2013 1 Renan Garrot garrot@cos.ufrj.br 1. Introdução O processo de tracking por vídeo consiste
Leia maisRealce de imagens parte 1: operações pontuais SCC0251 Processamento de Imagens
Realce de imagens parte 1: operações pontuais SCC0251 Processamento de Imagens Prof. Moacir Ponti Jr. www.icmc.usp.br/~moacir Instituto de Ciências Matemáticas e de Computação USP 2013/1 Moacir Ponti Jr.
Leia maisSENSOMETRIA. Adilson dos Anjos. Curitiba, PR 21 de maio de Departamento de Estatística Universidade Federal do Paraná
SENSOMETRIA Adilson dos Anjos Departamento de Estatística Universidade Federal do Paraná aanjos@ufpr.br Curitiba, PR 21 de maio de 2015 1 / 7 SENSOMETRIA SEGMENTAÇÃO 2 / 7 Introdução Análise de agrupamentos->
Leia maisProcessamento de Sinal e Imagem Engenharia Electrotécnica e de Computadores
António M. Gonçalves Pinheiro Departamento de Física Covilhã - Portugal pinheiro@ubi.pt Algoritmos básicos de Processamento de Imagem Contagem do Número de Objectos numa Imagem Binária. Cantos Externos
Leia maisSegmentação local. geralmente baseados em análise de descontinuidade ou similaridade de valores digitais.
Segmentação Segmentação local 2 Segmentação local geralmente baseados em análise de descontinuidade ou similaridade de valores digitais. descontinuidade : a abordagem é dividir a imagem baseando-se em
Leia maisDetalhes do método proposto e da sua implementação são descritos nas
4 Método Proposto 4.1. Descrição geral do método O objetivo do método proposto consiste em avaliar o potencial dos FERNS para detecção das características faciais, em tempo real, em uma seqüência de imagens
Leia maisImage Descriptors: color
Image Descriptors: color Image Processing scc0251 www.icmc.usp.br/ moacir moacir@icmc.usp.br ICMC/USP São Carlos, SP, Brazil 2011 Moacir Ponti Jr. (ICMCUSP) Image Descriptors: color 2011 1 / 29 Agenda
Leia maisProcessamento Digital de Imagens. Análise de Imagens
Processamento Digital de Imagens Análise de Imagens Eduardo A. B. da Silva Programa de Engenharia Elétrica - COPPE/UFRJ Laboratório de Sinais, Multimídia e Telecomunicações eduardo@smt.ufrj.br Sergio L.
Leia maisExtração de objetos de interesse em imagens digitais utilizando a biblioteca de Visão Computacional OpenCV
Extração de objetos de interesse em imagens digitais utilizando a biblioteca de Visão Computacional OpenCV Izadora Aparecida RAMOS 1,3,4 ; Servílio Souza de ASSIS 1,3,4 ; Bruno Alberto Soares OLIVEIRA
Leia maisAplicação para demarcação de bordas em lesões dermatoscópicas
Aplicação para demarcação de bordas em lesões dermatoscópicas Pedro Vinícius Macêdo de Araújo Curso de Ciência da Computação Universidade Federal do Maranhão (UFMA) Campus do Bacanga (98) 3272 8000 São
Leia maisGEOMETRIC PROPERTY BASED ELLIPSE DETECTION METHOD
GEOMETRIC PROPERTY BASED ELLIPSE DETECTION METHOD Introdução A detecção de elipse, de forma robusta e confiável, é uma questão fundamental em processamento de imagens, pois que fornece uma ferramenta útil
Leia maisUsando MLP para filtrar imagens
Usando MLP para filtrar imagens Thiago Richter, Ediel Wiezel da Silva, e Adilson Gonzaga Departamento de Engenharia Elétrica, Universidade de São Paulo, Brasil thiago.richter@yahoo.com.br, edielws@gmail.com,
Leia maisO reconhecimento facial é dividido em três etapas: i) detecção da face, ii) extração de características e iii) reconhecimento da face.
ESTUDO SOBRE MÉTODOS DE RECONHECIMENTO FACIAL EM FOTOGRAFIAS DIGITAIS Ana Elisa SCHMIDT¹, Elvis Cordeiro NOGUEIRA² ¹ Orientadora e docente do IFC-Campus Camboriú; ² Aluno do curso de Bacharelado em Sistemas
Leia maisUMA VISÃO SOBRE O PROCESSAMENTO DE IMAGENS. Rogério Vargas DCET UESC Home page: rogerio.in
UMA VISÃO SOBRE O PROCESSAMENTO DE IMAGENS Rogério Vargas DCET UESC Home page: rogerio.in Exemplo de aplicações: automação e visão artificial reconhecimento de caracteres análise de cromossomos veículos
Leia maisPMR2560 Visão Computacional Detecção de cores e blobs. Prof. Eduardo L. L. Cabral
PMR2560 Visão Computacional Detecção de cores e blobs Prof. Eduardo L. L. Cabral Objetivos Detecção de cores; Detecção de blobs. Detecção de cores Cores são facilmente identificadas nas imagens. Cor a
Leia maisDescritores de Imagem (introdução)
Descritores de Imagem (introdução) André Tavares da Silva andre.silva@udesc.br Roteiro da aula Definição de descritor de imagem Extração de Característica Tipos Geral x Específico Global (cor, textura,
Leia maisAula 9 Representação e Descrição. Profa. Fátima Nunes AULA 9 / 1. Profa. Fátima L. S. Nunes
Fundamentos de Processamento Gráfico Aula 9 Representação e Descrição Profa. Fátima Nunes AULA 9 / 1 Reconhecimento de padrões AULA 9 / 2 Após a segmentação dar significado aos objetos extraídos da cena.
Leia maisMapeamento do uso do solo para manejo de propriedades rurais
1/28 Mapeamento do uso do solo para manejo de propriedades rurais Teoria Eng. Allan Saddi Arnesen Eng. Frederico Genofre Eng. Marcelo Pedroso Curtarelli 2/28 Conteúdo programático: Capitulo 1: Conceitos
Leia maisDr. Sylvio Barbon Junior. Departamento de Computação - UEL. 1 o Semestre de 2015
Introdução a Computação Gráfica [5COP100] Dr. Sylvio Barbon Junior Departamento de Computação - UEL 1 o Semestre de 2015 Assunto Aula 6 Histograma de Imagem Digital 2 de 32 Sumário Conceitos Sistema de
Leia maisProcessamento de Imagens Digitais
Processamento de Imagens Digitais Antonio Cesar Germano Martins 2º semestre de 2018 Apresentações Nascido em Sorocaba. Graduado em Bacharelado em Física pela UNICAMP em 1989, tendo participado de pesquisas
Leia maisT4.1 Processamento de Imagem
T4.1 Processamento de Imagem Proc. Sinal e Imagem Mestrado em Informática Médica Miguel Tavares Coimbra Resumo 1. Manipulação ponto a ponto 2. Filtros espaciais 3. Extracção de estruturas geométricas 4.
Leia maisProcessamento de Imagens Segmentação
Processamento de Imagens Segmentação 1 Segmentação Segmentação Análise de Imagem Divisão da imagem em partes fortemente relacionadas aos objetos e áreas do mundo real contidos na imagem Completa: regiões
Leia maisVisão Computacional. Prof. Leandro Augusto Frata Fernandes TCC Introdução à Ciência da Computação (2012.
Visão Computacional Prof. Leandro Augusto Frata Fernandes laffernandes@ic.uff.br TCC-00.169 Introdução à Ciência da Computação (2012.1) Visão Humana Responsável por cerca de 75% de nossa percepção O ato
Leia maisCapítulo III Processamento de Imagem
Capítulo III Processamento de Imagem Proc. Sinal e Imagem Mestrado em Informática Médica Miguel Tavares Coimbra Resumo 1. Manipulação ponto a ponto 2. Filtros espaciais 3. Extracção de estruturas geométricas
Leia maisPRÁTICA 5 Prof. Dr. Evandro Luis Linhari Rodrigues
PRÁTICA 5 Prof. Dr. Evandro Luis Linhari Rodrigues Além da solução usando Matlab, todos os exercícios deverão ser implementados também usando Python e OpenCV. Segmentação de Imagens Parte 1. 1) Detecção
Leia maisAula 8 - Reconhecimento e Interpretação. Prof. Adilson Gonzaga
Aula 8 - Reconhecimento e Interpretação Prof. Adilson Gonzaga Elementos de Visão Computacional: Visão Computacional Processamento de Baio Nível Processamento de Nível Intermediário Processamento de Alto
Leia maisAuto-Fusão na Recuperação de Imagens Baseadas em Conteúdo.
Auto-Fusão na Recuperação de Imagens Baseadas em Conteúdo. Severino Jr, Osvaldo IMES - FAFICA osvaldo@fafica.br Gonzaga, Adilson Escola de Engenharia de São Carlos - USP adilson@sc.usp.br Resumo Neste
Leia maisExtração de características de imagens. Descritores de cor
Extração de características de imagens Descritores de cor Descritores de imagens Problema: computar, de forma eficiente, valores que descrevam uma imagem (ou parte dela) Vetores de características (feature
Leia maisAprendizagem de Máquina
Problema do Agrupamento Aprendizagem de Máquina Alessandro L. Koerich Seja x = (x 1, x 2,, x d ) um vetor d dimensional de características Seja D um conjunto de x vetores, D = { x(1), x(2),, x(n) } Problema
Leia maisTE073 PDS II Programa de Graduação em Engenharia Elétrica
TE073 PDS II Programa de Graduação em Engenharia Elétrica Prof. Alessandro Zimmer zimmer@eletrica.ufpr.br www.eletrica.ufpr.br/~zimmer/te073 Processamento Digital de Imagens PDI: Segmentação Os algoritmos
Leia maisSEGMENTAÇÃO E RECONHECIMENTO DA ÍRIS
SEGMENTAÇÃO E RECONHECIMENTO DA ÍRIS Edno José Bozoli Junior¹, Osvaldo Severino Junior². 1. Universitário do curso de Ciências da Computação Rodovia Vicinal Raul Galvani nº. 831, Centro, CEP: 15.845-000
Leia maisAula 5 - Segmentação de Imagens
Aula 5 - Segmentação de Imagens Parte 1 Prof. Adilson Gonzaga 1 Segmentação Agrupamento de partes de uma imagem em unidades homogêneas relativamente a determinadas características. Segmentação é o processo
Leia maisAPLICAÇÃO DA VISÃO COMPUTACIONAL PARA SEGMENTAÇÃO DE OBJETOS EM IMAGENS CAPTURADAS POR EQUIPAMENTOS MÓVEIS.
APLICAÇÃO DA VISÃO COMPUTACIONAL PARA SEGMENTAÇÃO DE OBJETOS EM IMAGENS CAPTURADAS POR EQUIPAMENTOS MÓVEIS. João Marcelo RIBEIRO 1 Heber Rocha MOREIRA 2 Fiama F. S. do AMARAL 3 RESUMO Através da visão
Leia maisPMR2560 Visão Computacional Conversão e Limiarização. Prof. Eduardo L. L. Cabral
PMR2560 Visão Computacional Conversão e Limiarização Prof. Eduardo L. L. Cabral Objetivos Processamento de imagens: Conversão de imagens; Histograma; Limiarização. Imagem digital Uma imagem é uma matriz
Leia mais- lnteligência Artificial. Seminário sobre o artigo: Beans quality inspection using correlationbased granulometry
PCS - 5689 - lnteligência Artificial Seminário sobre o artigo: Beans quality inspection using correlationbased granulometry Autores: Sidnei Alves de Araújo, Jorge Henrique Pessota, Hae Yong Kim Aluno:
Leia maisAPLICAÇÃO DE TÉCNICAS DE PROCESSAMENTO DE IMAGENS DIGITAIS EM IMAGENS GERADAS POR ULTRA-SOM
VIII ERMAC 8 o Encontro Regional de Matemática Aplicada e Computacional 0- de Novembro de 008 Universidade Federal do Rio Grande do Norte Natal/RN APLICAÇÃO DE TÉCNICAS DE PROCESSAMENTO DE IMAGENS DIGITAIS
Leia maisCONSTRUÇÃO AUTOMÁTICA DE OPERADORES MORFOLÓGICOS UTILIZANDO PROGRAMAÇÃO GENÉTICA.
CONSTRUÇÃO AUTOMÁTICA DE OPERADORES MORFOLÓGICOS UTILIZANDO PROGRAMAÇÃO GENÉTICA. Emerson Carlos Pedrino * e-mail: ecpedrin@sel.eesc.sc.usp.br Valentin Obac Roda ** e-mail: valentin@sel.eesc.sc.usp.br
Leia maisPontifícia Universidade Católica do Rio de Janeiro. Departamento de Informática. Fundamentos de Computação Gráfica
1. Imagens sísmicas Pontifícia Universidade Católica do Rio de Janeiro Departamento de Informática Fundamentos de Computação Gráfica Aluno: Stelmo Magalhães Barros Netto Relatório do trabalho Imagens Sísmicas
Leia maisPROCESSAMENTO DE IMAGENS DIGITAIS. Universidade Estadual de Maringá
PROCESSAMENTO DE IMAGENS DIGITAIS Airton Marco Polidorio ampolido@din.uem.br Universidade Estadual de Maringá PROCESSAMENTO DE IMAGENS DIGITAIS Introdução Realce Convolução Segmentação Reconhecimento de
Leia maisT4 Processamento de Imagem
T4 Processamento de Imagem Proc. Sinal e Imagem Mestrado em Informática Médica Hélder Filipe Pinto de Oliveira Resumo 1. Manipulação ponto a ponto 2. Conetividade 3. Filtros espaciais 4. Extração de estruturas
Leia maisDetecção e Correção Automáticas de Olhos Vermelhos
Setor de Tecnologia da Universidade Federal do Paraná Curso de Engenharia Elétrica TE 072 Processamento Digital de Sinais Detecção e Correção Automáticas de Olhos Vermelhos Trabalho elaborado pelo aluno
Leia maisARTIGO ORIGINAL. Processamento Digital de Imagens Aplicado a Identificação Automática de Placas de Trânsito
DOI: 10.18605/2175-7275/cereus.v10n2p240-251 ARTIGO ORIGINAL Automática de Placas de Trânsito Digital image processing applied to the automatic identification
Leia maisDEFEITOS EM IMAGENS RADIOGRÁFICAS DE JUNTAS SOLDADAS EM TUBULAÇÕES: SEGMENTAÇÃO E EXTRAÇÃO DE DEFEITOS
DEFEITOS EM IMAGENS RADIOGRÁFICAS DE JUNTAS SOLDADAS EM TUBULAÇÕES: SEGMENTAÇÃO E EXTRAÇÃO DE DEFEITOS * Aluno do curso Tecnologia em Sistemas de Telecomunicações da UTFPR jvrsschaid@gmail.com ** Aluno
Leia maisSEL-0339 Introdução à Visão Computacional. Aula 7 Reconhecimento de Objetos
Departamento de Engenharia Elétrica - EESC-USP SEL-0339 Introdução à Visão Computacional Aula 7 Reconhecimento de Objetos Prof. Dr. Marcelo Andrade da Costa Vieira Prof. Dr. Adilson Gonzaga mvieira@sc.usp.br
Leia maisTratamento da Imagem Transformações (cont.)
Universidade Federal do Rio de Janeiro - IM/DCC & NCE Tratamento da Imagem Transformações (cont.) Antonio G. Thomé thome@nce.ufrj.br Sala AEP/33 Transformações Geométricas 3 Transformações Geométricas
Leia maisReconhecimento de Padrões
Reconhecimento de Padrões André Tavares da Silva andre.silva@udesc.br Duda e Hart Capítulo 1 Reconhecimento de Padrões (imagem) Objetivo: Interpretar um conjunto de dados através de um mapeamento (classificação)
Leia maisUNIVERSIDADE FEDERAL DE UBERLÂNDIA UFU
UNIVERSIDADE FEDERAL DE UBERLÂNDIA UFU PLANO DE TRABALHO EM INICIAÇÃO CIENTÍFICA Desenvolvimento e aplicação de um modelo gravitacional simplificado para análise de texturas coloridas. Uberlândia 30/04/2014
Leia maisComputaçã. Visão Geral. Sistema Gráfico. Computação Gráfica. Pixels. Sistema Gráfico e o Frame Buffer. Introdução à Computação Gráfica
Visão Geral Computaçã ção o Gráfica Introduçã ção, conceitos básicosb sicos, áreas relacionadas Introdução à Computação Gráfica Como funciona um sistema gráfico Como imagens são representadas Áreas relacionadas,
Leia maisDetecção: quais os caminhos?
Detecção: quais os caminhos? Visão Computacional Programa de Pós- Graduação em Ciência da Computação UFMA Prof. Geraldo Braz Junior Baseado nas notas de aula do CS131, CS229 CS231B Porque? Aplicações necessitam
Leia maisMétodo de Otsu. Leonardo Torok 1
Método de Otsu Leonardo Torok 1 1 Instituto de Computação Universidade Federal Fluminense (UFF) Av. Gal. Milton Tavares de Souza, s/nº 24.210 346 Niterói RJ Brasil ltorok@ic.uff.br Resumo. O método de
Leia maisSegmentação Baseado em Grafos (Grab-Cut) aplicado em Imagens LiDAR para a Extração Semi-Automática de Edificações. Marcos Aurélio Basso 1
Segmentação Baseado em Grafos (Grab-Cut) aplicado em Imagens LiDAR para a Extração Semi-Automática de Edificações Marcos Aurélio Basso 1 1 Universidade Federal do Paraná Setor de Ciências da Terra-Departamento
Leia maisPrograma 25/02/2019. Objetivo Geral: Processamento Digital de Imagens I Turma A. Objetivos Específicos:
Curso de Engenharia Cartográfica e Agrimensura Processamento Digital de Imagens I Turma A 2019/1 semestre Objetivo Geral: Conhecer técnicas de processamento de digitais que permitem extrair e identificar
Leia maisAula 7 - Representação e Descrição de Estruturas Bi-dimensionais. Prof. Adilson Gonzaga
Aula 7 - Representação e Descrição de Estruturas Bi-dimensionais Prof. Adilson Gonzaga 1 Introdução Objetos ou Segmentos são representados como uma coleção de pixels em uma imagem. Para o reconhecimento
Leia maisReconhecimento de texturas utilizando padrão binário local e classificador knn.
Reconhecimento de texturas utilizando padrão binário local e classificador knn. Vinicius Santos Andrade 1 Resumo. Através de uma imagem é possível obter inúmeras informações. Portanto, é cada vez mais
Leia maisSegmentação de Imagens Digitais: Uma Revisão
Segmentação de Imagens Digitais: Uma Revisão Marcus F. S. Saldanha 1, Drª Corina da Costa Freitas 1 1 Divisão de Processamento de Imagens Instituto Nacional de Pesquisas Espaciais (INPE) Av dos Astronautas,
Leia maisClustering: k-means e Agglomerative
Tópicos Avançados em Avaliação de Desempenho de Sistemas Jackson Nunes Marco Eugênio Araújo Outubro de 2014 1 Sumário Contextualização Classificação Agrupamento (Clustering) Cenários de Aplicação Clustering
Leia maisClustering (k-means, SOM e hierárquicos)
Clustering (k-means, SOM e hierárquicos) André Tavares da Silva andre.silva@udesc.br (Capítulo 10 de Duda e Hart) Clustering Introdução e tipos Roteiro Agrupamentos hierárquicos AGNES, DIANA e Dendogram
Leia maisUm método automático de segmentação de imagens aplicado à análise do marmoreio da carne em plataforma móvel
Um método automático de segmentação de imagens aplicado à análise do marmoreio da carne em plataforma móvel Gabriel Fillipe Centini Campos 1, Sylvio Barbon Júnior 1 1 Departamento de Computação Universidade
Leia maisClassificação de Padrões Radiológicos por Blocos em Imagens Não Segmentadas de Tomografia Computadorizada
Visão Robótica Imagem Classificação de Padrões Radiológicos por Blocos em Imagens Não Segmentadas de Tomografia Computadorizada Aluna: Luiza Dri Bagesteiro Orientador: Prof. Dr. Daniel Weingaertner Co-orientador:
Leia maisUniversidade de São Paulo Instituto de Ciências Matemáticas e de Computação
Universidade de São Paulo Instituto de Ciências Matemáticas e de Computação Francisco A. Rodrigues Departamento de Matemática Aplicada e Estatística - SME Conceitos básicos Classificação não-supervisionada:
Leia maisLocalização de placas veiculares por varredura de bordas verticais Amanda Cristine Damian e Giselle Lopes Ferrari
Localização de placas veiculares por varredura de bordas verticais Amanda Cristine Damian e Giselle Lopes Ferrari UFPR Universidade Federal do Paraná amanda.led@gmail.com ferrari@eletrica.ufpr.br Resumo
Leia maisExtração de características utilizando filtros de Gabor aplicado a identificação de defeitos no couro bovino
Extração de características utilizando filtros de Gabor aplicado a identificação de defeitos no couro bovino André Luiz Pasquali 24 de abril de 2006 1 Antecedentes e Justificativa Atualmente o Brasil vem
Leia mais