Processamento de Imagens COS756 / COC603
|
|
- Brian Rocha Pinheiro
- 7 Há anos
- Visualizações:
Transcrição
1 Processamento de Imagens COS756 / COC603 aula 08 - deteção de características de baixo-nível (low-level feature detection) parte II Antonio Oliveira Ricardo Marroquim 1 / 1
2 aula de hoje feature detection overview Laplaciano da Gaussiana pontos de interesse método de Harris curvatura 2 / 1
3 LoG Laplaciano derivada de segunda ordem (progressiva e regressiva) f (x 0 + x) = f (x 0 )+f (x 0 ) x + f (x 0 ) x 2 + f (x 0 ) x 3 +O( x 4 ) 2! 3! f (x 0 x) = f (x 0 ) f (x 0 ) x + f (x 0 ) x 2 f (x 0 ) x 3 +O( x 4 ) 2! 3! somando temos a diferança central (e fazendo x = 1): f (x 0 ) = f (x 0 + x) + f (x 0 x) 2f (x 0 ) 3 / 1
4 Laplaciano operador isotrópico arestas se encontram nos zero-crossings / 1
5 Laplaciano Laplaciano da Gaussiana (LoG) segunda derivada do filtro Gaussiano 2 (g(x, y) I ) = ( 2 g(x, y)) I 2 g(x, y, σ) x g(x, y, σ) g(x, y, σ) y 2 = x 2 + g(x, y, σ) = ( x 2 + y 2 ) 1 σ 2 2 σ 2 e g(x, y, σ) y 2 x 2 +y 2 2σ 2 5 / 1
6 keypoint features problemas a serem resolvidos: quais pontos são bons? como representar esta informação? como procurar a correspondência em outra imagem? 6 / 1
7 panorâmica 7 / 1
8 panorâmica 8 / 1
9 panorâmica 9 / 1
10 objetivo encontrar o pixel correspondente em duas imagens dificilmente terá exatamente mesmos valores RGB ex. diferença de iluminação entre as fotos mesmo assim, estaria sujeito a erros (dois pixels iguais em uma mesma imagem) 10 / 1
11 cantos variação de intensidade em qualquer direção arestas: problema de abertura regiões homogêneas: difícil fazer o matching 11 / 1
12 panorâmica 12 / 1
13 solução simples summed square difference: SSD(x, y) = i [I 1 (x + x, y + y) I 0 (x, y)] 2 onde ( x, y) é um deslocamento e i são os pixels dentro de uma janela de busca podemos também usar uma média ponderada SSD() = i w(x i )[I 1 (x + x, y + y) I 0 (x, y)] 2 ] 13 / 1
14 solução simples summed square difference: SSD(x, y) = i [I 1 (x + x, y + y) I 0 (x, y)] 2 onde ( x, y) é um deslocamento e i são os pixels dentro de uma janela de busca podemos também usar uma média ponderada SSD() = i w(x i )[I 1 (x + x, y + y) I 0 (x, y)] 2 ] problema onde procurar na imagem I 1? se a janela de busca for grande, o custo será alto 13 / 1
15 Harris detector mas quais são bons pontos a serem utilizados? auto-correlação AC(x, y) = w(x, y)[i (x, y) I (x + x, y + y)] 2 intuitivamente, quão diferente o pixel é dos seus vizinhos 14 / 1
16 15 / 1
17 Harris detector utilizando a aproximação quadrática pela série de Taylor I (x + x, y + y) = I (x, y) + xi x (x, y) + yi y (x, y) substituindo na equação anterior e passando para forma matricial temos: AC [ x y ] [ w i i I x (x i, y i ) 2 I x (x i, y i )I y (x i, y i ) I x (x i, y i )I y (x i, y i ) I y (x i, y i ) 2 ] [ x y ] 16 / 1
18 cônica matriz representa uma seção cônica na sua forma central Ax 2 + Bxy + Cy 2 + Dx + Ey + F = 0 M = [ A B/2 B/2 C ] 17 / 1
19 cônica análise do determinante detm < 0 hipérbola detm = 0 parábola detm > 0 elipse nossa matriz 18 / 1
20 cônica análise do determinante detm < 0 hipérbola detm = 0 parábola detm > 0 elipse nossa matriz simétrica positiva definida detm > 0 elipse autovalores positivos : λ 0, λ 1 > 0 18 / 1
21 Harris detector análise dos autovetores e autovalores (variação) o que podemos concluir a partir dos autovalores? 19 / 1
22 Harris detector o que podemos concluir a partir dos autovalores? 20 / 1
23 Harris detector o que podemos concluir a partir dos autovalores? dois autovalores pequenos pouca variação, área de intensidade mais ou menos constante 20 / 1
24 Harris detector o que podemos concluir a partir dos autovalores? dois autovalores pequenos pouca variação, área de intensidade mais ou menos constante um autovalor grande e um pequeno aresta 20 / 1
25 Harris detector o que podemos concluir a partir dos autovalores? dois autovalores pequenos pouca variação, área de intensidade mais ou menos constante um autovalor grande e um pequeno aresta dois autovalores grandes ponto, quina 20 / 1
26 Harris detector Harris (1988) usou a medida: det(m) αtrace(m) 2 = λ 0 λ 1 α(λ 0 + λ 1 ) 2 com α = 0.06 Triggs (2004) usou a medida (onde λ 0 < λ 1 ): λ 0 αλ 1 com α = / 1
27 algoritmo 1. calcular I x e I y : gradiente na direção x e y pode usar por exemplo: convolução da derivada de uma Gaussiana 2. calcular os produtos I 2 x = I x I x, I 2 y = I y I y e I xy = I x I y 3. convoluir as três imagens com uma Gaussiana 4. para cada pixel: encontrar os autovalores e utilizar uma das medidas 5. limiarizar para encontrar máximos 6. limitar número de máximos por região 22 / 1
28 23 / 1
29 24 / 1
Processamento de Imagens COS756 / COC603
Processamento de Imagens COS756 / COC603 aula 07 - deteção de características de baixo-nível (low-level feature detection) Antonio Oliveira Ricardo Marroquim 1 / 35 aula de hoje feature detection overview
Leia maisProcessamento de Imagens COS756 / COC603
Processamento de Imagens COS756 / COC603 aula 09 - curvatura Antonio Oliveira Ricardo Marroquim 1 / 1 aula de hoje feature detection overview curvatura espaço de escala block matching 2 / 1 curvatura o
Leia maisO TEOREMA ESPECTRAL E AS FORMAS QUADRÁTICAS NO PLANO: CLASSIFICAÇÃO DAS CÔNICAS
O TEOREMA ESPECTRAL E AS FORMAS QUADRÁTICAS NO PLANO: CLASSIFICAÇÃO DAS CÔNICAS Eduardo Corrêa Pedrosa (monitor) Profª. Drª. Ana Maria Luz Fassarella do Amaral (orientadora) GANP001 Motivação Este projeto
Leia maisFundamentos da Computação Gráfica
Fundamentos da Computação Gráfica Trabalho 2 Visão. Detecção de cantos. Manuel Alejandro Nodarse Moreno (1322198) Introdução. Detecção de cantos é uma abordagem utilizada em sistemas de visão computacional
Leia maisImage Descriptors: local features
Image Descriptors: local features 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: local features 2011
Leia maisFeature Detector. Prof. Dr. Geraldo Braz Junior
Feature Detector Prof. Dr. Geraldo Braz Junior Problema: Matching 2 Matching 3 Matching Processo de encontrar uma imagem em outra Normalmente usado para encontrar um objeto numa imagem, mas também: Reconhecimento
Leia maisProcessamento de Imagens COS756 / COC603
Processamento de Imagens COS756 / COC603 aula 15 - Fluxo Ótico - parte I Antonio Oliveira Ricardo Marroquim 1 / 1 aula de hoje fluxo ótico estimando movimentos em imagens 2 / 1 motivação para que serve?
Leia maisÁlgebra Linear em Visão Computacional
Visão geral Universidade Federal do Rio Grande do Norte Material compilado em 30 de novembro de 2016. Licença desta apresentação: http://creativecommons.org/licenses/ Introdução Conceitos básicos Operadores
Leia maisProcessamento de Imagens COS756 / COC603
Processamento de Imagens COS756 / COC603 aula 16 - Fluxo Ótico - parte II Antonio Oliveira Ricardo Marroquim 1 / 1 aula de hoje fluxo ótico relembrar Lucas-Kanade Horn-Schunk suavização global alguns métodos
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 maisSIFT - Scale Invariant Feature Transform
SIFT - Scale Invariant Feature Transform Daniel Pinto Coutinho Prof. Ricardo Marroquim 1 Introdução A detecção de pontos de interesse em uma figura é uma tarefa muito comum no campo de processamento de
Leia maisProcessamento de Imagens CPS755
Processamento de Imagens CPS755 aula 06 - sistemas não lineares Antonio Oliveira Ricardo Marroquim 1 / 38 laboratório de processamento de imagens tópicos RANSAC métodos iterativos (não-lineares) gradientes
Leia mais2 SIFT (Scale Invariant Feature Transform)
SIFT (Scale Invariant Feature Transform) O SIFT é um algoritmo de visão computacional proposto e publicado pelo pesquisador David Lowe (Lowe, 1999), professor do departamento de Ciência da Computação na
Leia maisJorge M. V. Capela, Marisa V. Capela. Araraquara, SP
Cônicas e Equações Quadráticas Jorge M. V. Capela, Marisa V. Capela Instituto de Química - UNESP Araraquara, SP capela@iq.unesp.br Araraquara, SP - 2017 1 Parábolas 2 3 4 5 Introdução Parábolas Parábolas
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 maisProcessamento de Imagens COS756 / COC603
Processamento de Imagens COS756 / COC603 aula 13 - Transformada de Hough e SIFT Antonio Oliveira Ricardo Marroquim 1 / 41 aula de hoje descritores Transformada de Hough SIFT 2 / 41 transformada de Hough
Leia maisMAT-27 Lista-09 Outubro/2011
MAT-27 Lista-09 Outubro/2011 1. Determinar, se possível, uma matriz M M 2 (R) de maneira que M 1 AM seja diagonal nos seguintes casos: [ ] 2 4 (a) 3 13 [ ] 3 2 2 1 2. Achar uma matriz diagonal semelhante
Leia maisEquação Geral do Segundo Grau em R 2
8 Equação Geral do Segundo Grau em R Sumário 8.1 Introdução....................... 8. Autovalores e autovetores de uma matriz real 8.3 Rotação dos Eixos Coordenados........... 5 8.4 Formas Quadráticas..................
Leia mais4 SIFT (Scale Invariant Feature Transform)
4 SIFT (Scale Invariant Feature Transform) SIFT é um algoritmo de visão computacional publicado por David Lowe, em 1999 (Lowe, 1999) e patenteado nos EUA pela University of British Columbia. SIFT é composto
Leia mais(d) v é um autovetor de T se, e somente se, T 2 = T ; (e) v é um autovetor de T se, e somente se, T (v) = v.
Q1. Seja V um espaço vetorial real de dimensão finita munido de um produto interno. Sejam T : V V um operador linear simétrico e W um subespaço de V tal que T (w) W, para todo w W. Suponha que W V e que
Leia mais(I) T tem pelo menos um autovalor real; (II) T é diagonalizável; (III) no espaço vetorial real R n, o conjunto {u, v} é linearmente independente.
Q1. Sejam n um inteiro positivo, T : C n C n um operador linear e seja A = [T ] can a matriz que representa T em relação à base canônica do espaço vetorial complexo C n. Suponha que a matriz A tenha entradas
Leia maisFiltros espaciais. Processamento e Recuperação de Imagens Médicas. Prof. Luiz Otavio Murta Jr. Depto. De Computação e Matemática (FFCLRP/USP)
Processamento e Recuperação de Imagens Médicas Prof. Luiz Otavio Murta Jr. Depto. De Computação e Matemática (FFCLRP/USP) 1 Propriedades Operadores de suavização os elementos da máscara são positivos e
Leia 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 maisProcessamento digital de imagens
Processamento digital de imagens Agostinho Brito Departamento de Engenharia da Computação e Automação Universidade Federal do Rio Grande do Norte 11 de novembro de 2016 Fluxo óptico Usado para estimar
Leia maisMarcelo M. Santos DM-IMECC-UNICAMP msantos/
Universidade Estadual de Maringá - Departamento de Matemática Cálculo Diferencial e Integral: um KIT de Sobrevivência 0 anos c Publicação Eletrônica do KIT http://www.dma.uem.br/kit Identificação de Cônicas
Leia mais3 Transformação SIFT (Scale Invariant Feature Transform)
3 Transformação SIFT (Scale Invariant Feature Transform) Este capítulo apresenta as seguintes seções: - 3.1 Uma Introdução Sobre Descritores Locais: A técnica SIFT ( Scale Invariant Feature Transform )
Leia mais2 Trabalhos Relacionados
2 Trabalhos Relacionados Este capítulo apresenta os algoritmos já existentes que são utilizados nesta dissertação para obter pontos homólogos entre duas imagens de um par estéreo. Pode-se classificar essas
Leia maisCM005 Álgebra Linear Lista 3
CM005 Álgebra Linear Lista 3 Alberto Ramos Seja T : V V uma transformação linear. Se temos que T v = λv, v 0, para λ K. Dizemos que λ é um autovalor de T e v autovetor de T associado a λ. Observe que λ
Leia maisA primeira coisa a fazer é saber quais são as equações das curvas quando elas já se encontram na melhor
Identificação de Cônicas Uma equação do segundo grau ax + bxy + cy + dx + ey + f = 0 define de maneira implícita uma curva no plano xy: o conjunto dos pontos (x, y) que satisfazem a equação. Por exemplo,
Leia maisGa no plano 1. GA no plano. Prof. Fernando Carneiro Rio de Janeiro, Outubro de u v = aa + bb.
Ga no plano 1 GA no plano Prof. Fernando Carneiro Rio de Janeiro, Outubro de 015 1 Introdução Estudaremos as retas no plano euclidiano bidimensional e uma interessante aplicação, que recebe o nome de programação
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 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 maisFeature Description (SIFT + SURF) Prof. Dr. Geraldo Braz Junior
Feature Description (SIFT + SURF) Prof. Dr. Geraldo Braz Junior Feature Detection 1. Encontre um conjunto de keypoints 2. Defina uma região ao redor do keypoint 3. Normalize a região 4. Extraia caracterísfcas
Leia maisln(x + y) (x + y 1) < 1 (x + y 1)2 3. Determine o polinômio de Taylor de ordem 2 da função dada, em volta do ponto dado:
ā Lista de MAT 454 - Cálculo II - a) POLINÔMIOS DE TAYLOR 1. Seja f(x, y) = ln (x + y). a) Determine o polinômio de Taylor de ordem um de f em torno de ( 1, 1 ). b) Mostre que para todo (x, y) IR com x
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 3 de março de 2016 Transformação e filtragem de imagens
Leia maisFiltragem linear. jorge s. marques, questão: como remover artefactos?
Filtragem linear questão: como remover artefactos? redução de ruído como reduzir o ruído de uma imagem? ideia: substituir cada piel por uma média Jm,n = m+ k n+ k k + p= m kq= n k Ip,q k= k+ k+ k= filtro
Leia maisFormas Quádricas Cônicas hlcs
UNIVERSIDADE FEDERAL DO RIO GRANDE DO NORE Formas Quádricas Cônicas hlcs Álgebra Linear A equação mais geral de uma cônica é a seguinte: Q(,)= a + b + c +d + e +f =,...() onde a,b,c,d,e,f são números reais
Leia maisTELEVISÃO DIGITAL LEEC 2006/2007
TELEVISÃO DIGITAL LEEC 2006/2007 DETECÇÃO DE CONTORNOS GRUPO 6: Hugo Miguel Rodrigues Gonçalves Dinis Guedes Afonso ee01171 ee01148 Introdução Este trabalho tem como objectivo a implementação de métodos
Leia maisSetor de Tecnologia - TC Engenharia Ambiental Prova 2. Matemática Aplicada I
Universidade Federal do Paraná Matemática Aplicada I Setor de Tecnologia - TC Engenharia Ambiental 8- Curitiba,..8 Prova Matemática Aplicada I Tobias Bleninger Departamento de Engenharia Ambiental (DEA)
Leia mais(b) A não será diagonalizável sobre C e A será diagonalizável sobre R se, e
Q1. Sejam A M 6 (R) uma matriz real e T : R 6 R 6 o operador linear tal que [T ] can = A, em que can denota a base canônica de R 6. Se o polinômio característico de T for então poderemos afirmar que: p
Leia maisSumário. VII Geometria Analítica Jorge Delgado Katia Frensel Lhaylla Crissaff
1 Coordenadas no plano 1 1.1 Introdução........................................ 2 1.2 Coordenada e distância na reta............................ 3 1.3 Coordenadas no plano.................................
Leia maisSEL-0339 Introdução à Visão Computacional. Aula 2 Processamento Espacial (Parte 2)
Departamento de Engenharia Elétrica - EESC-USP SEL-0339 Introdução à Visão Computacional Aula 2 Processamento Espacial (Parte 2) Prof. Dr. Marcelo Andrade da Costa Vieira Prof. Dr. Adilson Gonzaga mvieira@sc.usp.br
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 maisUSO DO DETECTOR DE PONTOS DE INTERESSE SIFT PARA LOCALIZAÇÃO DE ALVOS ARTIFICIAIS DE CONTROLE
IV Simpósio Brasileiro de Geomática SBG17 II Jornadas Lusófonas - Ciências e Tecnologias de Informação Geográfica - CTIG17 Presidente Prudente - SP, 24-26 de julho de 17 p. 341-346 USO DO DETECTOR DE PONTOS
Leia maisALGA 2007/2008 Mest. Int. Eng. Electrotécnica e de Computadores Aplicao do Captulo VI 1 / 12
Aplicação do Capítulo VI à Classificação de Cónicas e Quádricas ALGA 007/008 Mest. Int. Eng. Electrotécnica e de Computadores Aplicao do Captulo VI 1 / 1 A diagonalização de matrizes simétricas reais pode
Leia maisGeometria Analítica e Vetorial - Daniel Miranda, Rafael Grisi, Sinuê Lodovici
9 M U DA N Ç A D E C O O R D E N A DA S O RTO G O N A I S N O P L A N O Como sabemos, um sistema de coordenadas Σ no plano é um conjunto de dois vetores linearmente independentes f 1, f 2 (ou seja uma
Leia maisFiltros espaciais (suavizaçào)
Processamento de Imagens Médicas Filtros espaciais (suavizaçào) Prof. Luiz Otavio Murta Jr. Informática Biomédica Depto. de Física e Matemática (FFCLRP/USP) 1 Necessidade de pré-processamento 2 Propriedades
Leia maisSEL Visão Computacional. Aula 2 Processamento Espacial
Departamento de Engenharia Elétrica - EESC-USP SEL-5895 - Visão Computacional Aula 2 Processamento Espacial Prof. Dr. Adilson Gonzaga Prof. Dr. Evandro Linhari Rodrigues Prof. Dr. Marcelo Andrade da Costa
Leia maisMAT Álgebra Linear para Engenharia II
MAT2458 - Álgebra Linear para Engenharia II Prova de Recuperação - 05/02/2014 Nome: Professor: NUSP: Turma: INSTRUÇÕES (1) A prova tem início às 7:30 e duração de 2 horas. (2) Não é permitido deixar a
Leia maisQuadro Segmentação de Imagens
UNIVERSIDADE DE SÃO PAULO - SÃO CARLOS INSTITUTO DE CIÊNCIAS Processamento de Imagens - SCC0251 2013/1 Prof. Dr. Mario Gazziro Monitor PAE: Vinicius Ruela Pereira Borges - viniciusrpb@icmc.usp.br 1 Método
Leia maisProcessamento de Imagens CPS755
Processamento de Imagens CPS755 aula 05 - sistemas lineares - parte 2 Antonio Oliveira Ricardo Marroquim 1 / 27 laboratório de processamento de imagens tópicos métodos lineares mínimos quadrados equações
Leia maisProcessamento de Imagens COS756 / COC603
Processamento de Imagens COS756 / COC603 aula 04 - reconstrução de sinais digitais Antonio Oliveira Ricardo Marroquim 1 / 42 aula de hoje e reconstrução overview amostrando um sinal reconstruindo um sinal
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 maisProcessamento de Imagens COS756 / COC603
Processamento de Imagens COS756 / COC603 aula 03 - operações no domínio espacial Antonio Oliveira Ricardo Marroquim 1 / 38 aula de hoje operações no domínio espacial overview imagem digital operações no
Leia maisGAAL - Terceira Prova - 15/junho/2013. Questão 1: Analise se a afirmação abaixo é falsa ou verdadeira:
GAAL - Terceira Prova - /junho/3 SOLUÇÕES Questão : Analise se a afirmação abaio é falsa ou verdadeira: [ A matriz A é diagonalizável SOLUÇÃO: Sabemos que uma matriz n n é diagonalizável se ela possuir
Leia maisMATRIZES POSITIVAS DEFINIDAS
MATRIZES POSITIVAS DEFINIDAS Álgebra Linear (MAT-27) Ronaldo Rodrigues Pelá IEFF-ITA 7 de novembro de 2011 Roteiro 1 2 3 Roteiro 1 2 3 Por que saber se uma matriz é definida positiva? Importância do sinal
Leia maisGEOMETRIA II EXERCÍCIOS RESOLVIDOS - ABRIL, 2018
GEOMETRIA II EXERCÍCIOS RESOLVIDOS - ABRIL, 08 ( Seja a R e f(x, y ax + ( ay. Designe por C a a cónica dada por f(x, y 0. (a Mostre que os quatro pontos (±, ± R pertencem a todas as cónicas C a (independentemente
Leia maisKanade-Lucas-Tomasi Tracker
COPPE-UFRJ Kanade-Lucas-Tomasi Tracker Ricardo Marroquim data entrega: pós-graduação: 18/05/2016 graduação: 27/05/2016 1 NOTAÇÕES Uma imagem é definida como uma função f (x, y), x, y Z, onde f (x, y) :
Leia maisRetratos de Fase de Sistemas Lineares Homogêneos 2 2
Retratos de Fase de Sistemas Lineares Homogêneos 2 2 Reginaldo J Santos Departamento de Matemática-ICE Universidade Federal de Minas Gerais http://wwwmatufmgbr/~regi 2 de novembro de 20 2 Eemplo Considere
Leia maisEDO III. por Abílio Lemos. 07, 09 e 14 de novembro de Universidade Federal de Viçosa. Departamento de Matemática UFV. Aulas de MAT
EDO III por Universidade Federal de Viçosa Departamento de Matemática-CCE Aulas de MAT 147-2018 07, 09 e 14 de novembro de 2018 Teorema (D Alembert): Sejam y 1 (x) uma solução, não nula, da EDO y + p(x)y
Leia maisDetecção de falsas correspondências em pares de imagens estereoscópicas utilizando a transformação projetiva no plano e o algoritmo RANSAC
Detecção de falsas correspondências em pares de imagens estereoscópicas utilizando a transformação projetiva no plano e o algoritmo RANSAC André Caceres Carrilho Mauricio Galo Renato César dos Santos Curitiba,
Leia maisMínimos quadrados. A 2 M mn (R), b 2 R m. Como Au 2 C (A) para todo o u 2 R n e
Mínimos quadrados Au b A M mn (R), b R m Como Au C (A) para todo o u R n e b P C(A) (b) kb Auk, u R n é a melhor solução aproximada ou solução de mínimos quadrados de Au b se u veri car Au P C(A) (b) kb
Leia maisMatrizes positivas definidas, semidefinidas, etc.
Matrizes positivas definidas, semidefinidas, etc. Amit Bhaya, Programa de Engenharia Elétrica COPPE/UFRJ Universidade Federal do Rio de Janeiro amit@nacad.ufrj.br http://www.nacad.ufrj.br/ amit Funções
Leia maisImplementação do algoritmo SIFT para detecção de objetos em imagens.
Universidade Federal do Rio de Janeiro Instituto Alberto Luiz Coimbra de Pós-Graduação e Pesquisa de Engenharia Programa de Engenharia de Sistemas e Computação Rio de Janeiro, RJ - Brasil Implementação
Leia maisResposta - Questão 01: Equação genérica do segundo grau: f(x) = ax² + bx + c. a) f(x) = x² 7x + 10 a = 1 b = 7 c = 10 I Cálculo das raízes:
1) Estude as raízes, determine o vértice, interseção com o eixo y, eixo de simetria, esboce o gráfico e estude o sinal das funções a seguir. a. f(x) = x 2 7x + 10 b. g(x) = x 2 + 4x + 4 c. y = -3x 2 +
Leia maisMatrizes Semelhantes e Matrizes Diagonalizáveis
Diagonalização Matrizes Semelhantes e Matrizes Diagonalizáveis Nosso objetivo neste capítulo é estudar aquelas transformações lineares de R n para as quais existe pelo menos uma base em que elas são representadas
Leia maisRealce de imagens parte 2: ltragem espacial SCC5830/0251 Processamento de Imagens
Realce de imagens parte 2: ltragem espacial SCC5830/0251 Processamento de Imagens Prof. Moacir Ponti Jr. www.icmc.usp.br/~moacir Instituto de Ciências Matemáticas e de Computação USP 2013/1 Moacir Ponti
Leia maisRevisões de Matemática e Estatística
Revisões de Matemática e Estatística Joaquim J.S. Ramalho Contents 1 Operadores matemáticos 2 1.1 Somatório........................................ 2 1.2 Duplo somatório....................................
Leia maisSistemas de Equações Lineares e Matrizes
Sistemas de Equações Lineares e Matrizes. Quais das seguintes equações são lineares em x, y, z: (a) 2x + 2y 5z = x + xy z = 2 (c) x + y 2 + z = 2 2. A parábola y = ax 2 + bx + c passa pelos pontos (x,
Leia maisGeometria Analítica Exercícios Cônicas em posição geral
Geometria Analítica Exercícios Cônicas em posição geral Cleide Martins DMat - UFPE Turmas E1 e E3 Cleide Martins (DMat - UFPE) Soluções Turmas E1 e E3 1 / 16 Resolução dos exercícios da aula 15 Classique
Leia mais3.2 Determine a equação da circunferência de raio 5, tangente à reta 3x +4y =16no ponto A (4, 1).
3.1 Obtenha a equação e esboce o gráfico da circunferência caracterizada por: (a) Centro C (, 1) eraior =5; (b) Passa pelos pontos A (1, ),B(1, 1) e C (, 3) ; (c) Inscrita no triângulo determinado pelas
Leia maisProcessamento de Imagens CPS755
Processamento de Imagens CPS755 aula 04 - sistemas lineares Antonio Oliveira Ricardo Marroquim 1 / 32 laboratório de processamento de imagens tópicos decomposições (álgebra linear) decomposição QR decomposição
Leia maisTrabalho Final de Processamento de Imagens: Panografia
Trabalho Final de Processamento de Imagens: Panografia 1. Introdução Vítor Silva Sousa 1 1 Escola Politécnica Universidade Federal do Rio de Janeiro (UFRJ) Rio de Janeiro RJ Brasil vitor.silva.sousa@gmail.com
Leia maisUma não tão breve introdução ao básico de PI. Visão Computacional Programa de Pós-Graduação em Ciência da Computação UFMA Prof. Geraldo BrazJunior
Uma não tão breve introdução ao básico de PI Visão Computacional Programa de Pós-Graduação em Ciência da Computação UFMA Prof. Geraldo BrazJunior O que fazer com essa aula? Utilize essa aula para conhecer
Leia maisFormas quadráticas. x y. forma quadrática associada à equação quadrática. real simétrica n n, B 2 M 1n (R) e escalar.
Formas quadráticas Equação quadrática em duas variáveis x e y: ax + by + cxy + dx + ey + f 0 h i a c x y c b A x y (A real simétrica). Q : R! R, + h d e i x y u Q (u) u T Au ax + by + cxy + f 0 forma quadrática
Leia maisÁlgebra Linear (MAT-27) Ronaldo Rodrigues Pelá. 21 de outubro de 2011
APLICAÇÕES DA DIAGONALIZAÇÃO Álgebra Linear (MAT-27) Ronaldo Rodrigues Pelá IEFF-ITA 21 de outubro de 2011 Roteiro 1 2 3 Roteiro 1 2 3 Introdução Considere a equação de uma cônica: Forma Geral Ax 2 + Bxy
Leia maisUnidade 22 - Teorema espectral para operadores simétricos, reconhecimento de cônicas. A. Hefez e C. S. Fernandez Resumo elaborado por Paulo Sousa
MA33 - Introdução à Álgebra Linear Unidade 22 - Teorema espectral para operadores simétricos, reconhecimento de cônicas A. Hefez e C. S. Fernandez Resumo elaborado por Paulo Sousa PROFMAT - SBM 10 de agosto
Leia maisResolução de sistemas de equações lineares: Método do Gradiente
Resolução de sistemas de equações lineares: Método do Gradiente Marina Andretta ICMC-USP 24 de março de 2015 Marina Andretta (ICMC-USP) sme0301 - Métodos Numéricos para Engenharia I 24 de março de 2015
Leia maisCÁLCULO III - MAT Encontre todos os máximos locais, mínimos locais e pontos de sela nas seguintes funções:
UNIVERSIDADE FEDERAL DA INTEGRAÇÃO LATINO-AMERICANA Instituto Latino-Americano de Ciências da Vida e da Natureza Centro Interdisciplinar de Ciências da Natureza CÁLCULO III - MAT0036 9 a Lista de exercícios
Leia maisExercício: Identifique e faça um esboço do conjunto solução da. 3x xy + y 2 + 2x 2 3y = 0
Motivação Exercício: Identifique e faça um esboço do conjunto solução da equação 3x 2 + 2 3xy + y 2 + 2x 2 3y = 0 Motivação Exercício: Identifique e faça um esboço do conjunto solução da equação 3x 2 +
Leia maisA B C A 1 B 1 C 1 A 2 B 2 C 2 é zero (exceto o caso em que as tres retas são paralelas).
MAT 105- Lista de Exercícios 1. Prolongue o segmento com extremos em (1, -5) e (3, 1) de um comprimento de (10) unidades. Determine as coordenadas dos novos extremos. 2. Determine o centro e o raio da
Leia mais0 < c < a ; d(f 1, F 2 ) = 2c
Capítulo 14 Elipse Nosso objetivo, neste e nos próximos capítulos, é estudar a equação geral do segundo grau em duas variáveis: Ax + Bxy + Cy + Dx + Ey + F = 0, onde A 0 ou B 0 ou C 0 Para isso, deniremos,
Leia maisGeometria Analítica - Aula
Geometria Analítica - Aula 19 246 IM-UFF K. Frensel - J. Delgado Aula 20 Vamos analisar a equação Ax 2 + Cy 2 + Dx + Ey + F = 0 nos casos em que exatamente um dos coeficientes A ou C é nulo. 1. Parábola
Leia maisIntrodução ao Processamento Digital de Imagem MC920 / MO443
Introdução ao Processamento Digital de Imagem MC920 / MO443 Prof. Hélio Pedrini Instituto de Computação UNICAMP 1º Semestre de 2017 Roteiro 1 Segmentação Detecção de Descontinuidades Detecção de Pontos,
Leia maisCC-226 Aula 05 - Teoria da Decisão Bayesiana
CC-226 Aula 05 - Teoria da Decisão Bayesiana Carlos Henrique Q. Forster - Instituto Tecnológico de Aeronáutica 2008 Classificador Bayesiano Considerando M classes C 1... C M. N observações x j. L atributos
Leia maisAula 8 Cônicas - Translação de sistemas de coordenadas
Aula 8 Cônicas - Translação de sistemas de coordenadas MÓDULO 1 - AULA 8 Objetivos Entender a mudança de coordenadas pela translação do sistema cartesiano. Identificar uma cônica transladada a partir da
Leia maisReconstrução Geométrica a Partir de Imagens TIC /TCC
Reconstrução Geométrica a Partir de Imagens TIC-00.243/TCC-00.241 Aulas 2 e 3 Conteúdo Geometria Projetiva 2D Professor Leandro Augusto Frata Fernandes laffernandes@ic.uff.br Material disponível em http://www.ic.uff.br/~laffernandes/teaching/2014.2/tic-00.243
Leia maisProcessamento de Malhas Poligonais
Processamento de Malhas Poligonais Tópicos Avançados em Computação Visual e Interfaces I Prof.: Marcos Lage www.ic.uff.br/~mlage mlage@ic.uff.br Conteúdo: Notas de Aula Curvas 06/09/2015 Processamento
Leia maisCF372 Mecânica Quântica I Segunda Lista de Exercícios - Capítulo II. q exp( q 2 ) ( 2 π. 2 (2q 2 1) exp( q 2 )
CF372 Mecânica Quântica I Segunda Lista de Exercícios - Capítulo II 1) Dadas as funções ψ 1 (q) e ψ 2 (q), definidas no intervalo < q < + : ψ 1 (q) = ( 2 π ) 1/2 q exp( q 2 ) Calcule: a) (ψ 1, ψ 2 ); b)
Leia maisT4 Processamento de Imagem
T4 Processamento de Imagem Proc. Sinal e Imagem Mestrado em Informática Médica Hélder Filipe Pinto de Oliveira Resumo 1. Manipulação ponto a ponto 2. Conetividade 3. Filtros espaciais 4. Extração de estruturas
Leia maisProcessamento 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 maisSEGUNDA CHAMADA CALCULO 2 2/2017
9/11/017 SEGUNDA CHAMADA CALCULO /017 PROF: RENATO FERREIRA DE VELLOSO VIANNA Questão 1,5 pontos). Resolva os problemas de valor inicial: y + 4y + 4y = e x {, y = xyy + 4), a) = y0) = 0, b) = y0) = 5.
Leia maisReconstrução Geométrica a Partir de Imagens TIC
Reconstrução Geométrica a Partir de Imagens TIC-10.073 Aulas 2 e 3 Conteúdo Geometria Projetiva 2D Professor Leandro Augusto Frata Fernandes laffernandes@ic.uff.br Material disponível em http://www.ic.uff.br/~laffernandes/teaching/2016.1/tic-10.073
Leia maisCálculo Diferencial e Integral II 2012/13 1 o semestre
Cálculo Diferencial e Integral II 212/13 1 o semestre Modelo do 1 o Teste LEIC-TP, LEGI, LERC, LEE 6 de Novembro de 212 Justifique adequadamente todas as respostas. 1. Calcule V y dx dy dz em que V = {(x,
Leia maisDetecção de Formas. Carlos Alexandre Mello. Pós-Graduação em Ciência da Computação. Carlos Alexandre Mello 1
Detecção de Formas Carlos Alexandre Mello Pós-Graduação em Ciência da Computação Carlos Alexandre Mello cabm@cin.ufpe.br 1 Nível Intermediário de Visão Baixo Nível Processos de segmentação, detecção de
Leia maisSEÇÕES CÔNICAS. Figura 1
INSTITUTO DE MATEMÁTICA UFBA DISCIPLINA: MATEMÁTICA BÁSICA II - SEM. 004.1 PROF. GRAÇA LUZIA DOMINGUEZ SANTOS SEÇÕES CÔNICAS Sejam duas retas e e r concorrentes em O, tal que o ângulo α entre e e r é diferente
Leia mais23 e 24. Forma Quadrática e Equação do Segundo Grau em R 3. Sumário
23 e 24 Forma Quadrática e Equação do Segundo Grau em R 3 Sumário 23.1 Introdução....................... 2 23.2 Autovalores e Autovetores de uma matriz 3 3.. 2 23.3 Mudança de Coordenadas no Espaço........
Leia maisCÁLCULO VETORIAL E GEOMETRIA ANALÍTICA
04 CÁLCULO VETORIAL E GEOMETRIA ANALÍTICA CAPÍTULO 0 TRANSLAÇÃO E ROTAÇÃO DE EIXOS TRANSLAÇÃO DE EIXOS NO R Sejam e O os eixos primitivos, do Sistema Cartesiano de Eixos Coordenados com origem O(0,0).
Leia maisUNIVERSIDADE FEDERAL DE MINAS GERAIS (UFMG) ADÉLIO DANIEL DE SOUSA FREITAS
UNIVERSIDADE FEDERAL DE MINAS GERAIS (UFMG) ADÉLIO DANIEL DE SOUSA FREITAS O ESTUDO DA DIAGONALIZAÇÃO DE MATRIZES SIMETRICAS DE 2º ORDEM. BELO HORIZONTE 2012 ADÉLIO DANIEL DE SOUSA FREITAS O ESTUDO DA
Leia maisMAE125 Álgebra Linear /1 Turmas EQN/QIN
MAE25 Álgebra Linear 2 205/ Turmas EQN/QIN Planejamento (última revisão: 0 de junho de 205) Os exercícios correspondentes a cada aula serão cobrados oralmente na semana seguinte à aula e valem nota Todas
Leia mais