INSTITUTO FEDERAL DO ESPÍRITO SANTO PÓS-GRADUAÇÃO LATO SENSU EM ENGENHARIA ELÉTRICA COM ÊNFASE EM SISTEMAS INTELIGENTES APLICADOS À AUTOMAÇÃO

Tamanho: px
Começar a partir da página:

Download "INSTITUTO FEDERAL DO ESPÍRITO SANTO PÓS-GRADUAÇÃO LATO SENSU EM ENGENHARIA ELÉTRICA COM ÊNFASE EM SISTEMAS INTELIGENTES APLICADOS À AUTOMAÇÃO"

Transcrição

1 INSTITUTO FEDERAL DO ESPÍRITO SANTO PÓS-GRADUAÇÃO LATO SENSU EM ENGENHARIA ELÉTRICA COM ÊNFASE EM SISTEMAS INTELIGENTES APLICADOS À AUTOMAÇÃO ROGÉRIO ELEOTÉRIO DE JESUS RASTREAMENTO, SEGMENTAÇÃO E CLASSIFICAÇÃO DE CARACTERES EM PLACAS DE AÇO VITÓRIA 2014

2 ROGÉRIO ELEOTÉRIO DE JESUS RASTREAMENTO, SEGMENTAÇÃO E CLASSIFICAÇÃO DE CARACTERES EM PLACAS DE AÇO Monografia apresentada ao Curso de Pós- Graduação Lato Sensu em Engenharia Elétrica com Ênfase em Sistemas Inteligentes Aplicados à Automação do Instituto Federal do Espírito Santo como requisito parcial para obtenção do certificado de Especialista em Sistemas Inteligentes Aplicados à Automação. Orientador: Prof. M.Sc. Douglas Almonfrey VITÓRIA 2014

3 (Biblioteca Nilo Peçanha do Instituto Federal do Espírito Santo) J58r Jesus, Rogério Eleotério de. Rastreamento, segmentação e identificação de caracteres em placas de aço / Rogério Eleotério de Jesus f. : il. ; 30 cm Orientador: Douglas Almonfrey. Monografia (especialização) Instituto Federal do Espírito Santo, Coordenadoria de Pós-Graduação em Engenharia Elétrica, Curso Pós-Graduação Lato Sensu em Engenharia Elétrica com Ênfase em Sistemas Inteligentes Aplicados à Automação, Processamento de Imagens Técnicas digitais. 2. Laminação (Metalurgia) 3. Aço produção. 4. Engenharia elétrica. I. Almonfrey, Douglas. II. Instituto Federal do Espírito Santo. III. Título. CDD

4 ROGÉRIO ELEOTÉRIO DE JESUS RASTREAMENTO, SEGMENTAÇÃO E CLASSIFICAÇÃO DE CARACTERES EM PLACAS DE AÇO Monografia apresentada ao Curso de Pós- Graduação Lato Sensu em Engenharia Elétrica com Ênfase em Sistemas Inteligentes Aplicados à Automação do Instituto Federal do Espírito Santo como requisito parcial para obtenção do certificado de Especialista em Sistemas Inteligentes Aplicados à Automação. Apresentado em 03 de junho de 2014 COMISSÃO EXAMINADORA

5 DECLARAÇÃO DO AUTOR Declaro, para fins de pesquisa acadêmica, didática e técnico-científica, que este Trabalho de Conclusão de Curso pode ser parcialmente utilizado, desde que se faça referência à fonte e ao autor. Vitória, 03 de junho de 2014.

6 Dedico este trabalho primeiramente а Deus, razão maior de minha vida, autor dе mеυ destino, à minha amada esposa Monique por todo seu apoio e carinho, ао mеυ pai Milton e minha mãе Martha que nunca pouparam esforços pela minha educação.

7 RESUMO A preocupação com o rastreamento de produtos ao longo de um processo produtivo é, em muitos casos, essencial. A presença de códigos identificadores alfanuméricos para este fim, ao longo de uma linha de produção, é recorrente. Neste trabalho, serão aplicadas técnicas de processamento digital de imagens e visão computacional para realizar o rastreamento, segmentação e classificação de caracteres identificadores presentes em placas de aço em um Laminador de Tiras à Quente (LTQ). Utilizando fotos e vídeos de placas sobre uma mesa de rolos e em diferentes condições de iluminação, foram aplicados filtros a essas imagens de forma a realizar uma segmentação prévia de objetos, por análise de níveis de cinza e identificação de bordas. Em seguida, foi demonstrado que os identificadores presentes nas placas apresentam características que permitem diferenciá-los do restante da cena. Para isso, foram utilizadas heurísticas que se baseiam em informações estatísticas de variância dos níveis de tons de cinza das imagens das placas. Por fim, após a segmentação dos caracteres, foi possível realizar o processo de classificação utilizando técnicas de reconhecimento de caracteres combinando o resultado de vários frames na obtenção de um resultado mais apurado. Palavras-chave: Laminador de Tiras à Quente. Rastreamento. Classificação de caracteres. Processamento digital de imagens

8 ABSTRACT The concern about a product tracking throughout a production process is in many cases essential. The presence of alpha-numeric codes for this purpose, along a production line, is recurrent. In this paper, techniques of digital image processing and computational vision will be applied to perform tracking, segmentation and classification of characters of steel slabs in a Hot Strip Mill (HSM). Using photos and videos of slabs on a roller table in different lighting conditions, filters are applied to these images in order to perform preliminary object segmentation by gray level analysis and edges identification. Then it was shown that the identifiers present in slabs have characteristics that allow differentiating it from the rest of the scene. For this, was applied simple heuristics that are based on statistical information of variance levels from slab images in grayscale. Finally, after the segmentation of the characters, it was possible perform the classification process using techniques of character recognition while combining the result of several frames in obtaining a more accurate result. Keywords: Hot Strip Mill. Tracking. Identification character. Digital image processing

9 LISTA DE SIGLAS LTQ Laminador de Tiras à Quente HSM Hot Strip Mill TIE Text Information Extraction RGB Red, Green e Blue HSV Hue, Saturation e Value OCR Optical Character Recognition

10 SUMÁRIO 1 INTRODUÇÃO MOTIVAÇÃO E CONTEXTUALIZAÇÃO ESTADO DA ARTE OBJETIVOS Geral Específicos ESTRUTURA DA MONOGRAFIA METODOLOGIA OBTENÇÃO DE BORDAS NAS IMAGENS DOS CARACTERES LOCALIZAÇÃO DA REGIÃO DE TEXTO NA IMAGEM SEGMENTAÇÃO E CLASSIFICAÇÃO DOS CARACTERES RESULTADOS E DISCUSSÃO CONCLUSÃO E TRABALHOS FUTUROS...29 REFERÊNCIAS...31

11 9 1 INTRODUÇÃO 1.1 MOTIVAÇÃO E CONTEXTUALIZAÇÃO O aço faz parte do cotidiano do ser humano sendo essencial na construção civil, indústria automotiva e na construção de produtos diversos como utilidades domésticas e bens de consumo. Todavia, para chegar até ao produto final, em sua fabricação, ele deve passar por uma série de processos em uma indústria siderúrgica, conforme exemplificado na Figura 1. Nela é demonstrado o processo de fabricação desde seu início na coqueria e sinterização, passando pelo alto-forno, aciaria, lingotamento contínuo e finalizando no Laminador de Tiras à Quente (LTQ). Figura 1 Exemplo de processos produtivos em uma indústria siderúrgica Fonte: ArcelorMittal Tubarão Ao realizar um pedido ao fabricante, o cliente informa as características do produto que necessita, por exemplo, aplicação, propriedades mecânicas e dimensões. O pedido entra em uma carteira de produção e o aço é fabricado para atender as especificações apresentadas. Durante todo o processo de fabricação, é necessário

12 10 manter o rastreamento do material para que, no final, o produto esteja em conformidade com as requisições do cliente. No caso da ArcelorMittal Tubarão, após o lingotamento contínuo, o aço saindo como placa recebe uma marcação alfanumérica que o identifica de maneira única. Nesta forma, ele já pode ser enviado para alguns clientes, no entanto, pode receber ainda um material mais acabado na forma de bobina. Neste caso, o aço em forma de placas, segue para outro processo chamado Laminador de Tiras à Quente (LTQ). Na transferência entre estes processos, muitas vezes, inspeções visuais pelos operadores são utilizadas para realizar a leitura da marcação alfanumérica impressa nas placas e confirmar se uma determinada placa corresponde ao indicado nos sistemas de rastreamento e controle. Em função de fatores como falha de sensoriamento, falha de comunicação sistêmica ou fator humano, pode haver uma falha no rastreamento de uma determinada placa. Esses erros implicam em paradas do processo produtivo para correção da falha ou até mesmo troca de material que implicam em perda financeira para empresa. Uma alternativa para aumentar a robustez deste rastreamento é a inclusão de uma verificação automática em parte do processo de rastreamento das placas de aço. Por meio das imagens geradas por uma câmera fixa localizada no início do processo do LTQ, pode-se aplicar técnicas de processamento digital de imagens e visão computacional para realizar a classificação dos identificadores das placas de aço ou SlabID, que chegam ao LTQ. Para isto, localiza-se a região de texto da placa presente na imagem de cada quadro do vídeo fornecido pela câmera, e rastreia-se esta região ao longo do deslocamento da placa. Em seguida, segmenta-se a área de texto e realiza-se o processo de classificação dos caracteres. Na Figura 2, é exibido um quadro de um dos vídeos empregados neste trabalho.

13 11 Figura 2 Foto da face de uma placa na mesa de carregamento do forno do LTQ Fonte: ArcelorMittal Tubarão 1.2 ESTADO DA ARTE Geralmente, textos possuem informação sobre o contexto da cena presente em uma determinada imagem e, por este motivo, técnicas de extração de textos continuam a ser amplamente estudadas. Além disso, a localização, segmentação e classificação automática de texto em imagens tornam possível a automação de muitos processos, por exemplo, monitoramento veicular (CUI e HUANG, 1997), busca de cenas específicas em um banco de imagens (LIENHART e WERNICKE, 2002) e pesquisas na Web (ANTONACOPOULOS, KARATZAS e LOPES, 2001). Atualmente, na literatura, levando-se em conta o grande número de trabalhos existentes relacionados à localização e classificação de textos presentes em imagens, poucos são os estudos aplicados, especificamente, ao caso abordado neste trabalho. Identificar e classificar caracteres em placas de aço, em um processo industrial, muitas vezes, é um desafio. Isso ocorre, pois, a baixa qualidade da imagem dos caracteres obtidos por meio da câmera dificulta o processo de localização na imagem, segmentação e, consequentemente, classificação desses caracteres. Dentre os fatores que afetam a aquisição dos caracteres com qualidade estão: oxidações existentes na placa de aço, diferenças de tonalidades existentes na placa de aço, pouco contraste na imagem, marcação dos caracteres com variação de cor ou forma, variações de luminosidades no ambiente de operação, saturações na imagem provocadas pelo sol e pela baixa luminosidade.

14 12 Alguns trabalhos disponíveis na literatura tratam de reconhecimento de placas de carros, sendo um exemplo desta categoria apresentado em Barroso et al. (1997). A solução proposta em Barroso et al (1997) possui um bom desempenho para a aplicação em questão, mas não poderia ser aplicada diretamente em uma realidade diferente, sendo seu sucesso incerto para o caso proposto neste trabalho. Em Choi et al (2012) são pontuadas algumas dificuldades em se trabalhar com a localização e classificação de marcações em placas de aço: placas com diferentes temperaturas, variações na coloração e intensidade da tinta da marcação e reflexões de iluminação, por exemplo. Em Choi et al (2012), o estudo é realizado em um ambiente coberto, diferente do caso apresentado neste trabalho, onde a placa se encontra exposta à iluminação ambiente. Este método, por ele desenvolvido, apresenta um índice de acerto de 94% da região onde o texto encontra-se localizado. Em Phan, Shivakumara e Tan (2009), um método laplaciano para identificação da região de texto foi proposto. Esta solução foi implementada e aplicada ao caso deste trabalho. Embora a abordagem laplaciana tenha sido eficiente em imagens televisivas, o resultado não foi satisfatório para a localização de caracteres em placas de aço, demonstrando que casos específicos de localização de regiões textuais precisam, em muitas situações, serem tratados com uma determinada particularidade. Por atuarem em ambientes estruturados ou por serem aplicados em casos específicos, os métodos existentes na literatura não apresentam soluções passíveis de generalização direta ao caso abordado neste trabalho. É importante mencionar que, neste texto, o principal objetivo é realizar a localização e segmentação precisa de identificadores de placas de aço presentes em imagens sujeitas a diferentes condições de iluminação, capturadas em diferentes dias e em diferentes horários ao longo de um dia. A classificação dos caracteres propriamente dita desde que se possua caracteres segmentados com qualidade, é um objetivo secundário, pois já se encontra largamente analisada na literatura.

15 OBJETIVOS Geral Rastrear, segmentar e classificar de forma automática, através de técnicas de processamento digital de imagens e visão computacional, os números das placas de aço em uma mesa de entrada do processo de laminação de tiras a quente Específicos o Compilar uma base de dados que será utilizada no desenvolvimento do trabalho; o Utilizar técnicas de processamento de imagens para encontrar a área de interesse (região do número) ao longo de uma sequência de quadros do vídeo; o Realizar a segmentação de caracteres a cada quadro de um vídeo; o Realizar a classificação dos caracteres marcados nas placas de aço presentes nos vídeos. 1.4 ESTRUTURA DA MONOGRAFIA O Capítulo 1 apresenta a introdução e a motivação para o estudo do tema abordado neste trabalho, destacando sua importância nos dias de hoje. No Capítulo 2 é detalhada a metodologia empregada na solução do problema proposto. No Capítulo 3 têm-se os resultados obtidos e no Capítulo 4 são apresentadas as considerações finais.

16 14 2 METODOLOGIA Detecção de textos em imagens, conforme mencionado anteriormente, continua sendo alvo de constantes estudos na literatura. Muitos termos têm sido utilizados para se referir ao assunto, por exemplo, detecção de texto, extração de texto ou localização de texto. Jung, Kim and Jain (2004) define estes termos de forma precisa e apresenta uma arquitetura para a extração da informação de texto, mais conhecida pelo seu termo em inglês TIE (text information extraction). Algumas pesquisas assumem que a região de caracteres possui muitas bordas e utilizam características de gradiente como em Chen e Yuille (2004), outras focam em extração de características de cores como em Wang e Kangas (2003). Adicionalmente, alguns trabalhos partem do princípio que o texto, em imagens, possui propriedades texturais distintas do resto da imagem e utilizam filtros stroke (JUNG, LIU e KIM, 2009) ou características como wavelet (YE et al, 2005). A abordagem utilizada neste trabalho considera que a região de caracteres, após a binarização da imagem, terá uma quantidade de bordas superior se comparada com o restante da imagem. Este capítulo apresenta a metodologia utilizada para a solução do problema proposto neste trabalho. Na Seção 2.1, descrevem-se as técnicas de processamento digital de imagens empregadas cujo resultado é uma imagem binária, com as bordas da cena, que é essencial para o processo de localização da região de texto na imagem. Na Seção 2.2, descreve-se a etapa de localização da região de texto na imagem e, por fim, na Seção 2.3, as etapas finais de segmentação e classificação dos identificadores das placas de aço são realizadas. A solução do problema proposto neste trabalho foi desenvolvida utilizando o software proprietário Matlab da MathWorks. 2.1 OBTENÇÃO DE BORDAS NAS IMAGENS DOS CARACTERES Como a câmera empregada neste trabalho adquire imagens em um ambiente externo, a variação de iluminação torna-se o principal fator complicador na solução do problema proposto. Características do estado da placa de aço, como carepa (oxidação), ranhuras formadas pelo corte da placa no lingotamento contínuo também influenciam na detecção da região de texto na imagem. Para tornar o processo de

17 15 detecção dos identificadores robusto às influências mencionadas, algumas rotinas de filtragem da imagem foram realizadas. A câmera obtém imagens coloridas no padrão RGB conforme mostrado na Figura 3. Esta imagem corresponde a um quadro do vídeo com a região de interesse já selecionada. Figura 3 - Imagem original RGB. Fonte: ArcelorMittal Tubarão Analisando a imagem do ponto de vista da escala de cores HSV (hue, saturation e value), neste caso, a região de incidência de maior saturação tende a apresentar valores maiores de valor (Figura 4). Figura 4 - Descrição do espaço de cores HSV. Fonte: Por ser um espaço de cor mais flexível para se realizar filtragem em imagens coloridas, realiza-se a conversão do espaço de cores RGB para HSV e o resultado presente na Figura 5 é obtido. Em seguida, um filtro baseado no canal V é aplicado

18 16 à imagem. Os pixeis com valores de canal V superiores a 40% (w_filt_v no código abaixo) do maior valor são descartados da busca por região de texto, por meio do ajuste de seus valores para a cor preta. O resultado é apresentado na Figura 6. Abaixo é apresentada a implementação por meio do Matlab: imhsv=rgb2hsv(imrgb); [indices]=find((imhsv(:,:,3)>w_filt_v )); imhsvaux=imhsv(:,:,1); imhsvaux(indices)=0; imhsv(:,:,1)=imhsvaux; imhsvaux=imhsv(:,:,2); imhsvaux(indices)=0; imhsv(:,:,2)=imhsvaux; imhsvaux=imhsv(:,:,3); imhsvaux(indices)=0; imhsv(:,:,3)=imhsvaux; Figura 5 - Imagem em escala de cores HSV. Figura 6 - Imagem pós-filtro baseado no canal V ainda no formato HSV.

19 17 A imagem da Figura 6 é convertida de volta para o espaço de cores RGB, conforme apresentado na Figura 7, e, então, é convertida para escalas de cinza gerando a imagem presente na Figura 8. As funções utilizadas estão descritas abaixo: imrgb=hsv2rgb(imhsv); Figura 7 - Imagem RGB. imgray=rgb2gray(imrgb); Figura 8 - Imagem em escala de cinza. Percebe-se que regiões com saturação nas cores foram removidas da imagem, contudo, a imagem obtida ainda apresenta ruídos que devem ser removidos antes de se aplicar um filtro de borda com o intuito de identificar a região de texto nas placas. Com este objetivo, aplica-se, então, uma suavização da imagem utilizando

20 18 um filtro mediana, uma transformação bastante comum para suavizar ruídos do tipo impulsivo, ou espigada (Gonzales e Woods, 2000: ), ou sal e pimenta, em sinais e imagens digitais. A imagem suavizada obtida com a aplicação do filtro mediana se encontra na Figura 9. medfilt_pattern = [10 10]; imsmooth = medfilt2(imgray, medfilt_pattern); Figura 9 - Imagem pós-suavização. Em seguida, de posse da imagem presente na Figura 9, aplica-se um filtro Sobel para extração de bordas, obtendo-se imagens similares a apresentada na Figura 10. No Matlab, a função utilizada para a realização desta rotina foi a edge(). A constante sobel_ts, indicada abaixo, representa a sensibilidade de detecção de bordas. Esta sensibilidade pode ser ajustada de acordo com algumas características das imagens do banco de imagens utilizado. Neste trabalho, após alguns testes, verificou-se que o valor para a constante sobel_ts permitia a obtenção de bordas que resultavam em uma boa detecção da região de texto. Não se espera que esse ajuste varie substancialmente para diferentes bancos de imagens, pois as placas de aço do presente trabalho estão sujeitas a diferentes condições de iluminação, resultando em uma variedade de imagens para as quais a mesma constante é empregada com sucesso. imsobel=edge(imsmooth,'sobel', sobel_ts);

21 19 Figura 10 - Imagem pós-filtro de Sobel. 2.2 LOCALIZAÇÃO DA REGIÃO DE TEXTO NA IMAGEM A etapa de localização em conjunto com a segmentação da região de texto tem por objetivo reproduzir, no meio digital e guardadas as devidas proporções, o processo cognitivo sofisticado realizado pelo sistema visão e o cérebro humano, de identificar padrões textuais em imagens capturadas pelo sistema de visão humano. Nesta etapa, a partir da imagem com bordas obtida na Seção 2.1, deve-se adotar uma estratégia para identificar a região onde caracteres se encontram na imagem. É possível perceber que a ocorrência de bordas tende a ser mais intensa na região onde caracteres se encontram. Pode-se medir esta característica utilizando, por exemplo, a variância dos pixeis ao longo de um conjunto de linhas da imagem. Com este objetivo, para cada linha da imagem, calcula-se a variância dos pixeis, obtendose um gráfico conforme apresentado na Figura 11. Este gráfico será chamado ao longo do texto de variância vertical, obtido a partir de cada linha da imagem. O código abaixo demonstra a obtenção desta informação no vetor w_var_v(i), onde í é o número da linha: w_size = size(imsobel); for i=1:w_size(1) w_aux = imsobel(i,:); w_var_v(i) = var(w_aux); end

22 20 Figura 11 - Imagem com bordas e o gráfico da variância vertical (altura [pixel] x variância [pixel 2 ]). Com o perfil da variância da Figura 11, é possível se obter os limites verticais da região onde o texto se encontra na imagem, ou seja, as linhas superior e inferior da matriz imagem. Calcula-se o valor médio das variâncias ajustado por um fator multiplicativo empírico (0,9 no caso) e varre-se cada posição de altura do gráfico, correspondente a variância de cada linha da imagem, até que seja encontrado um valor maior que a média em uma transição positiva. Ao mesmo tempo, verifica-se a ocorrência de uma transição negativa da linha (altura) i para a linha i+1. Caso a distância entre a posição da transição positiva e a posição da transição negativa esteja dentro de limites estabelecidos, considera-se a região encontrada como candidata válida. Caso estes limites estejam dentro de um intervalo de distância prédeterminado conforme as dimensões aceitáveis para a região de caractere na imagem, em relação à mediana encontrada, considera-se que a região de interesse, os limites superior e inferior, foram encontrados. Na Figura 12, exibem-se os valores de média (linha vermelha horizontal), limites (linhas vermelhas verticais) e da mediana (linha verde) obtidos para o gráfico da Figura 11, só que agora apresentado na horizontal. Figura 12 - Gráfico da variância vertical com limites identificados (variância [pixel²] x altura [pixel]).

23 21 A partir dos limites verticais obtidos, pode-se selecionar a área de interesse vertical recortando, na imagem, à região que contém os caracteres (Figura 13). Figura 13 - Imagem obtida após a seleção da região de interesse na vertical. Analogamente ao processo realizado para cada linha da imagem, para cada coluna da imagem calcula-se a variância dos pixeis obtendo-se o gráfico indicado na Figura 14. Chama-se este gráfico, ao longo do texto, de variância horizontal obtido a partir de cada coluna da imagem. O código abaixo demonstra a obtenção desta informação no vetor w_var_h(i), onde í é o número da coluna: w_size = size(imsobel); for i=1:w_size(2) w_aux = imsobel(:,i); w_var_h(i) = var(w_aux); end Figura 14 - Imagem com bordas e o gráfico da variância horizontal (variância [pixel²] x largura [pixel]). Um algoritmo semelhante ao aplicado ao vetor de variâncias verticais é utilizado. Mas, neste caso, algumas adaptações são necessárias em função da existência de um menor número de bordas por coluna da matriz imagem, tornando a análise de

24 22 variância nas colunas da imagem mais suscetível a ruídos. A varredura é realizada nos dois sentidos. Três diferentes valores são encontrados considerando a comparação com a mediana (limite pela varredura esquerda-direita, limite pela varredura direita-esquerda e distância em relação à mediana), sendo mantido o menor valor no caso do limite inferior e o maior valor no caso do limite superior. O resultado é apresentado na Figura 15. A partir dos limites obtidos, pode-se restringir a área de interesse horizontal, caso ela tenha dimensões esperadas para os identificadores das placas de aço, completando a localização, na imagem, da região que contém os caracteres (Figura 16). Com esta região, é possível agora se realizar a segmentação e posterior classificação dos caracteres. Figura 15 - Gráfico de variância horizontal com limites identificados (variância [pixel2] x largura [pixel]). Figura 16 - Região de interesse identificada pelo algoritmo.

25 SEGMENTAÇÃO E CLASSIFICAÇÃO DOS CARACTERES Nesta etapa, será realizada a segmentação e a classificação dos números presentes nos identificadores das placas de aço. Com os limites horizontais e verticais da região de interesse encontrados na Seção 2.2, separa-se esta região de interesse também na imagem RGB capturada pela câmera empregada neste trabalho (Figura 17) e realiza-se um processo de limiarização na imagem em tons de cinza obtida a partir da imagem de interesse RGB presente na Figura 17. Deseja-se que os caracteres alfanuméricos sejam separados do restante da imagem, sendo esta etapa denominada de segmentação dos caracteres. Figura 17 - Imagem originada da ROI (Region of Interest-Região de Interesse). Observando-se o histograma da imagem transformada para tons de cinza, apresentado na Figura 18, verifica-se uma característica bimodal. Neste caso, o método de binarização de Otsu pode ser utilizado com bom resultado (SAHOO, 1988). Esta técnica encontra um limiar ótimo, aproximando o histograma por duas funções gaussianas, de forma a minimizar a variância intra-classes. A linha vertical vermelha nesta figura representa o limiar encontrado pelo método de binarização. No Matlab este valor pode ser encontrado pela função graythresh como demonstrado abaixo: imroig = rgb2gray(imroi); w_thr = graythresh(imroig);

26 24 Figura 18 - Histograma da imagem ROI em escalas de cinza (no de ocorrências x tons de cinza). A partir do limiar retornado pelo método de Otsu, pode-se realizar a binarização da imagem em tons de cinza, obtendo-se, assim, a imagem apresentada na Figura 19. imbw=im2bw(imroig,w_thr); Figura 19 - Imagem binarizada separando os caracteres. Com a imagem binarizada obtida, pode-se utilizar um OCR (Optical Character Recognition Reconhecedor de Caracteres Ótimo) disponível na literatura, que seja capaz de reconhecer caracteres a partir de um arquivo de imagem. Com isto, o objetivo final do trabalho será alcançado, pois, a partir da imagem do identificador alfanumérico presente na placa de aço, pode-se obter um arquivo de texto com as informações dos caracteres presentes nesse identificador. A solução OCR utilizada, neste trabalho, é uma aplicação disponível de forma livre pelo Google chamada Tesseract. Apresenta-se ao Tesseract uma imagem como a da Figura 19 e obtêm-se o resultado da classificação da sequência de caracteres

27 25 presentes na imagem. É importante mencionar que se adiciona a imagem da Figura 19 um realce de bordas, característica que traz melhor desempenho do software no processo de classificação. Apresenta-se a imagem obtida salvando-a no formato.tif. Isto é realizado da seguinte forma: imwrite(imbw2,'image.tif','tiff'); w_com='tesseract image.tif temp'; system(w_com); Para a imagem da Figura 19 o resultado obtido foi: Pode-se observar que o resultado apresentou dois erros, o primeiro caractere foi incorretamente classificado como 8 sendo B, e o sétimo caractere foi incorretamente classificado como 5 sendo 6. Para melhorar a precisão da tradução obtida, utiliza-se um processo estatístico valendo-se do fato de se rastrear a região de interesse ao longo de cada quadro de um vídeo (Figura 20). Com isto, quadro a quadro obtêm-se o resultado da classificação e pode-se comparar o resultado obtido para cada posição do campo de caracteres. A primeira posição, sempre representada por uma letra, pode ser descartada, e os demais caracteres sempre serão numéricos. Desta forma, pode-se descartar qualquer caractere que não foi reconhecido como número. Feito isto, obtêm-se a repetição de caracteres para cada posição (Figura 21) reconhecidos pelo Tesseract. Com isto os números mais frequentes possuem maior probabilidade de estarem corretos e consideram-se estes como corretos. Figura 20 - Resultado de 3 diferentes quadros do vídeo.

28 26 Figura 21 - Número identificado para cada posição e o resultado final da classificação.

29 27 3 RESULTADOS E DISCUSSÃO Com base no método apresentado, 600 imagens em diferentes condições de horário e clima foram utilizadas para avaliação da solução proposta. Deste total, consideraram-se 230 imagens em condições muito desfavoráveis: incidência de sol em apenas metade dos números dos identificadores da placa de aço, marcação não nítida ou manual, marcação com cores diferentes. Na Tabela 1, apresenta-se o resultado obtido pelo algoritmo. Considerando-se todas as 600 imagens disponíveis, alcançou-se um índice de acerto na localização da região de texto de 75,5% (453 placas). Considerando-se apenas as 370 imagens sem interferências severas, 93,8% de acertos foram obtidos. Para as 230 imagens consideradas como muito desfavoráveis, o índice de acerto da região de texto foi de 46,1%. Na Figura 22, alguns resultados são apresentados. Nela, pode-se notar que o algoritmo foi eficiente para identificar a região de interesse em sete diferentes casos de iluminação e marcação da placa. Em dois casos desfavoráveis a região foi identificada de forma incorreta. Ainda assim, parte dos caracteres são identificados e, como trabalho futuro, isso pode ser explorado na tentativa de se resolver esses casos particulares de erro. É importante mencionar que imagens consideradas como sem interferências severas, na verdade, são imagens com variações bruscas de iluminação e de tonalidade dos números. Contudo, as variações de iluminação são uniformes ao longo dos caracteres e os números possuem modelos de marcação não completamente distintos, possuindo uma similaridade mínima. Tabela 1 - Comparação entre o sistema visual humano e o artificial Tipo da imagem Número de imagens ROI correta Índice de acerto Boa ,8% Ruim ,1% Total ,5%

30 28 Figura 22 - Exemplos de obtenção da região de interesse pelo algoritmo. Conforme mencionado anteriormente, utilizou-se o Tesseract como aplicativo OCR para realizar a tarefa de classificação dos caracteres, entretanto, a acurácia deste aplicativo não foi analisada por não ser o foco deste trabalho e o desempenho do mesmo já ser largamente conhecido no meio empresarial, industrial e acadêmico. Entretanto, a técnica da obtenção do caractere mais recorrente dentre todos os quadros de um vídeo, elegendo um vencedor para cada posição, demonstrou ser eficiente na eliminação de falhas do classificador, conforme demonstrado na Figura 21.

Medição da Altura das Cunhas de Fricção dos Vagões Utilizando Processamento Digital de Imagem

Medição da Altura das Cunhas de Fricção dos Vagões Utilizando Processamento Digital de Imagem ARTIGO Medição da Altura das Cunhas de Fricção dos Vagões Utilizando Processamento Digital de Imagem Leonardo Borges de Castro 1 *, Dr. João Marques Salomão 2 e Me. Douglas Almonfrey 2 1 VALE - Engenharia

Leia mais

RECONHECIMENTO DE PLACAS DE AUTOMÓVEIS ATRAVÉS DE CÂMERAS IP

RECONHECIMENTO DE PLACAS DE AUTOMÓVEIS ATRAVÉS DE CÂMERAS IP RECONHECIMENTO DE PLACAS DE AUTOMÓVEIS ATRAVÉS DE CÂMERAS IP Caio Augusto de Queiroz Souza caioaugusto@msn.com Éric Fleming Bonilha eric@digifort.com.br Gilson Torres Dias gilson@maempec.com.br Luciano

Leia mais

Comparação entre a Máscara de Nitidez Cúbica e o Laplaciano para Realce de Imagens Digitais

Comparação entre a Máscara de Nitidez Cúbica e o Laplaciano para Realce de Imagens Digitais Comparação entre a Máscara de Nitidez Cúbica e o Laplaciano para Realce de Imagens Digitais Wesley B. Dourado, Renata N. Imada, Programa de Pós-Graduação em Matemática Aplicada e Computacional, FCT, UNESP,

Leia mais

Detecção e Rastreamento de Objetos coloridos em vídeo utilizando o OpenCV

Detecção 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 mais

SEGMENTAÇÃO DE IMAGENS EM PLACAS AUTOMOTIVAS

SEGMENTAÇÃO DE IMAGENS EM PLACAS AUTOMOTIVAS SEGMENTAÇÃO DE IMAGENS EM PLACAS AUTOMOTIVAS André Zuconelli 1 ; Manassés Ribeiro 2 1. Aluno do Curso Técnico em Informática, turma 2010, Instituto Federal Catarinense, Câmpus Videira, andre_zuconelli@hotmail.com

Leia mais

CBPF Centro Brasileiro de Pesquisas Físicas. Nota Técnica

CBPF Centro Brasileiro de Pesquisas Físicas. Nota Técnica CBPF Centro Brasileiro de Pesquisas Físicas Nota Técnica Aplicação de Física Médica em imagens de Tomografia de Crânio e Tórax Autores: Dário Oliveira - dario@cbpf.br Marcelo Albuquerque - marcelo@cbpf.br

Leia mais

IDENTIFICAÇÃO DE MARCADORES DE PAVIMENTAÇÃO NA ORIENTAÇÃO DE CEGOS

IDENTIFICAÇÃO 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 mais

Sistema de Contagem, Identificação e Monitoramento Automático de Rotas de Veículos baseado em Visão Computacional

Sistema de Contagem, Identificação e Monitoramento Automático de Rotas de Veículos baseado em Visão Computacional Universidade Federal de Minas Gerais Escola de Engenharia Curso de Graduação em Engenharia de Controle e Automação Sistema de Contagem, Identificação e Monitoramento Automático de Rotas de Veículos baseado

Leia mais

Sistema de Controle de Acesso Baseado no Reconhecimento de Faces

Sistema de Controle de Acesso Baseado no Reconhecimento de Faces Sistema de Controle de Acesso Baseado no Reconhecimento de Faces Access Control System Based on Face Recognition Tiago A. Neves, Welton S. De Oliveira e Jean-Jacques De Groote Faculdades COC de Ribeirão

Leia mais

Segmentação de imagens tridimensionais utilizando o sensor Microsoft Kinect

Segmentação de imagens tridimensionais utilizando o sensor Microsoft Kinect Segmentação de imagens tridimensionais utilizando o sensor Microsoft Kinect Lucas Viana Barbosa 1 ; Wanderson Rigo 2 ; Manassés Ribeiro 3 INTRODUÇÃO Os sistemas de visão artificial vêm auxiliando o ser

Leia mais

SEGMENTAÇÃO E CLASSIFICAÇÃO DE CARACTERES EM PLACAS DE AÇO

SEGMENTAÇÃO E CLASSIFICAÇÃO DE CARACTERES EM PLACAS DE AÇO SEGMENTAÇÃO E CLASSIFICAÇÃO DE CARACTERES EM PLACAS DE AÇO ROGÉRIO E. DE JESUS, DOUGLAS ALMONFREY PPGEE, Departamento de Engenharia Elétrica, Institututo Federal do Espirito Santo Avenida Vitória, 1729,

Leia mais

Anais do IX Congresso Brasileiro de Redes Neurais / Inteligência Computacional (IX CBRN) Ouro Preto 25-28 de Outubro de 2009

Anais do IX Congresso Brasileiro de Redes Neurais / Inteligência Computacional (IX CBRN) Ouro Preto 25-28 de Outubro de 2009 SISTEMA NEURAL DE DETECÇÃO DE PLACAS DE VEÍCULOS AUTOMOTORES EM IMAGENS DIGITALIZADAS Luís Victor Cascão, José M. de Seixas Laboratório de Proces de Sinais COPPE/Poli - Universidade Federal do Rio de Janeiro

Leia mais

Localização de placas em imagens de veículos. Resumo

Localização de placas em imagens de veículos. Resumo Localização de placas em imagens de veículos Geovane Hilário Linzmeyer Curso de Inteligência Computacional Pontifícia Universidade Católica do Paraná Curitiba, dezembro de 2005 Resumo Um dos maiores problemas

Leia mais

Desenvolvimento de um Sistema Híbrido para Rastreamento

Desenvolvimento de um Sistema Híbrido para Rastreamento Desenvolvimento de um Sistema Híbrido para Rastreamento de Objetos aplicado ao Futebol de Robôs Eduardo W. Basso 1, Diego M. Pereira 2, Paulo Schreiner 2 1 Laboratório de Robótica Inteligente Instituto

Leia mais

RELATÓRIO FINAL PIVIC/2010-2011 TRATAMENTO DE IMAGENS CAPTURADAS EM TEMPO REAL EM SISTEMAS DE REALIDADE AUMENTADA

RELATÓRIO FINAL PIVIC/2010-2011 TRATAMENTO DE IMAGENS CAPTURADAS EM TEMPO REAL EM SISTEMAS DE REALIDADE AUMENTADA RELATÓRIO FINAL PIVIC/2010-2011 TRATAMENTO DE IMAGENS CAPTURADAS EM TEMPO REAL EM SISTEMAS DE REALIDADE AUMENTADA Bruno Moraes Rocha, Marcos Wagner de Souza Ribeiro (Orientador) Universidade Federal de

Leia mais

Comparação de Clusters para Detecção da Pele

Comparação de Clusters para Detecção da Pele Comparação de Clusters para Detecção da Pele Andréia V. Nascimento, Michelle M. Mendonça, Juliana G. Denipote, Maria Stela V. Paiva Escola de Engenharia de São Carlos EESC. Universidade de São Paulo USP

Leia mais

Chow&Kaneko buscam as modas da imagem para separar os objetos. Admite que os tons na vizinhança de cada moda são do mesmo objeto.

Chow&Kaneko buscam as modas da imagem para separar os objetos. Admite que os tons na vizinhança de cada moda são do mesmo objeto. Respostas Estudo Dirigido do Capítulo 12 Image Segmentation" 1 Com suas palavras explique quais os problemas que podem ocorrer em uma segmentação global baseada em níveis de cinza da imagem. Que técnicas

Leia mais

TÍTULO: DESENVOLVIMENTO DE UM SISTEMA DE CAPTURA, PROCESSAMENTO E IDENTIFICAÇÃO DE IMAGENS UTILIZANDO LABVIEW

TÍTULO: DESENVOLVIMENTO DE UM SISTEMA DE CAPTURA, PROCESSAMENTO E IDENTIFICAÇÃO DE IMAGENS UTILIZANDO LABVIEW TÍTULO: DESENVOLVIMENTO DE UM SISTEMA DE CAPTURA, PROCESSAMENTO E IDENTIFICAÇÃO DE IMAGENS UTILIZANDO LABVIEW CATEGORIA: CONCLUÍDO ÁREA: ENGENHARIAS E ARQUITETURA SUBÁREA: ENGENHARIAS INSTITUIÇÃO: CENTRO

Leia mais

SMCB: METODOLOGIA PARA A QUANTIZAÇÃO DE CORES EM IMAGENS FACIAIS

SMCB: METODOLOGIA PARA A QUANTIZAÇÃO DE CORES EM IMAGENS FACIAIS CMNE/CILAMCE 007 Porto, 13 a 15 de Junho, 007 APMTAC, Portugal 007 SMCB: METODOLOGIA PARA A QUANTIZAÇÃO DE CORES EM IMAGENS FACIAIS Marcelo Zaniboni 1 *, Osvaldo Severino Junior e João Manuel R. S. Tavares

Leia mais

Estudo da aplicabilidade das técnicas de morfologia matemática e redes neurais aplicadas ao problema de segmentação de placas de carros

Estudo da aplicabilidade das técnicas de morfologia matemática e redes neurais aplicadas ao problema de segmentação de placas de carros Alessandra Bussador e Miguel D. Matrakas 63 Estudo da aplicabilidade das técnicas de morfologia matemática e redes neurais aplicadas ao problema de segmentação de placas de carros Alessandra Bussador (Mestre)

Leia mais

Universidade Federal do Rio de Janeiro - IM/DCC & NCE

Universidade Federal do Rio de Janeiro - IM/DCC & NCE Universidade Federal do Rio de Janeiro - IM/DCC & NCE Processamento de Imagens Tratamento da Imagem - Filtros Antonio G. Thomé thome@nce.ufrj.br Sala AEP/033 Sumário 2 Conceito de de Filtragem Filtros

Leia mais

29/08/2011. Radiologia Digital. Princípios Físicos da Imagem Digital 1. Mapeamento não-linear. Unidade de Aprendizagem Radiológica

29/08/2011. 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 mais

Sistema de Identificação de Placas por Processamento Automático de Imagens. Resumo

Sistema de Identificação de Placas por Processamento Automático de Imagens. Resumo Sistema de Identificação de Placas por Processamento Automático de Imagens Tatiane Campos 1, Sergio Bampi 2, Altamiro Susin 3 Instituto de Informática - UFRGS C. P. 15064 - CEP 91501-971 - Porto Alegre

Leia mais

Um sistema de visão computacional para detecção automática de caracteres em uma linha de montagem automotiva

Um sistema de visão computacional para detecção automática de caracteres em uma linha de montagem automotiva 225 Um sistema de visão computacional para detecção automática de caracteres em uma linha de montagem automotiva Marcus V. C. Guelpeli1, Bruno S. P. de Oliveira2, Wellington C. A. Landim2 1 Curso de Sistema

Leia mais

RESTAURAÇÃO DE DOCUMENTOS ELETRÔNICOS DEGRADADOS COM BINARIZAÇÃO ADAPTATIVA

RESTAURAÇÃO DE DOCUMENTOS ELETRÔNICOS DEGRADADOS COM BINARIZAÇÃO ADAPTATIVA Rios Eletrônica- Revista Científica da FASETE ano 5 n. 5 dezembro de 2011 RESTAURAÇÃO DE DOCUMENTOS ELETRÔNICOS DEGRADADOS COM BINARIZAÇÃO ADAPTATIVA Mestre em Ciência da Computação - Universidade Federal

Leia mais

Segmentação de Imagens de Placas Automotivas

Segmentação de Imagens de Placas Automotivas Segmentação de Imagens de Placas Automotivas André Zuconelli, Manassés Ribeiro Instituto Federal Catarinense - Campus Videira. Técnico em Informática, turma 2010 Rodovia SC, Km 5 Bairro Campo Experimental

Leia mais

2.1.2 Definição Matemática de Imagem

2.1.2 Definição Matemática de Imagem Capítulo 2 Fundamentação Teórica Este capítulo descreve os fundamentos e as etapas do processamento digital de imagens. 2.1 Fundamentos para Processamento Digital de Imagens Esta seção apresenta as propriedades

Leia mais

Técnicas de Suavização de Imagens e Eliminação de Ruídos

Técnicas de Suavização de Imagens e Eliminação de Ruídos 21 Técnicas de Suavização de Imagens e Eliminação de Ruídos Carlos H. Sanches 1, Paulo J. Fontoura 1, Phillypi F. Viera 1, Marcos A. Batista 1 1 Instituto de Biotecnologia Universidade Federal do Goiás

Leia mais

de Bordas em Imagens Digitais

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 mais

Processamento de Imagem. Prof. MSc. André Yoshimi Kusumoto andrekusumoto.unip@gmail.com

Processamento de Imagem. Prof. MSc. André Yoshimi Kusumoto andrekusumoto.unip@gmail.com Processamento de Imagem Prof. MSc. André Yoshimi Kusumoto andrekusumoto.unip@gmail.com Visão Computacional Não existe um consenso entre os autores sobre o correto escopo do processamento de imagens, a

Leia mais

Interação Humano - Computador usando Visão Computacional

Interação Humano - Computador usando Visão Computacional Interação Humano - Computador usando Visão Computacional Bernardo Bucher B. Barbosa 1, Júlio César Silva 2 1 UNIFESO, Centro de Ciências e Tecnologia, Curso de Ciência da Computação, brgenius@gmail.com

Leia mais

RECONHECIMENTO AUTOMÁTICO DE PLACAS DE VEÍCULOS UTILIZANDO PROCESSAMENTO DIGITAL DE IMAGENS E INTELIGÊNCIA ARTIFICIAL

RECONHECIMENTO AUTOMÁTICO DE PLACAS DE VEÍCULOS UTILIZANDO PROCESSAMENTO DIGITAL DE IMAGENS E INTELIGÊNCIA ARTIFICIAL 133 RECONHECIMENTO AUTOMÁTICO DE PLACAS DE VEÍCULOS UTILIZANDO PROCESSAMENTO DIGITAL DE IMAGENS E INTELIGÊNCIA ARTIFICIAL Guilherme Stéfano Silva de Souza; Paulo Henrique Passella Acadêmicos do Curso de

Leia mais

GABRIEL FILLIPE CENTINI CAMPOS RECONHECIMENTO DE MARMOREIO DE CARNE BASEADO EM SEGMENTAÇÃO DE IMAGENS

GABRIEL FILLIPE CENTINI CAMPOS RECONHECIMENTO DE MARMOREIO DE CARNE BASEADO EM SEGMENTAÇÃO DE IMAGENS GABRIEL FILLIPE CENTINI CAMPOS RECONHECIMENTO DE MARMOREIO DE CARNE BASEADO EM SEGMENTAÇÃO DE IMAGENS LONDRINA PR 2014 GABRIEL FILLIPE CENTINI CAMPOS RECONHECIMENTO DE MARMOREIO DE CARNE BASEADO EM SEGMENTAÇÃO

Leia mais

Redes neurais aplicadas na identificação de variedades de soja

Redes neurais aplicadas na identificação de variedades de soja Redes neurais aplicadas na identificação de variedades de soja Fábio R. R. Padilha Universidade Regional do Noroeste do Estado do Rio Grande do Sul - UNIJUÍ Rua São Francisco, 5 - Sede Acadêmica, 987-,

Leia mais

Capítulo II Imagem Digital

Capítulo II Imagem Digital Capítulo II Imagem Digital Proc. Sinal e Imagem Mestrado em Informática Médica Miguel Tavares Coimbra Resumo 1. Formação de uma imagem 2. Representação digital de uma imagem 3. Cor 4. Histogramas 5. Ruído

Leia mais

Aula 6 - Segmentação de Imagens Parte 2. Prof. Adilson Gonzaga

Aula 6 - Segmentação de Imagens Parte 2. Prof. Adilson Gonzaga Aula 6 - Segmentação de Imagens Parte 2 Prof. Adilson Gonzaga 1 Motivação Extração do Objeto Dificuldades Super segmentação over-segmentation 1) Segmentação por Limiarização (Thresholding Global): Efeitos

Leia mais

Respostas do Estudo Dirigido do Capítulo 14 Classical pattern recognition and image matching"

Respostas do Estudo Dirigido do Capítulo 14 Classical pattern recognition and image matching Respostas do Estudo Dirigido do Capítulo 14 Classical pattern recognition and image matching" 1 Com suas palavras explique o que é Reconhecimento de Padrões- RP. Quais são os fases clássicas que compõem

Leia mais

UNIVERSIDADE 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 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 mais

Algoritmos de Subtração Básica de Fundo

Algoritmos de Subtração Básica de Fundo Algoritmos de Subtração Básica de Fundo Leonardo Ronald Perin Rauta leonardorauta@univali.br UNIVALI Anita Maria da Rocha Fernandes anita.fernandes@univali.br UNIVALI Resumo:Algoritmos de subtração de

Leia mais

USO DO MATLAB NA GERAÇÃO DE IMAGEM SINTÉTICA COM MENOR PROPORÇÃO DE NUVEM

USO DO MATLAB NA GERAÇÃO DE IMAGEM SINTÉTICA COM MENOR PROPORÇÃO DE NUVEM p.001 de 005 USO DO MATLAB NA GERAÇÃO DE IMAGEM SINTÉTICA COM MENOR PROPORÇÃO DE NUVEM JOSÉ ARIMATÉIA BARROSO NETO ANA LÚCIA BEZERRA CANDEIAS Universidade Federal de Pernambuco - UFPE Centro de Tecnologia

Leia mais

Manual Processamento de Imagem. João L. Vilaça

Manual Processamento de Imagem. João L. Vilaça Manual Processamento de Imagem João L. Vilaça Versão 1.0 31/1/2014 Índice 1. Sistema de eixo e movimentos possíveis do Drone... 3 2. Imagem... 3 3. Espaços de cor... 4 4.1 RGB... 5 4.2HSV... 5 4.3 GRAY...

Leia mais

Transformada de Hough. Cleber Pivetta Gustavo Mantovani Felipe Zottis

Transformada de Hough. Cleber Pivetta Gustavo Mantovani Felipe Zottis Transformada de Hough Cleber Pivetta Gustavo Mantovani Felipe Zottis A Transformada de Hough foi desenvolvida por Paul Hough em 1962 e patenteada pela IBM. Originalmente, foi elaborada para detectar características

Leia mais

Implementação de Algoritmo em PHP para Detecção de Faces em Imagens Estáticas

Implementação de Algoritmo em PHP para Detecção de Faces em Imagens Estáticas Implementação de Algoritmo em PHP para Detecção de Faces em Imagens Estáticas Helmiton Filho, Mikaelle Oliveira, Carlos Danilo Miranda Regis Instituto Federal de Educação, Ciência e Tecnologia da Paraíba

Leia mais

Figura 01: Aplicações do Filtro Espacial Passa-Baixa.

Figura 01: Aplicações do Filtro Espacial Passa-Baixa. 791 IMPLEMENTAÇÃO DE TÉCNICAS DE PRÉ-PROCESSAMENTO E PROCESSAMENTO DE IMAGENS PARA RADIOGRAFIAS CARPAIS Rafael Lima Alves 1 ; Michele Fúlvia Angelo 2 Bolsista PROBIC, Graduando em Engenharia de Computação,

Leia mais

Profa. Dra. Soraia Raupp Musse Thanks to Prof. Dr. Cláudio Rosito Jung

Profa. 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 mais

Capítulo 5 Filtragem de Imagens

Capítulo 5 Filtragem de Imagens Capítulo 5 Filtragem de Imagens Capítulo 5 5.1. Filtragem no Domínio da Frequência 5.2. Filtragem no Domínio Espacial 2 Objetivo Melhorar a qualidade das imagens através da: ampliação do seu contraste;

Leia mais

Introdução ao Processamento de Imagens

Introdução ao Processamento de Imagens Introdução ao PID Processamento de Imagens Digitais Introdução ao Processamento de Imagens Glaucius Décio Duarte Instituto Federal Sul-rio-grandense Engenharia Elétrica 2013 1 de 7 1. Introdução ao Processamento

Leia mais

Rastreamento Dinâmico de Objetos: Um Experimento Didático Integrando Conceitos de Hardware e Software

Rastreamento Dinâmico de Objetos: Um Experimento Didático Integrando Conceitos de Hardware e Software Rastreamento Dinâmico de Objetos: Um Experimento Didático Integrando Conceitos de Hardware e Software Emerson G. Moretto 2, Markus Reichel 2, Hemerson Pistori 1 1 Grupo de Pesquisa em Engenharia e Computação

Leia mais

Avaliação de técnicas de seleção de quadros-chave na recuperação de informação por conteúdo visual

Avaliação de técnicas de seleção de quadros-chave na recuperação de informação por conteúdo visual Avaliação de técnicas de seleção de quadros-chave na recuperação de informação por conteúdo visual Shênia Salvador de Pinho, Kleber J. F. Souza Instituto de Ciências Exatas e Informática PUC Minas Guanhães,

Leia mais

Localização e Reconhecimento de Caracteres em Placas de Automóveis

Localização e Reconhecimento de Caracteres em Placas de Automóveis Localização e Reconhecimento de Caracteres em Placas de Automóveis Leonardo Augusto de Oliveira, Adilson Gonzaga Laboratório de Visão Computacional (LAVI), Universidade de São Paulo (USP) Av. Trabalhador

Leia mais

Extração de Minúcias em Imagens de Impressões Digitais

Extração de Minúcias em Imagens de Impressões Digitais Extração de Minúcias em Imagens de Impressões Digitais CASADO, Ricardo S.; PAIVA, Maria S. V. de Escola de Engenharia de São Carlos Universidade de São Paulo rcasado@sel.eesc.usp.br Resumo O trabalho apresenta

Leia mais

Reconhecimento das Configurações de Mão da LIBRAS a Partir de Malhas 3D

Reconhecimento das Configurações de Mão da LIBRAS a Partir de Malhas 3D Reconhecimento das Configurações de Mão da LIBRAS a Partir de Malhas 3D Andres Jessé Porfirio Orientador: Prof. Dr. Daniel Weingaertner Universidade Federal do Paraná Sumário Introdução Abordagem Baseada

Leia mais

A cor e o computador. Teoria e Tecnologia da Cor. Unidade VII Pág. 1 /5

A cor e o computador. Teoria e Tecnologia da Cor. Unidade VII Pág. 1 /5 A cor e o computador Introdução A formação da imagem num Computador depende de dois factores: do Hardware, componentes físicas que processam a imagem e nos permitem vê-la, e do Software, aplicações que

Leia mais

Introdução ao processamento de imagens e OCTAVE. Julio C. S. Jacques Junior juliojj@gmail.com

Introdução ao processamento de imagens e OCTAVE. Julio C. S. Jacques Junior juliojj@gmail.com Introdução ao processamento de imagens e OCTAVE Julio C. S. Jacques Junior juliojj@gmail.com Octave www.gnu.org/software/octave/ Linguagem Interpretada (similar ao MATLAB... portabilidade) Voltada para

Leia mais

Filtro de Imagem Baseado em Matriz RGB de Cores- Padrão para Futebol de Robôs

Filtro de Imagem Baseado em Matriz RGB de Cores- Padrão para Futebol de Robôs Filtro de Imagem Baseado em Matriz RGB de Cores- Padrão para Futebol de Robôs Eder A. Penharbel, Ricardo C. Destro, Flavio Tonidandel, Reinaldo A.C. Bianchi Centro Universitário da FEI UniFEI Av. Humberto

Leia mais

Visão Computacional e Realidade Aumentada. Trabalho 3 Reconstrução 3D. Pedro Sampaio Vieira. Prof. Marcelo Gattass

Visão Computacional e Realidade Aumentada. Trabalho 3 Reconstrução 3D. Pedro Sampaio Vieira. Prof. Marcelo Gattass Visão Computacional e Realidade Aumentada Trabalho 3 Reconstrução 3D Pedro Sampaio Vieira Prof. Marcelo Gattass 1 Introdução Reconstrução tridimensional é um assunto muito estudado na área de visão computacional.

Leia mais

Processamento de Imagens para Identificação de Veículos utilizando Inteligência Artificial

Processamento de Imagens para Identificação de Veículos utilizando Inteligência Artificial Processamento de Imagens para Identificação de Veículos utilizando Inteligência Artificial André Faria Ruaro, Nader Ghoddosi Universidade Federal do Santa Catarina (UFSC) Florianópolis SC Brasil Pós-Graduação

Leia mais

SISTEMA DE VISÃO ARTIFICIAL BASEADO EM DETECÇÃO DE CORES (PARA SISTEMA DE CONTROLE DE ROBOS CELULARES COM REALIMENTAÇÃO VISUAL)

SISTEMA DE VISÃO ARTIFICIAL BASEADO EM DETECÇÃO DE CORES (PARA SISTEMA DE CONTROLE DE ROBOS CELULARES COM REALIMENTAÇÃO VISUAL) SISTEMA DE VISÃO ARTIFICIAL BASEADO EM DETECÇÃO DE CORES (PARA SISTEMA DE CONTROLE DE ROBOS CELULARES COM REALIMENTAÇÃO VISUAL) GABRIEL MATOS *, MERYELLE MENDONÇA*, EDUARDO FREIRE*, JUGURTA MONTALVÃO*,

Leia mais

Identificação de Caracteres com Rede Neuronal Artificial com Interface Gráfica

Identificação de Caracteres com Rede Neuronal Artificial com Interface Gráfica Identificação de Caracteres com Rede Neuronal Artificial com Interface Gráfica João Paulo Teixeira*, José Batista*, Anildio Toca**, João Gonçalves**, e Filipe Pereira** * Departamento de Electrotecnia

Leia mais

Encontrando a Linha Divisória: Detecção de Bordas

Encontrando 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 mais

VISÃO COMPUTACIONAL APLICADA PARA O APOIO À CALIBRAÇÃO DE TERMOHIGRÔMETROS

VISÃO COMPUTACIONAL APLICADA PARA O APOIO À CALIBRAÇÃO DE TERMOHIGRÔMETROS VISÃO COMPUTACIONAL APLICADA PARA O APOIO À CALIBRAÇÃO DE TERMOHIGRÔMETROS Vladimir Geraseev Junior Universidade de Taubaté - UNITAU vgeraseev@gmail.com RESUMO Este trabalho tem como objetivo apresentar

Leia mais

REALCE DE MICROCALCIFICAÇÕES EM IMAGENS DE MAMOGRAFIA UTILIZANDO FILTROS PASSA-ALTA

REALCE DE MICROCALCIFICAÇÕES EM IMAGENS DE MAMOGRAFIA UTILIZANDO FILTROS PASSA-ALTA REALCE DE MICROCALCIFICAÇÕES EM IMAGENS DE MAMOGRAFIA UTILIZANDO FILTROS PASSA-ALTA Caio Cesar Amorim Borges e Danilo Rodrigues de Carvalho Universidade Federal de Goiás, Escola de Engenharia Elétrica

Leia mais

Uma Metodologia de Identificação de Imagens de Impressões Digitais pelo Filtro de Gabor

Uma Metodologia de Identificação de Imagens de Impressões Digitais pelo Filtro de Gabor IEEE LATIN AMERICA TRANSACTIONS, VOL. 4, NO. 1, MARCH 2006 1 Uma Metodologia de Identificação de Imagens de Impressões Digitais pelo Filtro de Gabor Sanderson L. Gonzaga de Oliveira e Joaquim Teixeira

Leia mais

Normalização Espacial de Imagens Frontais de Face

Normalização Espacial de Imagens Frontais de Face Normalização Espacial de Imagens Frontais de Face Vagner do Amaral 1 e Carlos Eduardo Thomaz 2 Relatório Técnico: 2008/01 1 Coordenadoria Geral de Informática Centro Universitário da FEI São Bernardo do

Leia mais

Utilização de imagem CBERS-2 na análise e avaliação dos impactos ambientais da cultura da cana-de-açúcar da região de Ribeirão Preto SP

Utilização de imagem CBERS-2 na análise e avaliação dos impactos ambientais da cultura da cana-de-açúcar da região de Ribeirão Preto SP Utilização de imagem CBERS-2 na análise e avaliação dos impactos ambientais da cultura da cana-de-açúcar da região de Ribeirão Preto SP Valéria de Souza Assunção 1 Elizabete Cristina Kono 1 Rafael Frigerio

Leia mais

UFGD FCA PROF. OMAR DANIEL BLOCO 4 PROCESSAMENTO DE IMAGENS

UFGD FCA PROF. OMAR DANIEL BLOCO 4 PROCESSAMENTO DE IMAGENS UFGD FCA PROF. OMAR DANIEL BLOCO 4 PROCESSAMENTO DE IMAGENS Executar as principais técnicas utilizadas em processamento de imagens, como contraste, leitura de pixels, transformação IHS, operações aritméticas

Leia mais

Processamento Digital de Imagens

Processamento 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 mais

Aula 2 Aquisição de Imagens

Aula 2 Aquisição de Imagens Processamento Digital de Imagens Aula 2 Aquisição de Imagens Prof. Dr. Marcelo Andrade da Costa Vieira mvieira@sc.usp.br EESC/USP Fundamentos de Imagens Digitais Ocorre a formação de uma imagem quando

Leia mais

Uma abordagem Fuzzy para Detecção de Bordas em Imagens Digitais

Uma 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 mais

Segmentação de imagens de profundidade por limiarização com morfologia matemática. Jorge Antonio Silva Centeno 1 Regina Tiemy Kishi 2

Segmentação de imagens de profundidade por limiarização com morfologia matemática. Jorge Antonio Silva Centeno 1 Regina Tiemy Kishi 2 Segmentação de imagens de profundidade por limiarização com morfologia matemática Jorge Antonio Silva Centeno 1 Regina Tiemy Kishi 2 Universidade Federal do Paraná - UFPR 1 Departamento de Geomática 2

Leia mais

Introdução do Processamento de Imagens. Julio C. S. Jacques Junior juliojj@gmail.com

Introdução do Processamento de Imagens. Julio C. S. Jacques Junior juliojj@gmail.com Introdução do Processamento de Imagens Julio C. S. Jacques Junior juliojj@gmail.com Porque processar uma imagem digitalmente? Melhoria de informação visual para interpretação humana Processamento automático

Leia mais

Cálculo de volume de objetos utilizando câmeras RGB-D

Cálculo de volume de objetos utilizando câmeras RGB-D Cálculo de volume de objetos utilizando câmeras RGB-D Servílio Souza de ASSIS 1,3,4 ; Izadora Aparecida RAMOS 1,3,4 ; Bruno Alberto Soares OLIVEIRA 1,3 ; Marlon MARCON 2,3 1 Estudante de Engenharia de

Leia mais

Inspeção através de sistema de visão industrial Ergon

Inspeção através de sistema de visão industrial Ergon Inspeção através de sistema de visão industrial Ergon Introdução A Ergon Sistemas de Visão Industrial, parceira das empresas Industrial Vision Systems e Neurocheck, juntas formam importantes fornecedores

Leia mais

Trabalho 2 Fundamentos de computação Gráfica

Trabalho 2 Fundamentos de computação Gráfica Trabalho 2 Fundamentos de computação Gráfica Processamento de Imagens Aluno: Renato Deris Prado Tópicos: 1- Programa em QT e C++ 2- Efeitos de processamento de imagens 1- Programa em QT e C++ Para o trabalho

Leia mais

RUÍDOS EM IMAGENS FILTRAGEM DE RUÍDOS. o Flutuações aleatórias ou imprecisões em dados de entrada, precisão numérica, arredondamentos etc...

RUÍDOS EM IMAGENS FILTRAGEM DE RUÍDOS. o Flutuações aleatórias ou imprecisões em dados de entrada, precisão numérica, arredondamentos etc... RUÍDOS EM IMAGENS FILTRAGEM DE RUÍDOS RUÍDOS EM IMAGENS Em Visão Computacional, ruído se refere a qualquer entidade em imagens, dados ou resultados intermediários, que não são interessantes para os propósitos

Leia mais

Tratamento da Imagem Transformações (cont.)

Tratamento 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/133 Tratamento de Imagens - Sumário Detalhado Objetivos Alguns

Leia mais

Uma Versão Intervalar do Método de Segmentação de Imagens Utilizando o K-means

Uma Versão Intervalar do Método de Segmentação de Imagens Utilizando o K-means TEMA Tend. Mat. Apl. Comput., 6, No. 2 (2005), 315-324. c Uma Publicação da Sociedade Brasileira de Matemática Aplicada e Computacional. Uma Versão Intervalar do Método de Segmentação de Imagens Utilizando

Leia mais

Reconhecimento de Caracteres Através de Redes Neurais Artificiais com Aplicação a Placas de Automóveis

Reconhecimento de Caracteres Através de Redes Neurais Artificiais com Aplicação a Placas de Automóveis Anais do XVI Encontro de Iniciação Científica e Pós-Graduação do ITA XVI ENCITA / 2010 Instituto Tecnológico de Aeronáutica São José dos Campos SP Brasil 20 de outubro de 2010 Reconhecimento de Caracteres

Leia mais

Programação de Equipamentos CNC através da Análise de Imagens por Segmentação

Programação de Equipamentos CNC através da Análise de Imagens por Segmentação Programação de Equipamentos CNC através da Análise de Imagens por Segmentação Daniel Welfer (UFSM) welfer@inf.ufsm.br Alexandre Dias da Silva (UFSM) adiass@smail.ufsm.br Marcos Cordeiro d Ornellas (UFSM)

Leia mais

Método para reconhecimento de íris baseado na sua região interna

Método para reconhecimento de íris baseado na sua região interna Método para reconhecimento de íris baseado na sua região interna Jonathan G. Rogéri 1 Aledir S. Pereira 2 Norian Marranghello 3 Alex F. Araujo 4 João Manuel R. S. Tavares 5 RESUMO: O reconhecimento de

Leia mais

Sistema de Rastreamento de Objetos Através de Múltiplas Câmeras

Sistema de Rastreamento de Objetos Através de Múltiplas Câmeras Sistema de Rastreamento de Objetos Através de Múltiplas Câmeras André Luís Beling da Rosa 1, Dalton Solano dos Reis 1, Paulo César Rodacki Gomes 1,3, Mauricio Edgar Stivanello 2 1 Departamento de Sistemas

Leia mais

TRIANGULAÇÃO DE DELAUNAY COM RESTRIÇÃO EM IMAGENS BIDIMENSIONAIS

TRIANGULAÇÃO DE DELAUNAY COM RESTRIÇÃO EM IMAGENS BIDIMENSIONAIS TRIANGULAÇÃO DE DELAUNAY COM RESTRIÇÃO EM IMAGENS BIDIMENSIONAIS Leide Daiane Caires 1, Edson A. Capello Sousa 2 1 Depto Eng. Mecânica Universidade Estadual Paulista, Bauru, Brasil, ladycaires@gmail.com

Leia mais

ANGELO, ESCARPINATI, MARQUES, BATISTA, SOUZA (2012)

ANGELO, ESCARPINATI, MARQUES, BATISTA, SOUZA (2012) IMPLEMENTAÇÃO DE TÉCNICAS DE PROCESSAMENTO DIGITAL DE IMAGENS PARA AUXÍLIAR NA REALIZAÇÃO DE ANÁLISES CEFALOMÉTRICAS Michele Fúlvia Angelo Doutora em Engenharia Elétrica pela Universidade de São Paulo

Leia mais

Nathalie Portugal Vargas

Nathalie Portugal Vargas Nathalie Portugal Vargas 1 Introdução Trabalhos Relacionados Recuperação da Informação com redes ART1 Mineração de Dados com Redes SOM RNA na extração da Informação Filtragem de Informação com Redes Hopfield

Leia mais

Sistema de Navegação Autônoma de Robôs Móveis em Ambiente com Obstáculos em Movimento. Resumo

Sistema de Navegação Autônoma de Robôs Móveis em Ambiente com Obstáculos em Movimento. Resumo TECNOLOGIA Sistema de Navegação Autônoma de Robôs Móveis em Ambiente com Obstáculos em Movimento Resumo Felipe A. Pinagé 1, Hayanna S. Pinheiro 2, José P. Queiroz-Neto 3 O presente artigo consiste em uma

Leia mais

Reconhecimento Automático de Placas de Veículos

Reconhecimento Automático de Placas de Veículos Reconhecimento Automático de Placas de Veículos Vinicius Bergoli Trentini, Lucas Antonio Toledo Godoy, Aparecido Nilceu Marana Universidade Estadual Paulista - UNESP (Campus de Bauru) Faculdade de Ciências

Leia mais

Relatório. José Jasnau Caeiro. Docente. Gildo Soares e Hugo Brás. Discentes. Tecnologias Biométricas. Mestrado em Engenharia da Segurança Informática

Relatório. José Jasnau Caeiro. Docente. Gildo Soares e Hugo Brás. Discentes. Tecnologias Biométricas. Mestrado em Engenharia da Segurança Informática Relatório José Jasnau Caeiro Docente Gildo Soares e Hugo Brás Discentes Tecnologias Biométricas Mestrado em Engenharia da Segurança Informática Junho 2012 Conteúdo Índice Geral......................................

Leia mais

Análise do uso de diferentes bandas de cores na detecção do disco óptico em imagens de retina

Análise do uso de diferentes bandas de cores na detecção do disco óptico em imagens de retina Análise do uso de diferentes bandas de cores na detecção do disco óptico em imagens de retina Fernando A. Sousa, Luckas M. R. dos Santos e Rodrigo de M. S. Veras 1 Departamento de Computação Universidade

Leia mais

Fotografia digital. Aspectos técnicos

Fotografia digital. Aspectos técnicos Fotografia digital Aspectos técnicos Captura CCD (Charge Coupled Device) CMOS (Complementary Metal OxideSemiconductor) Conversão de luz em cargas elétricas Equilíbrio entre abertura do diafragma e velocidade

Leia mais

Identificação de objetos móveis com uso de imagens aéreas obtidas por VANT. Rodrigo Augusto Rebouças 1 Matheus Habermann 1 Elcio Hideiti Shiguemori 1

Identificação de objetos móveis com uso de imagens aéreas obtidas por VANT. Rodrigo Augusto Rebouças 1 Matheus Habermann 1 Elcio Hideiti Shiguemori 1 Identificação de objetos móveis com uso de imagens aéreas obtidas por VANT Rodrigo Augusto Rebouças 1 Matheus Habermann 1 Elcio Hideiti Shiguemori 1 1 Instituto de Estudos Avançados IEAv/DCTA São José

Leia mais

Como escrever um bom RELATÓRIO

Como escrever um bom RELATÓRIO Como escrever um bom RELATÓRIO Mas o que é uma EXPERIÊNCIA? e um RELATÓRIO? Profa. Ewa W. Cybulska Profa. Márcia R. D. Rodrigues Experiência Relatório Pergunta à Natureza e a procura da Resposta Divulgação

Leia mais

UNIVERSIDADE FEDERAL DO PAMPA ALEXANDRE AMARAL MOREIRA

UNIVERSIDADE FEDERAL DO PAMPA ALEXANDRE AMARAL MOREIRA UNIVERSIDADE FEDERAL DO PAMPA ALEXANDRE AMARAL MOREIRA RECONHECIMENTO DE PLACAS DE VEÍCULOS ATRAVÉS DA APLICAÇÃO DE TÉCNICAS DE PROCESSAMENTO DE IMAGENS E REDES NEURAIS ARTIFICIAIS Bagé 2013 ALEXANDRE

Leia mais

Utilização da resposta espectral para discriminação de plantas daninhas em áreas de plantação de café

Utilização da resposta espectral para discriminação de plantas daninhas em áreas de plantação de café Utilização da resposta espectral para discriminação de plantas daninhas em áreas de plantação de café Lauriana Rúbio Sartori Nilton Nobuhiro Imai Maria de Lourdes Bueno Trindade Galo Programa de Pós Graduação

Leia mais

Visão computacional no reconhecimento de formas e objetos

Visão computacional no reconhecimento de formas e objetos Visão computacional no reconhecimento de formas e objetos Paula Rayane Mota Costa Pereira*, Josemar Rodrigues de Souza**, Resumo * Bolsista de Iniciação Científica da Faculdade de Tecnologia SENAI CIMATEC,

Leia mais

SISTEMA DE EVENTOS DE QUALIDADE PARA UM LAMINADOR DE TIRAS A QUENTE

SISTEMA DE EVENTOS DE QUALIDADE PARA UM LAMINADOR DE TIRAS A QUENTE doi: 10.4322/tmm.00303010 SISTEMA DE EVENTOS DE QUALIDADE PARA UM LAMINADOR DE TIRAS A QUENTE Fernando José Martinelli 1 Luciano Milanez Mazzi 1 Ricardo Souza Mendonça de Lima 2 Marco Antonio Barbosa Sena

Leia mais

INSTITUIÇÃO: INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DO ESPÍRITO SANTO

INSTITUIÇÃO: INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DO ESPÍRITO SANTO Anais do Conic-Semesp. Volume 1, 2013 - Faculdade Anhanguera de Campinas - Unidade 3. ISSN 2357-8904 TÍTULO: DIGITALIZAÇÃO DE EXAMES DE ECG CATEGORIA: CONCLUÍDO ÁREA: ENGENHARIAS E TECNOLOGIAS SUBÁREA:

Leia mais

Descoberta de Domínio Conceitual de Páginas Web

Descoberta de Domínio Conceitual de Páginas Web paper:25 Descoberta de Domínio Conceitual de Páginas Web Aluno: Gleidson Antônio Cardoso da Silva gleidson.silva@posgrad.ufsc.br Orientadora: Carina Friedrich Dorneles dorneles@inf.ufsc.br Nível: Mestrado

Leia mais

INTRODUÇÃO O QUE É VISÃO COMPUTACIONAL?

INTRODUÇÃO 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 mais

FILTRAGEM ESPACIAL. Filtros Digitais no domínio do espaço

FILTRAGEM ESPACIAL. Filtros Digitais no domínio do espaço FILTRAGEM ESPACIAL Filtros Digitais no domínio do espaço Definição Também conhecidos como operadores locais ou filtros locais Combinam a intensidade de um certo número de piels, para gerar a intensidade

Leia mais