Processamento de Imagens para Identificação de Veículos utilizando Inteligência Artificial

Save this PDF as:
 WORD  PNG  TXT  JPG

Tamanho: px
Começar a partir da página:

Download "Processamento de Imagens para Identificação de Veículos utilizando Inteligência Artificial"

Transcrição

1 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 em Engenharia de Automação e Sistemas Abstract. A set of techniques Image Processing and Artificial Intelligence are presented for performing character recognition in vehicle license plates. Procedures to locate, target and frame plate and accurately recognize the characters are also featured. The research was based on Artificial Neural Networks, combining them with techniques that enabled Image Processing demonstrate the results obtained. Resumo. Um conjunto de Técnicas de Processamento de Imagens e Inteligência Artificial são apresentados para a realização do reconhecimento de caracteres em placas de veículos. Procedimentos para localizar, segmentar e enquadrar a placa e reconhecer com precisão os caracteres também são apresentados. A pesquisa teve como base Redes Neurais Artificiais, aliando-as com Técnicas de Processamento de Imagens que permitiram demonstrar os resultados obtidos. 1. Introdução Esta pesquisa teve como finalidade mostrar técnicas de processamento de imagem aliadas a Inteligência Artificial para criar um método capaz de reconhecer os caracteres alfanuméricos a partir de imagens digitalizadas de veículos. O conceito de operacionalidade de um sistema de identificação de placas inicia ao receber uma imagem digitalizada contendo um veículo. Desta imagem ele deve ser capaz de identificar, separar, normatizar e enquadrar a imagem da placa do restante do veículo. Com a placa identificada, a tarefa é segmentar os caracteres alfanuméricos referente a identificação da placa. A Técnica de Inteligência Artificial entra em cena quando se inicia o processo de reconhecimento dos caracteres. O reconhecimento de placas de veículos tem inúmeras aplicabilidades, como por exemplo: calcular a permanência de veículos em um estacionamento, automatizar a entrada e saída da frota de uma empresa em seu estacionamento, controlar a entrada de veículos autorizados em algum local, identificar veículos furtados ou irregulares transitando em via pública. A seguir apresentamos as etapas do sistema de identificação de placas de veículos e técnicas de Inteligência Artificial mais utilizada, além de uma breve conclusão da pesquisa.

2 2. Etapas do Sistema de Identificação de Placas de Veículos 2.1. Captura da Imagem A primeira etapa de um sistema de identificação de placas de veículos inicia-se pela captura da imagem. Geralmente estas imagens são capturadas em ambientes externos, sofrendo interferências de alguns fatores como luminância, chuva, reflexos, dentre outros. Observando também que um sistema deste propósito terá finalidade de identificar a placa de veículos em diversos locais e áreas. Outros fatores de relevância são: o tamanho do veículo, da placa e a posição em que foi obtida a imagem. Por esse motivo, a captura da imagem é sempre realizada não só da placa e sim do veículo também, bem como, na maioria dos casos, do ambiente ao seu redor. A captura da imagem pode se dar de diferentes formas, como: câmera filmadora através de vídeo, por fotografias digitais ou ainda fotografias analógicas. A Figura 1 mostra uma imagem monocromática obtida em um ambiente externo. Para um bom resultado do sistema de identificação, as imagens capturadas devem apresentar uma boa qualidade de imagem. O processo de capturada imagem tem como objetivo transformá-la em um padrão digital, onde a imagem digital pode ser considerada como uma matriz. Esta matriz cujos índices de linhas e de colunas identificam um ponto na imagem, e o correspondente valor do elemento da matriz identifica o nível de cinza naquele ponto [Gonzalez e Woods 2000] Pré-processamento da Imagem Objetivo do pré-processamento é melhorar a imagem de forma a aumentar as chances para o sucesso do processo de identificação [Gonzalez e Woods 2000]. Nessa etapa se aplica técnicas que tem como função melhorar a qualidade e utilidade da imagem capturada. Estas melhorias são realizadas por meio de técnicas para eliminação de ruídos, alterações de brilho e contraste. As técnicas de realce de imagens são muito importantes para o processamento digital de imagens. Segundo Marques Filho e Vieira Neto (1999), o principal objetivo das técnicas de realce de imagens é processar uma imagem de modo que a imagem resultante seja mais adequada que a imagem original para a aplicação específica. O realce de imagens pode ser classificado em duas categorias: técnicas de filtragem espacial, que trabalham diretamente sobre a matriz de pixels que é a imagem digital usando operações de convolução com máscaras; e as técnicas de filtragem no domínio da freqüência, que atuam no domínio da freqüência e se baseiam na modificação da transformada de Fourier da imagem. Existem técnicas de filtragem que combinam

3 ambas as abordagens. Para o problema analisado, podemos referenciar as técnicas de filtragem espacial: Histograma: O histograma de uma imagem é considerado um conjunto de números que indicam a quantidade de cada nível de cinza que existe na imagem. Tais valores são apresentados em um gráfico de barras fornecendo para cada nível de cinza sua respectiva quantidade na imagem. O histograma possibilita equilibrar a curva de níveis de cinza realçando o contraste da imagem [Rodrigues 2003]. Por meio do histograma da imagem podemos verificar se uma imagem possui um nível de brilho e contraste adequado, assim podendo dizer se essa imagem é muito clara ou escura. Convolução com Máscaras: É uma técnica utilizada em inúmeras operações de processamento digital de imagens como no filtro passa alta, passa baixa, média, mediana e outros tipos de filtragens. Na convolução, uma matriz de pequenas dimensões chamada máscara ou janela, é espelhada tanto na horizontal quanto na vertical de uma imagem, percorrendo todos os pontos da mesma. Cada vez que a máscara é espelhada em uma região da imagem, os valores dos pixels dessa região são multiplicados pelos valores da máscara, sendo somados e o resultado será o valor do pixel central da máscara. Ao final, será armazenado em uma matriz de mesmas dimensões que a imagem original [Marques Filho e Vieira Neto 1999]. Suavização da Imagem: O objetivo da suavização é tornar os valores dos pixels de uma imagem mais homogêneos. Esse processo utiliza matrizes aplicadas na imagem, as quais são denominadas máscaras. A aplicação delas consiste na substituição do valor do pixel por um novo valor que depende dos valores dos pixels vizinhos e dos pesos da máscara, gerando uma nova imagem [Rodrigues 2003]. As máscaras podem ser de vários tamanhos, dependendo do tamanho da imagem e do ruído. Onde observamos que as bordas dessa imagem produzem o efeito de borramento, mas obtém-se uma imagem mais uniforme. Para a redução de ruído, pode ser aplicado o filtro da mediana, onde cada pixel é substituído pela mediana dos níveis de cinza daquele ponto, resultando em uma melhora das bordas da imagem Localização da Placa do Veículo Nessa etapa ocorre a procura das regiões candidatas à placa, através da imagem capturada e já pré-processada da parte frontal do veículo. O objetivo é conseguir isolar a região da placa do resto da imagem, gerando assim uma imagem reduzida. A imagem resultante ainda pode conter partes do veículo, além de distorções pelo posicionamento do mesmo, que deverão ser corrigidas na etapa de enquadramento. Podemos citar dois métodos de localização da placa: Método baseado na Morfologia dos Caracteres: São considerados vários fatores como os caracteres da placa que possuem espaçamento e altura regular. Uma dificuldade encontrada nesse caso é a existência de outras letras como marca do fabricante, nome do veículo, dentre outras. O conceito é varrer toda a imagem em busca de uma variação tonal, o que significa a diferença de cor da letra e do fundo da placa. Método baseado na Morfologia do Fundo da Placa: É considerado que a placa tem o formato retangular e fundo uniforme. Podendo ser utilizado um detector de bordas e depois um de retas. O conceito é efetuar a segmentação da imagem por meio de uma técnica de detecção de bordas. Após, pode ser utilizado uma técnica para encontrar as

4 arestas da placa do veículo. Sabendo-se que todas as placas no país possuem quatro arestas, sendo duas horizontais e duas verticais e ainda paralelas entre si. Uma vez que são encontradas essas retas, é traçada a região na imagem onde existe a placa, realizando o recorte dessa parte e salvando como outra imagem. Uma outra forma é procurar na imagem regiões que possuam cor e textura semelhantes às de uma placa. Quando encontradas, devem ser processadas para verificar suas características até chegar na que mais se aproxima de uma placa. Métodos Híbridos: misturam os dois métodos anteriormente mencionados para obter uma melhor localização. Após a localização da região da placa não é mais necessário se trabalhar com toda imagem do veículo, somente com a da placa. A segmentação subdivide uma imagem em suas partes ou objetos constituintes, sendo que o nível até o qual essa subdivisão deve ser realizada depende do problema a ser resolvido [Gonzalez e Woods 2000], ou seja, a segmentação deverá parar quando os objetos de interesse na aplicação tiverem sido isolados. Na segmentação, existem dois conceitos que são a similaridade e a descontinuidade. Como estamos trabalhando com imagens monocromáticas, a descontinuidade possui a abordagem de dividir a imagem, baseando-se em alterações bruscas nos níveis de cinza [Gonzalez e Woods 2000]. É possível efetuar, desta forma, a detecção de pontos isolados, bem como a detecção de linhas ou ainda as bordas da imagem. Detecção de pontos isolados: O filtro passa-alta básico pode ser utilizado para detecção de pontos isolados, medindo as diferenças entre um pixel e sua vizinhança de 8. Assim a intensidade de um ponto isolado será muito diferente da sua vizinhança e portanto, será facilmente detectável por essa máscara [Gonzalez e Woods 2010]. Detecção de linhas: Podem existir várias linhas em uma imagem, orientadas a 0º, +45º, -45º, e 90º, essas linhas podem ser detectadas com uma máscara específica. Nessas máscaras a soma de seus coeficientes também é zero, como na detecção de pontos isolados, indicando uma resposta nula em áreas de intensidade constante [Gonzalez e Woods 2010]. Detecção de bordas: Uma borda é o limite entre duas regiões com propriedades relativamente distintas de nível de cinza [Gonzalez e Woods 2000]. A borda pode ser definida como fronteira entre duas regiões cujos níveis de cinza predominantes são diferentes. Pratt (1991) define uma borda de luminosidade como uma descontinuidade na luminosidade de uma imagem. Exemplos de máscaras de detecção de bordas são os operadores de Roberts [Russ 1998], Sobel [Russ 1998] e Prewitt [Ritter e Wilson 1996]. A Figura 2 mostra uma tabela com operadores de Sobel e Prewitt.

5 2.4. Enquadramento Geralmente o posicionamento das câmeras de captura das imagens dos veículos estão com ângulos inapropriados, desalinhadas com as placas dos veículos, devendo assim passar pela fase de enquadramento. Estas imagens, em sua maioria, são captadas com uma distorção de perspectiva. Desta forma ela causará dificuldade de reconhecimento de caracteres. Por meio dos ângulos formados pelas quatro arestas da placa capturada, é possível corrigir a perspectiva da mesma, ajustando a rotação da placa e corrigindo a inclinação dos seus caracteres Separação dos Caracteres Nessa fase a imagem é binarizada, contendo apenas a imagem da placa, submetendo esta a uma técnica de componentes conexos. Este processo consegue delimitar cada caractere e separá-los em imagens individuais para a próxima e última etapa, o reconhecimento. A binarização da imagem é uma tarefa simples, onde, se faz com que a imagem seja representada apenas com cores preto e branca, e somente as letras e números fiquem em destaque. Uma imagem binarizada possui apenas dois valores, que podem ser 0 ou 1, ou seja, preto ou branco. Uma imagem binária é um array lógico de zeros e uns [Gonzalez, Woods e Eddins 2002]. Desta forma, é possível varrer a imagem da placa e separar facilmente os caracteres, salvando cada um em uma imagem individual para posterior reconhecimento. A Figura 3 mostra uma placa enquadrada, binarizada e segmentada Reconhecimento dos Caracteres Com a separação das imagens dos caracteres pronta, o próximo passo é serem reconhecidos. No caso específico da placa de veículos, os três primeiros caracteres são letras, sendo assim processados por uma Rede Neural Artificial classificadora de letras, enquanto os quatro caracteres seguintes são números e serão processados por uma Rede Neural Artificial classificadora de números. Nesta fase de reconhecimento são classificadas as imagens, para cada uma é atribuída uma classe de caractere estimada pela RNA. O conjunto destes resultados geram a informação da placa analisada. O reconhecimento dos caracteres é dividido em duas partes, o treinamento e o reconhecimento dos caracteres. Um dos modelos encontrados de rede neural adotado para o reconhecimento dos caracteres foi o Multi-Layer Perceptron - MLP [Bishop 1995] [Haykin 1999]. Para realizar o treinamento desta RNA foi utilizado o algoritmo "Backpropagation".

6 3. Rede Neural Artificial 3.1. Conceito de Rede Neural Artificial Uma rede neural é um processador massivo paralelo distribuído feito de simples unidades de processamentos que tem uma propensão para armazenar conhecimentos experimentais e disponibilizá-los para futuro uso [Haykin 1999]. As redes Neurais Artificiais podem solucionar, principalmente, problemas da ordem de classificação, categorização (clustering), o reconhecimento de padrões e a previsão. A classificação tenta relacionar elementos a uma classe, dentre um conjunto finito e prédefinidos. Neste método é preciso se conhecer as classes e a correta classificação dos exemplos usados na modelagem. No caso do reconhecimento de placas de veículos a classificação automática de caracteres é uma aplicação deste método, onde se deseja relacionar a imagem da letra ou número com a classe correspondente. A categorização busca similaridades entre dados que permita definir um conjunto finito de classes ou categorias, sem um conhecimento prévio de número de classes possíveis e pertinência de exemplos usados na modelagem. Esta solução é muito usada em data mining para separar categorias equivalentes de dados em um conjunto [Haykin 1999]. O reconhecimento de padrões consiste na associação do padrão corrente ao padrão representativo de uma entidade previamente armazenada. Podem ser encontrados exemplos no reconhecimento biométrico de face, voz, digital e retina. A previsão é muito utilizada para prever comportamentos ou valores futuros com base em valores anteriormente armazenados e relacionados a ela. São exemplos de uso a previsão da Bolsa de Valores e a climática. Em 1958, Rosemblat propôs, em seu livro "Principles of Neurodynamics", o modelo de neurônio perceptron. Este modelo apresentava u método inovador de aprendizado supervisionado, onde pesos do neurônio seriam modificados por um processo em que exemplos do problema seriam responsáveis pelo ajuste dos pesos de cada entrada a partir do resultado da ativação comparado com uma saída esperada. Este processo permitiu que se iniciassem o aprendizado com entradas diferentes da binária, mas as saídas do neurônio continuassem iguais. Neste modelo as saídas só forneciam informações de ativado ou desativado e limitava as redes neurais a uma camada apenas. Porem, mais tarde, forma introduzidas funções de ativação que pudesse assumir valores diferentes de zero e um, como as lineares de rampa e linear pura, além das funções nãolineares como a gaussiana e as sigmoidais e da função degrau. A função de ativação linear pura foi criada para problemas em que as saídas podem assumir quaisquer valores entre menos infinito e mais infinito, sendo muito usada para estimadores temporais e ajuste de curvas. A função rampa foi a primeira a ser usada para classificadores, e permitia valores reais entre os valores de saturação. A função degrau é uma adaptação da função binária usada nos primeiros perceptrons, sendo ajustada a faixas de valores diversas. As funções de ativação gaussiana e as sigmoidais são usadas quase que exclusivamente em classificadores. Por serem não-lineares possuem uma grande capacidade de divisão de grupos. Com estas novas funções de ativação, o perceptron pode ser usado em redes neurais artificiais multi-camadas.

7 As Redes Neurais Artificiais tem como uma das suas principais vantagens a capacidade de aprendizado, que permite a ela encontrar soluções em problemas nos quais a capacidade lógica sozinha não resolveria. O aprendizado pode ser definido como a adaptação do conhecimento da rede para que esta responda de maneira correta aos estímulos do ambiente. Existem vários tipos de algoritmos de aprendizado, que se diferem basicamente pela maneira que os pesos dos neurônios são ajustados. Podem ser divididos em uma separação primaria em algoritmos de aprendizado supervisionado e não-supervisionado. O aprendizado supervisionado utiliza um conjunto de entradas e saídas esperadas, denominados massa de treino. Esses parâmetros são ajustados pelo coeficiente de erro, calculado pela diferença entre a saída gerada e a entrada e saída esperada. Ajustando os pesos até que seja interrompido. O principal representante do aprendizado supervisionado é o algoritmo de treinamento baseado em erros, ou delta-rule, no qual o algoritmo Backpropagation é baseado. O Backpropagation é o algoritmo de treinamento utilizado pelas redes neurais do tipo Multi-Layer Perceptron - MLP. No aprendizado não supervisionado, a saida esperada, se existir, não é usada para o ajuste dos pesos, sendo necessário a utilização de outros métodos para direcionar o treinamento da rede. Alguns algoritmos são o Hebbiano e o Competitivo. Eles atuam fortalecendo as ligações que apresentam as melhores respostas a uma dada entrada, se utilizando de métodos heurísticos. As Redes Neurais Artificiais podem ser classificadas pelo numero de camadas, pelo tipo de conexão entre as camadas e o tipo de conectividade entre os neurônios. A variação desta parametrização interfere no aprendizado e também no tipo de problema que a rede neural pode resolver. Quanto ao numero de camadas, as redes podem assumir uma única camada ou múltiplas. A camada é formada por um numero de neurônios em paralelo, cada qual com um numero de entradas qualquer e um numero de saídas igual a quantidade de neurônios da camada. Para redes com múltiplas camadas, as saídas dos neurônios serão as entradas dos neurônios da próxima camada Multi-Layer Perceptron - MLP Uma rede MLP pode ser definida como uma rede com múltiplas camadas, acíclica e completamente conectada, sendo uma das arquiteturas mais utilizadas em problemas de classificação. Para Haykin (1999) a rede MLP possui três características: Primeiro, a rede MLP deve conter uma função de ativação não-linear em todo o intervalo da aplicação, como é o caso das sigmoidais. Segundo, deve conter um ou mais neurônios escondidos que não fazem parte das camadas de entrada ou de saída da rede, fazendo com que a rede aprenda tarefas complexas. Terceiro, deve apresentar um alto grau de conectividade.

8 3.3. Algoritmo Backpropagation A Figura 4 mostra uma MLP com Backpropagation. A aprendizagem do MLP é feita pelo algoritmo backpropagation, que usa o aprendizado por correção de erros. Este algoritmo consegue propagar a informação do erro da camada de saída para as camadas escondidas, sendo reconhecido como uma generalização do filtro adaptativo least-mean-square. O Backpropagation consiste em duas etapas: o forward pass e o backward pass. Basicamente o algoritmo realiza um processo equivalente ao feedforward, onde as entradas são processadas pelas camadas em sequencia, e a saida é obtida na ultima camada. Esta saída é subtraída da saída esperada, o resultando é a informação do erro. Depois este erro é propagado no sentido contrário, ajustando os pesos do processo. Este processo continua até que uma condição de parada seja alcançada. 4. Conclusões Durante o processo de levantamento de material bibliográfico pudemos perceber uma vasta combinação de métodos de pré-processamento de imagens e diversas formas de emprego de Inteligência Artificial, muitas delas foram adaptadas e compostas. Dentre as principais contribuições podemos citar as Técnicas de Segmentação de Imagem, Detecção de Bordas, Detecção de Pontos Isolados, que tiveram tarefas como a de localizar a placa sobre a imagens captadas, segmentar a placa na imagem, enquadrar a placa, localizar as letras e números, recortar os símbolos e efetuar o reconhecimento de caracteres por Redes Neurais Artificiais com Multi-Layer Perceptron. Nos estudos de caso, onde foram desenvolvidos soluções a partir dos processos neste artigo citados, os resultados apresentados mostraram uma eficiência de 100%, em se tratando de imagens com resolução e qualidade aceitável. Contudo, não existe um modelo genérico para percepção visual a ser aplicado na prática, o que se utiliza são técnicas de processamento de imagens e redes neurais para modelar ou imitar a visão biológica, utilizando um conjunto de algoritmos específicos para resolver um problema específico.

9 5. Referências Bishop, C. M. (1995). Neural Networks for Pattern Recognition, Oxford University Press. Gonzalez, R. C.; Woods, R. E. (2000). Processamento de Imagens Digitais. SP: Edgard Blucher. Gonzalez, R. C.; Woods, R. E. (2010). Processamento Digital de Imagens. 3.ed. São Paulo: Pearson. Gonzalez, R. C.; Woods, R. E; Eddins, S. L. (2002). Digital Image processing using MATLAB. Upper Saddle River, N.J: Prentice Hall. Haykin, S. (1999). Neural Networks: A Comprehensive Foundation, Prentice Hall. Marques Filho, O; Vieira Neto, H. (1999). Processamento Digital de Imagens. RJ: Brasport. Pratt, W. K. (1991). Digital Image Processing, 2.ed. Wiley Interscience. Ritter, G. X. e Wilson, J. N. (1996). Handbook of Computer Vision Algorithms in Image Algebra. Rodrigues, R. J. (2003). Segmentação e Extração de Características para Reconhecimento Automático de Caracteres - Estudo e Propostas. (Dissertação de Mestrado). Universidade Federal do Rio de Janeiro. Rio de Janeiro-RJ. Rosenblatt, F. (1958). Principles of Neurodynamicas, New York, Spartan Books. Russ, J. C. (1998). The image processing handbook - 3.ed. Materials Science and Engineering Department North Carolina State University Raleigh - North Carolina. Russel, Stuart e Norvig, Peter. (1995). Artificial Intelligence - A Modern Approch, Prentice Hall, New Jersey.

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

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

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

Filtragem. pixel. perfil de linha. Coluna de pixels. Imagem. Linha. Primeiro pixel na linha

Filtragem. pixel. perfil de linha. Coluna de pixels. Imagem. Linha. Primeiro pixel na linha Filtragem As técnicas de filtragem são transformações da imagem "pixel" a "pixel", que dependem do nível de cinza de um determinado "pixel" e do valor dos níveis de cinza dos "pixels" vizinhos, na imagem

Leia mais

Complemento II Noções Introdutória em Redes Neurais

Complemento II Noções Introdutória em Redes Neurais Complemento II Noções Introdutória em Redes Neurais Esse documento é parte integrante do material fornecido pela WEB para a 2ª edição do livro Data Mining: Conceitos, técnicas, algoritmos, orientações

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

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

Operações Algébricas e Lógicas. Guillermo Cámara-Chávez

Operações Algébricas e Lógicas. Guillermo Cámara-Chávez Operações Algébricas e Lógicas Guillermo Cámara-Chávez Operações Aritméticas São aquelas que produzem uma imagem que é a soma, diferença, produto ou quociente pixel a pixel Operações Aritméticas Fig A

Leia mais

3 Metodologia de Previsão de Padrões de Falha

3 Metodologia de Previsão de Padrões de Falha 3 Metodologia de Previsão de Padrões de Falha Antes da ocorrência de uma falha em um equipamento, ele entra em um regime de operação diferente do regime nominal, como descrito em [8-11]. Para detectar

Leia mais

Filtragem Espacial. (Processamento Digital de Imagens) 1 / 41

Filtragem Espacial. (Processamento Digital de Imagens) 1 / 41 Filtragem Espacial (Processamento Digital de Imagens) 1 / 41 Filtragem Espacial Filtragem espacial é uma das principais ferramentas usadas em uma grande variedade de aplicações; A palavra filtro foi emprestada

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

Figura 5.1.Modelo não linear de um neurônio j da camada k+1. Fonte: HAYKIN, 2001

Figura 5.1.Modelo não linear de um neurônio j da camada k+1. Fonte: HAYKIN, 2001 47 5 Redes Neurais O trabalho em redes neurais artificiais, usualmente denominadas redes neurais ou RNA, tem sido motivado desde o começo pelo reconhecimento de que o cérebro humano processa informações

Leia mais

Redes Neurais. Profa. Flavia Cristina Bernardini

Redes Neurais. Profa. Flavia Cristina Bernardini Redes Neurais Profa. Flavia Cristina Bernardini Introdução Cérebro & Computador Modelos Cognitivos Diferentes Cérebro Computador Seqüência de Comandos Reconhecimento de Padrão Lento Rápido Rápido Lento

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

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

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

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

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

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

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

IC Inteligência Computacional Redes Neurais. Redes Neurais

IC Inteligência Computacional Redes Neurais. Redes Neurais Universidade Federal do Rio de Janeiro PÓS-GRADUAÇÃO / 2008-2 IC Inteligência Computacional Redes Neurais www.labic.nce.ufrj.br Antonio G. Thomé thome@nce.ufrj.br Redes Neurais São modelos computacionais

Leia mais

PALAVRAS-CHAVE: Massas Nodulares, Classificação de Padrões, Redes Multi- Layer Perceptron.

PALAVRAS-CHAVE: Massas Nodulares, Classificação de Padrões, Redes Multi- Layer Perceptron. 1024 UMA ABORDAGEM BASEADA EM REDES PERCEPTRON MULTICAMADAS PARA A CLASSIFICAÇÃO DE MASSAS NODULARES EM IMAGENS MAMOGRÁFICAS Luan de Oliveira Moreira¹; Matheus Giovanni Pires² 1. Bolsista PROBIC, Graduando

Leia mais

Matlab - Neural Networw Toolbox. Ana Lívia Soares Silva de Almeida

Matlab - Neural Networw Toolbox. Ana Lívia Soares Silva de Almeida 27 de maio de 2014 O que é a Neural Networw Toolbox? A Neural Network Toolbox fornece funções e aplicativos para a modelagem de sistemas não-lineares complexos que não são facilmente modelados com uma

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

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

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

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

SEGEMENTAÇÃO DE IMAGENS. Nielsen Castelo Damasceno

SEGEMENTAÇÃO DE IMAGENS. Nielsen Castelo Damasceno SEGEMENTAÇÃO DE IMAGENS Nielsen Castelo Damasceno Segmentação Segmentação Representação e descrição Préprocessamento Problema Aquisição de imagem Base do conhecimento Reconhecimento e interpretação Resultado

Leia 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

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

UNISINOS - UNIVERSIDADE DO VALE DO RIO DOS SINOS

UNISINOS - UNIVERSIDADE DO VALE DO RIO DOS SINOS UNISINOS - UNIVERSIDADE DO VALE DO RIO DOS SINOS Curso: Informática Disciplina: Redes Neurais Prof. Fernando Osório E-mail: osorio@exatas.unisinos.br EXEMPLO DE QUESTÕES DE PROVAS ANTIGAS 1. Supondo que

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

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

RENATO DE FREITAS LARA. Departamento de Ciência da Computação - Universidade Presidente Antônio Carlos (UNIPAC) - Barbacena - MG Brasil

RENATO DE FREITAS LARA. Departamento de Ciência da Computação - Universidade Presidente Antônio Carlos (UNIPAC) - Barbacena - MG Brasil RECONHECIMENTO DE CADEIAS DE NÚMEROS NAS ETIQUETAS IDENTIFICADORAS DOS BLOCOS DE AÇO, UTILIZANDO PROCESSAMENTO DIGITAL DE IMAGENS E REDES NEURAIS ARTIFICIAIS RENATO DE FREITAS LARA Departamento de Ciência

Leia mais

UNIVERSIDADE FEDERAL DE SANTA CATARINA

UNIVERSIDADE FEDERAL DE SANTA CATARINA UNIVERSIDADE FEDERAL DE SANTA CATARINA CIÊNCIAS DA COMPUTAÇÃO MÁQUINAS DE COMITÊ APLICADAS À FILTRAGEM DE SPAM Monografia submetida à UNIVERSIDADE FEDERAL DE SANTA CATARINA para a obtenção do grau de BACHAREL

Leia mais

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

Aula 2 RNA Arquiteturas e Treinamento

Aula 2 RNA Arquiteturas e Treinamento 2COP229 Aula 2 RNA Arquiteturas e Treinamento 2COP229 Sumário 1- Arquiteturas de Redes Neurais Artificiais; 2- Processos de Treinamento; 2COP229 1- Arquiteturas de Redes Neurais Artificiais -Arquitetura:

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

Universidade Federal do Rio de Janeiro. Escola Politécnica. Departamento de Eletrônica e de Computação

Universidade Federal do Rio de Janeiro. Escola Politécnica. Departamento de Eletrônica e de Computação Universidade Federal do Rio de Janeiro Escola Politécnica Departamento de Eletrônica e de Computação Reconhecimento de Caracteres de Placa Veicular Usando Redes Neurais Autor: Orientador: Allan Almeida

Leia mais

PROCESSAMENTO DIGITAL DE IMAGENS

PROCESSAMENTO DIGITAL DE IMAGENS PROCESSAMENTO DIGITAL DE IMAGENS Msc. Daniele Carvalho Oliveira Doutoranda em Ciência da Computação - UFU Mestre em Ciência da Computação UFU Bacharel em Ciência da Computação - UFJF FILTRAGEM ESPACIAL

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

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

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

Aplicações Práticas com Redes Neurais Artificiais em Java

Aplicações Práticas com Redes Neurais Artificiais em Java com em Java Luiz D Amore e Mauro Schneider JustJava 2009 17 de Setembro de 2009 Palestrantes Luiz Angelo D Amore luiz.damore@metodista.br Mauro Ulisses Schneider mauro.schneider@metodista.br http://blog.mauros.org

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

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

Processamento de Imagem. Prof. Herondino

Processamento de Imagem. Prof. Herondino Processamento de Imagem Prof. Herondino Sensoriamento Remoto Para o Canada Centre for Remote Sensing - CCRS (2010), o sensoriamento remoto é a ciência (e em certa medida, a arte) de aquisição de informações

Leia mais

Previsão do Mercado de Ações Brasileiro utilizando Redes Neurais Artificiais

Previsão do Mercado de Ações Brasileiro utilizando Redes Neurais Artificiais Previsão do Mercado de Ações Brasileiro utilizando Redes Neurais Artificiais Elisângela Lopes de Faria (a) Marcelo Portes Albuquerque (a) Jorge Luis González Alfonso (b) Márcio Portes Albuquerque (a) José

Leia mais

Do neurônio biológico ao neurônio das redes neurais artificiais

Do neurônio biológico ao neurônio das redes neurais artificiais Do neurônio biológico ao neurônio das redes neurais artificiais O objetivo desta aula é procurar justificar o modelo de neurônio usado pelas redes neurais artificiais em termos das propriedades essenciais

Leia mais

Projeto de Redes Neurais e MATLAB

Projeto de Redes Neurais e MATLAB Projeto de Redes Neurais e MATLAB Centro de Informática Universidade Federal de Pernambuco Sistemas Inteligentes IF684 Arley Ristar arrr2@cin.ufpe.br Thiago Miotto tma@cin.ufpe.br Baseado na apresentação

Leia mais

UNIVERSIDADE FEDERAL DE SANTA CATARINA GRADUAÇÃO EM SISTEMAS DE INFORMAÇÃO DEPARTAMENTO DE INFORMÁTICA E ESTATÍSTICA DATA MINING EM VÍDEOS

UNIVERSIDADE FEDERAL DE SANTA CATARINA GRADUAÇÃO EM SISTEMAS DE INFORMAÇÃO DEPARTAMENTO DE INFORMÁTICA E ESTATÍSTICA DATA MINING EM VÍDEOS UNIVERSIDADE FEDERAL DE SANTA CATARINA GRADUAÇÃO EM SISTEMAS DE INFORMAÇÃO DEPARTAMENTO DE INFORMÁTICA E ESTATÍSTICA DATA MINING EM VÍDEOS VINICIUS DA SILVEIRA SEGALIN FLORIANÓPOLIS OUTUBRO/2013 Sumário

Leia mais

Segmentação de Imagens

Segmentação de Imagens Segmentação de Imagens (Processamento Digital de Imagens) 1 / 36 Fundamentos A segmentação subdivide uma imagem em regiões ou objetos que a compõem; nível de detalhe depende do problema segmentação para

Leia 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

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

Classificação de Imagens

Classificação de Imagens Universidade do Estado de Santa Catarina Departamento de Engenharia Civil Classificação de Imagens Profa. Adriana Goulart dos Santos Extração de Informação da Imagem A partir de uma visualização das imagens,

Leia mais

UNISEB COC - CENTRO UNIVERSITÁRIO TRABALHO DE CONCLUSÃO DE CURSO BACHARELADO ENGENHARIA DE COMPUTAÇÃO SISTEMA DE RECONHECIMENTO DE PLACAS DE VEÍCULOS

UNISEB COC - CENTRO UNIVERSITÁRIO TRABALHO DE CONCLUSÃO DE CURSO BACHARELADO ENGENHARIA DE COMPUTAÇÃO SISTEMA DE RECONHECIMENTO DE PLACAS DE VEÍCULOS UNISEB COC - CENTRO UNIVERSITÁRIO TRABALHO DE CONCLUSÃO DE CURSO BACHARELADO ENGENHARIA DE COMPUTAÇÃO SISTEMA DE RECONHECIMENTO DE PLACAS DE VEÍCULOS Rômulo Estevan Fernandes Orientador: Prof. Me. Paulo

Leia mais

Redes Neurais. A IA clássica segue o paradigma da computação simbólica

Redes Neurais. A IA clássica segue o paradigma da computação simbólica Abordagens não simbólicas A IA clássica segue o paradigma da computação simbólica Redes Neurais As redes neurais deram origem a chamada IA conexionista, pertencendo também a grande área da Inteligência

Leia mais

Aprendizagem de Máquina

Aprendizagem de Máquina Aprendizagem de Máquina Alessandro L. Koerich Programa de Pós-Graduação em Informática Pontifícia Universidade Católica do Paraná (PUCPR) Horários Aulas Sala [quinta-feira, 7:30 12:00] Atendimento Segunda

Leia mais

Reconhecimento Automático de Placas Veiculares

Reconhecimento Automático de Placas Veiculares Reconhecimento Automático de Placas Veiculares Luismar Sebastião Ferreira * * UniverCidade (Centro Universitário da Cidade do Rio de Janeiro) Núcleo de Projetos e Pesquisa em Aplicações Computacionais

Leia mais

Uma aplicação de Inteligência Computacional e Estatística Clássica na Previsão do Mercado de Seguros de Automóveis Brasileiro

Uma aplicação de Inteligência Computacional e Estatística Clássica na Previsão do Mercado de Seguros de Automóveis Brasileiro Uma aplicação de Inteligência Computacional e Estatística Clássica na Previsão do Mercado de Seguros de Automóveis Brasileiro Tiago Mendes Dantas t.mendesdantas@gmail.com Departamento de Engenharia Elétrica,

Leia mais

3DODYUDVFKDYH Visão Computacional, Inteligência Artificial, Redes Neurais Artificiais.

3DODYUDVFKDYH Visão Computacional, Inteligência Artificial, Redes Neurais Artificiais. 80,7(0$'(9, 23$5$5(&21+(&,0(172'(3(d$(080 7$%8/(,52'(;$'5(= Sérgio Faustino Ribeiro Juracy Emanuel M. da França Marcelo Alves de Barros José Homero Feitosa Cavalcanti Universidade Federal da Paraíba CCT/COPIN/NEUROLAB-CT/DTM

Leia 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

TÍTULO: PROPOSTA DE METODOLOGIA BASEADA EM REDES NEURAIS ARTIFICIAIS MLP PARA A PROTEÇÃO DIFERENCIAL DE TRANSFORMADORES DE POTÊNCIA

TÍTULO: PROPOSTA DE METODOLOGIA BASEADA EM REDES NEURAIS ARTIFICIAIS MLP PARA A PROTEÇÃO DIFERENCIAL DE TRANSFORMADORES DE POTÊNCIA TÍTULO: PROPOSTA DE METODOLOGIA BASEADA EM REDES NEURAIS ARTIFICIAIS MLP PARA A PROTEÇÃO DIFERENCIAL DE TRANSFORMADORES DE POTÊNCIA CATEGORIA: CONCLUÍDO ÁREA: ENGENHARIAS E ARQUITETURA SUBÁREA: ENGENHARIAS

Leia mais

PROCESSAMENTO DIGITAL DE IMAGENS

PROCESSAMENTO DIGITAL DE IMAGENS PROCESSAMENTO DIGITAL DE IMAGENS Motivado por duas principais aplicações: Melhorar a informação da imagem para interpretação humana Processamento de cenas para percepção de máquinas (Visão Computacional)

Leia mais

VISÃO COMPUTACIONAL COM A OPENCV MATERIAL APOSTILADO E VEÍCULO SEGUIDOR AUTÔNOMO. Professora da Escola de Engenharia Mauá (EEM/CEUN-IMT).

VISÃO COMPUTACIONAL COM A OPENCV MATERIAL APOSTILADO E VEÍCULO SEGUIDOR AUTÔNOMO. Professora da Escola de Engenharia Mauá (EEM/CEUN-IMT). VISÃO COMPUTACIONAL COM A OPENCV MATERIAL APOSTILADO E VEÍCULO SEGUIDOR AUTÔNOMO Riccardo Luigi Delai 1 ; Alessandra Dutra Coelho 2 1 Aluno de Iniciação Científica da Escola de Engenharia Mauá (EEM/CEUN-IMT);

Leia mais

Reconhecimento de marcas de carros utilizando Inteligência Artificial. André Bonna Claudio Marcelo Basckeira Felipe Villela Lourenço Richard Keller

Reconhecimento de marcas de carros utilizando Inteligência Artificial. André Bonna Claudio Marcelo Basckeira Felipe Villela Lourenço Richard Keller Reconhecimento de marcas de carros utilizando Inteligência Artificial André Bonna Claudio Marcelo Basckeira Felipe Villela Lourenço Richard Keller Motivação Análise estatística das marcas de carros em

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

Processamento digital de imagens. introdução

Processamento digital de imagens. introdução Processamento digital de imagens introdução Imagem digital Imagem digital pode ser descrita como uma matriz bidimensional de números inteiros que corresponde a medidas discretas da energia eletromagnética

Leia mais

Revisão Inteligência Artificial ENADE. Prof a Fabiana Lorenzi Outubro/2011

Revisão Inteligência Artificial ENADE. Prof a Fabiana Lorenzi Outubro/2011 Revisão Inteligência Artificial ENADE Prof a Fabiana Lorenzi Outubro/2011 Representação conhecimento É uma forma sistemática de estruturar e codificar o que se sabe sobre uma determinada aplicação (Rezende,

Leia mais

MLP (Multi Layer Perceptron)

MLP (Multi Layer Perceptron) MLP (Multi Layer Perceptron) André Tavares da Silva andre.silva@udesc.br Roteiro Rede neural com mais de uma camada Codificação de entradas e saídas Decorar x generalizar Perceptron Multi-Camada (MLP -

Leia mais

Inteligência Artificial. Redes Neurais Artificiais

Inteligência Artificial. Redes Neurais Artificiais Curso de Especialização em Sistemas Inteligentes Aplicados à Automação Inteligência Artificial Redes Neurais Artificiais Aulas Práticas no Matlab João Marques Salomão Rodrigo Varejão Andreão Matlab Objetivos:

Leia mais

Previsão do Índice da Bolsa de Valores do Estado de São Paulo utilizandoredes Neurais Artificiais

Previsão do Índice da Bolsa de Valores do Estado de São Paulo utilizandoredes Neurais Artificiais Previsão do Índice da Bolsa de Valores do Estado de São Paulo utilizandoredes Neurais Artificiais Redes Neurais Artificiais Prof. Wilian Soares João Vitor Squillace Teixeira Ciência da Computação Universidade

Leia mais

RECONHECIMENTO DE ACORDES MUSICAIS: UMA ABORDAGEM VIA PERCEPTRON MULTICAMADAS

RECONHECIMENTO DE ACORDES MUSICAIS: UMA ABORDAGEM VIA PERCEPTRON MULTICAMADAS Mecánica Computacional Vol XXIX, págs 9169-9175 (artículo completo) Eduardo Dvorkin, Marcela Goldschmit, Mario Storti (Eds) Buenos Aires, Argentina, 15-18 Noviembre 2010 RECONHECIMENTO DE ACORDES MUSICAIS:

Leia mais

CENTRO UNIVERSITÁRIO UNISEB TRABALHO DE CONCLUSÃO DE CURSO BACHARELADO EM CIÊNCIA DA COMPUTAÇÂO

CENTRO UNIVERSITÁRIO UNISEB TRABALHO DE CONCLUSÃO DE CURSO BACHARELADO EM CIÊNCIA DA COMPUTAÇÂO CENTRO UNIVERSITÁRIO UNISEB TRABALHO DE CONCLUSÃO DE CURSO BACHARELADO EM CIÊNCIA DA COMPUTAÇÂO RECONHECIMENTO AUTOMÁTICO DE PLACAS DE VEÍCULOS UTILIZANDO PROCESSAMENTO DIGITAL DE IMAGENS E INTELIGÊNCIA

Leia mais

MORFOLOGIA MATEMÁTICA APLICADA A RECONHECIMENTO DE PLACAS DE AUTOMÓVEIS

MORFOLOGIA MATEMÁTICA APLICADA A RECONHECIMENTO DE PLACAS DE AUTOMÓVEIS MORFOLOGIA MATEMÁTICA APLICADA A RECONHECIMENTO DE PLACAS DE AUTOMÓVEIS Paulo Madruga UNIBRATEC Av. Beira Mar, 220, Ap 111 Piedade J. dos Guararapes - PE madruga@unibratec.com.br Sérgio de Sá Leitão Paiva

Leia mais

)LJXUD8PGRVSDUHV'SDUDFRQYROXomRTXHWHPRPHVPRHIHLWRGR NHUQHOGD)LJXUD

)LJXUD8PGRVSDUHV'SDUDFRQYROXomRTXHWHPRPHVPRHIHLWRGR NHUQHOGD)LJXUD )LOWURJDXVVLDQR O filtro Gaussiano pode ser usado como um filtro SDVVDEDL[D. Usando a função Gaussiana para obter valores de uma máscara a ser definida digitalmente. O Filtro de Gaussiano em 1-D tem a

Leia 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

A metodologia utilizada neste trabalho consiste basicamente de três etapas: ensaio, pré-processamento e simulações.

A metodologia utilizada neste trabalho consiste basicamente de três etapas: ensaio, pré-processamento e simulações. SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA GCE 20 14 a 17 Outubro de 2007 Rio de Janeiro - RJ GRUPO XIV GRUPO DE ESTUDO DE CONSERVAÇÃO DE ENERGIA ELÉTRICA UTILIZAÇÃO DE REDES

Leia mais

Sensoriamento Remoto

Sensoriamento Remoto Sensoriamento Remoto É a utilização conjunta de modernos sensores, equipamentos para processamento de dados, equipamentos de transmissão de dados, aeronaves, espaçonaves etc, com o objetivo de estudar

Leia mais

PROTÓTIPO DE SOFTWARE PARA APRENDIZAGEM DE REDES NEURAIS ARTIFICIAIS

PROTÓTIPO DE SOFTWARE PARA APRENDIZAGEM DE REDES NEURAIS ARTIFICIAIS Anais do XXXIV COBENGE. Passo Fundo: Ed. Universidade de Passo Fundo, Setembro de 2006. ISBN 85-7515-371-4 PROTÓTIPO DE SOFTWARE PARA APRENDIZAGEM DE REDES NEURAIS ARTIFICIAIS Rejane de Barros Araújo rdebarros_2000@yahoo.com.br

Leia mais

PROCESSO DE RECONHECIMENTO NÃO SUPERVISIONADO DE ÁREAS DE ESTACIONAMENTO

PROCESSO DE RECONHECIMENTO NÃO SUPERVISIONADO DE ÁREAS DE ESTACIONAMENTO UNIVERSIDADE PRESBITERIANA MACKENZIE MESTRADO EM ENGENHARIA ELÉTRICA Antonio Henrique Mexas PROCESSO DE RECONHECIMENTO NÃO SUPERVISIONADO DE ÁREAS DE ESTACIONAMENTO SÃO PAULO 2014 UNIVERSIDADE PRESBITERIANA

Leia mais

Pós-Graduação em Engenharia Elétrica Inteligência Artificial

Pós-Graduação em Engenharia Elétrica Inteligência Artificial Pós-Graduação em Engenharia Elétrica Inteligência Artificial João Marques Salomão Rodrigo Varejão Andreão Inteligência Artificial Definição (Fonte: AAAI ): "the scientific understanding of the mechanisms

Leia mais

4 Segmentação. 4.1. Algoritmo proposto

4 Segmentação. 4.1. Algoritmo proposto 4 Segmentação Este capítulo apresenta primeiramente o algoritmo proposto para a segmentação do áudio em detalhes. Em seguida, são analisadas as inovações apresentadas. É importante mencionar que as mudanças

Leia mais

FUNDAÇÃO DE APOIO AO ENSINO TÉCNICO DO ESTADO DO RIO DE JANEIRO FAETERJ Petrópolis Área de Extensão PLANO DE CURSO

FUNDAÇÃO DE APOIO AO ENSINO TÉCNICO DO ESTADO DO RIO DE JANEIRO FAETERJ Petrópolis Área de Extensão PLANO DE CURSO FUNDAÇÃO DE APOIO AO ENINO TÉCNICO DO ETADO DO RIO DE JANEIRO PLANO DE CURO 1. Identificação Curso de Extensão: INTRODUÇÃO AO ITEMA INTELIGENTE Professor Regente: José Carlos Tavares da ilva Carga Horária:

Leia mais

UFGD FCA PROF. OMAR DANIEL BLOCO 6 CLASSIFICAÇÃO DE IMAGENS

UFGD FCA PROF. OMAR DANIEL BLOCO 6 CLASSIFICAÇÃO DE IMAGENS UFGD FCA PROF. OMAR DANIEL BLOCO 6 CLASSIFICAÇÃO DE IMAGENS Obter uma imagem temática a partir de métodos de classificação de imagens multi- espectrais 1. CLASSIFICAÇÃO POR PIXEL é o processo de extração

Leia mais

GERENCIAMENTO DO CONHECIMENTO NA EMPRESA DIGITAL

GERENCIAMENTO DO CONHECIMENTO NA EMPRESA DIGITAL Capítulo 10 GERENCIAMENTO DO CONHECIMENTO NA EMPRESA DIGITAL 10.1 2003 by Prentice Hall OBJETIVOS Por que hoje as empresas necessitam de programas de gestão do conhecimento e sistemas para gestão do conhecimento?

Leia mais

OTIMIZAÇÃO DE REDES NEURAIS PARA PREVISÃO DE SÉRIES TEMPORAIS

OTIMIZAÇÃO DE REDES NEURAIS PARA PREVISÃO DE SÉRIES TEMPORAIS OTIMIZAÇÃO DE REDES NEURAIS PARA PREVISÃO DE SÉRIES TEMPORAIS Trabalho de Conclusão de Curso Engenharia da Computação Adélia Carolina de Andrade Barros Orientador: Prof. Dr. Adriano Lorena Inácio de Oliveira

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

Revista Hispeci & Lema On Line ano III n.3 nov. 2012 ISSN 1980-2536 unifafibe.com.br/hispecielemaonline Centro Universitário UNIFAFIBE Bebedouro-SP

Revista Hispeci & Lema On Line ano III n.3 nov. 2012 ISSN 1980-2536 unifafibe.com.br/hispecielemaonline Centro Universitário UNIFAFIBE Bebedouro-SP Reconhecimento de face utilizando banco de imagens monocromáticas e coloridas através dos métodos da análise do componente principal (PCA) e da Rede Neural Artificial (RNA) [Recognition to face using the

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

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

SOFTWARE PARA IDENTIFICAÇÃO E CLASSIFICAÇÃO DE CÉLULAS DO ENDOTÉLIO CORNEANO DESENVOLVIDO PARA DISPOSITIVOS MÓVEIS

SOFTWARE PARA IDENTIFICAÇÃO E CLASSIFICAÇÃO DE CÉLULAS DO ENDOTÉLIO CORNEANO DESENVOLVIDO PARA DISPOSITIVOS MÓVEIS 221 SOFTWARE PARA IDENTIFICAÇÃO E CLASSIFICAÇÃO DE CÉLULAS DO ENDOTÉLIO CORNEANO DESENVOLVIDO PARA DISPOSITIVOS MÓVEIS Jean-Jacques S. De Groote - Prof. Dr. do Centro Universitário Uniseb de Ribeirão Preto.

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

Thales Trigo. Formatos de arquivos digitais

Thales Trigo. Formatos de arquivos digitais Esse artigo sobre Formatos de Arquivos Digitais é parte da Tese de Doutoramento do autor apresentada para a obtenção do titulo de Doutor em Engenharia Elétrica pela Escola Politécnica da USP. Thales Trigo

Leia mais

VCA Treinamento em Algoritmo

VCA Treinamento em Algoritmo Conteúdo VCA Treinamento em Algoritmo VCA Treinamento em Algoritmo Conteúdo Algoritmos Rastreador (tracker) Monitoramento Objeto Abandonado/Removido Pessoas Calibração Classificação Linha de contagem Auto

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

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

Redução de imagem no domínio espacial

Redução de imagem no domínio espacial Faculdade de Engenharia da Universidade do Porto Licenciatura em Engenharia Electrotécnica e de Computadores 5º Ano, 1º Semestre Televisão Digital - 2002/2003 Redução de imagem no domínio espacial Armando

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

TÓPICOS AVANÇADOS EM ENGENHARIA DE SOFTWARE

TÓPICOS AVANÇADOS EM ENGENHARIA DE SOFTWARE TÓPICOS AVANÇADOS EM ENGENHARIA DE SOFTWARE Engenharia de Computação Professor: Rosalvo Ferreira de Oliveira Neto Estudos Comparativos Recentes - Behavior Scoring Roteiro Objetivo Critérios de Avaliação

Leia mais