Avaliação de desempenho de detectores de bordas em imagens ruidosas
|
|
- Martín Garrau Balsemão
- 6 Há anos
- Visualizações:
Transcrição
1 Avaliação de desempenho de detectores de bordas em imagens ruidosas Carolina Toledo Ferraz, Raissa Tavares Vieira, Virgílio de Melo Langoni, Adilson Gonzaga Departamento de Engenharia Elétrica - EESC/USP Av. Trabalhador São Carlense, , São Carlos, SP, Brasil {caroltoledoferraz, virgilio.langoni}@gmail.com, raissa@ieee.org, agonzaga@sc.usp.br Abstract The objective of this paper is to present a quantitative analysis of image edge detection in noisy images. Three methods are evaluated for the noise filtering: Wienner filter, mean filter and anisotropic diffusion filter. After the application of each filter, the edges are detected by Fuzzy Number Edge Detector (FUNED) and Canny. The performance of edge detection is evaluated using Pratt s index of merit, which indicates the quality of the edge. The best result was obtained applying the FUNED detector after the anisotropic diffusion filter. 1. Introdução A área de processamento de imagens tem desenvolvido novas técnicas para eliminação de ruídos e detecção de bordas em imagens. As aplicações são diversas, como a descoberta de tumores em imagens médicas [15], ou a identificação de regiões em imagens fornecidas por satélites [10], como tipo de vegetação e solo [5], que influenciam na simulação de enchimentos de reservatórios para construção de hidroelétricas. Como muitos métodos de eliminação de ruídos apresentam efeitos indesejados, como o deslocamento das bordas, a avaliação da performance dos detectores é de extrema importância. Vários trabalhos apresentam uma avaliação da performance de detectores em imagens digitais [1], [14], porém a maioria dos trabalhos é baseada em imagens sintéticas que possuem bordas muito simples, assumindo pouca credibilidade nos resultados experimentais. Outros trabalhos analisam as bordas de imagens sem ruídos [4]; ou apresentam uma avaliação mais subjetiva [2]. Neste trabalho propõe-se uma avaliação do algoritmo FUNED [4], usado para detecção de bordas, após a eliminação de ruídos em imagens de cenas reais por três métodos diferentes: filtro da média [8], Wienner [9], e filtro de difusão anisotrópica [3]. O algoritmo FU- NED será comparado ao extrator de bordas Canny [6], que é um dos algoritmos mais usados para detecção de bordas na literatura. A performance dos detectores de bordas será avaliada usando o índice de mérito de Pratt [1]. Essa medida indicará a qualidade da borda, sendo uma medida relativa que varia no intervalo de [0,1]. Este artigo está organizado da seguinte maneira: a Seção 2 apresenta os filtros para eliminação de ruído, detectores de bordas e o índice de mérito de Pratt, a Seção 3 descreve a metodologia utilizada no trabalho, a Seção 4 apresenta os resultados experimentais e, por fim, a Seção 5 descreve as conclusões. 2. Extração de bordas em imagens ruidosas Um dos principais problemas encontrados na detecção de bordas são os ruídos. Sendo assim, uma solução seria a filtragem das imagens ruidosas antes da extração de suas bordas. Para isso, necessita-se encontrar um método que elimine os ruídos das imagens, preservando as bordas, para posteriormente, extraí-las com mais precisão Filtros para eliminação de ruído Os filtros para eliminação de ruídos são conhecidos como filtros passa-baixa, uma vez que as frequências altas que correspondem às transições abruptas são atenuadas. Como em tais filtros ocorrem o borramento da imagem, detalhes finos podem ser removidos [12]. Alguns estudos [13], [3] tem como objetivo realizar a eliminação de ruídos, preservando características fundamentais da imagem, como suas bordas Filtro da média. Um filtro da média simplesmente realiza a média dos pixels contidos na vizinhança da máscara de filtragem [8]. O filtro utilizado neste trabalho é da seguinte forma:
2 Filtro de Wiener. O filtro de Wiener é descrito na equação (1): sendo µ e σ 2 : G(i, j) = µ + σ2 v 2 µ = 1 σ 2 = 1 NM NM σ 2 (I(i, j) µ), (1) i,j X I(i, j) i,j X I2 (i, j) µ 2, X é uma vizinhança local para cada pixel da imagem de tamanho N por M de uma imagem I, v 2 é a variância do ruído. Se a variância do ruído não é dada, G(i, j) será a média de todas as estimativas locais da variância Filtro de difusão anisotrópica. No trabalho desenvolvido em [3] foi proposta uma equação diferencial parcial denominada Equação do Fluxo Bem-Balanceada para eliminação de ruídos com preservação de bordas. Para essa equação, considera-se a imagem como uma função I(x) : Ω R 2 R que pode ser obtida pela solução da equação (2): u t = g u div( u u ) (1 g)(u Ĩ), x Ω, t > 0, u(x, 0) = Ĩ(x), x Ω u n Ω R + = 0, x Ω, t > 0 (2) sendo g = g( G σ u ), G σ uma função Gaussiana e G σ u uma estimativa local de u usada para eliminação de ruído. O termo u div( u/ u ) = u 2 u( u, u)/ u 2 difunde u na direção ortogonal ao seu gradiente u, preservando assim as arestas. g( G σ u ) é usado para detecção de arestas e controla a velocidade da difusão. O termo (1 g)(u Ĩ) pretende manter a imagem suavizada próxima à imagem original Ĩ nas áreas em que g 0. A equação (2) foi discretizada pelo método de diferenças finitas [7] e aplicada na imagem ruidosa para eliminação de ruídos Detectores de bordas Detecção de bordas é comumente utilizada para determinar pontos de uma imagem digital na qual a mudança de intensidade luminosa varia constantemente. Tais mudanças refletem eventos importantes na imagem, tais como uma transição entre o objeto e o fundo da imagem. As próximas seções discutirão os métodos utilizados neste trabalho FUNED. O trabalho proposto em [4] apresenta uma abordagem baseada no conceito de números fuzzy para detecção de bordas em imagens digitais. A técnica considera uma vizinhança local dos pixels da imagem que pode ser definida pelo usuário e, com base no conceito de números fuzzy, verifica-se se um pixel pertence ou não àquela região da imagem, a partir da intensidade dos tons de cinza que compõem a região. O pixel que não pertence àquela região é considerado um pixel de borda. Através de uma função de pertinência, a técnica FUNED fornece uma matriz de pertinência em tons de cinza e, pela escolha de um limiar, as bordas da imagem são detectadas. A função de pertinência para a implementação do detector de bordas tem a seguinte formulação: para cada pixel I(i, j) da imagem, interpretado como um número fuzzy, calcula-se a pertinência desse pixel em relação à região determinada por uma vizinhança local. Assim, seja uma imagem I N M em que, para cada pixel g(i, j), tem-se uma janela de vizinhança espacial W W. A função de pertinência, W W g(i,j) I(k,l) ) k=1 l=1 max(0, 1 δ ) 1 µ I(i,j) = W 2, 1 (3) i = 1,.., N, j = 1..., M, sendo δ R, representa o parâmetro de espalhamento do número fuzzy. Quanto menor δ, menor é o intervalo em que se considera a pertinência do vizinho. A matriz resultante dessa operação é chamada de matriz de pertinência e é definida pela equação (4): I = M N i=1 j=1 µ i,j g i,j, (4) sendo que µ i,j indica o grau de pertinência de cada pixel à região W W pré-definida da imagem. Os valores próximos de 1 significam uma maior pertinência dos respectivos pixels a uma região homogênea. Assim, a matriz de pertinência I, observada como uma imagem em nível de cinza no intervalo [0,1], representa as bordas presentes na imagem pelos tons de cinza mais escuros Canny. O detector de bordas Canny é um detector amplamente conhecido na literatura. A abordagem de Canny baseia-se em três objetivos básicos [8]: 1. baixa taxa de erro. As bordas devem ser o máximo possível próximas das bordas verdadeiras; 2. os pontos de borda devem estar bem localizados. A distância entre um ponto marcado pelo detector e o centro da borda verdadeira deve ser mínima; 3. resposta de um único ponto de borda. O detector não deve identificar múltiplos pixels de borda em que apenas um único ponto de borda existe. O foco do trabalho de Canny foi expressar os três critérios matematicamente e tentar encontrar soluções ótimas para essas formulações. Uma boa aproximação para
3 o detector ótimo de bordas é a primeira derivada de uma gaussiana: d dx e x 2 2σ 2 = x σ 2 e x 2 2σ 2 (5) Na prática, a equação (5) não é muito utilizada, pois exigiria a aplicação do detector em todas as direções possíveis. Esta tarefa pode ser realizada suavizando a imagem com uma função gaussiana 2-D, calculando o gradiente do resultado, e utilizando a magnitude do resultado e a direção para estimar a intensidade da borda e a direção em cada ponto. Como a magnitude é gerada utilizando o gradiente, podem ocorrer cristas largas em torno dos máximos locais. Para contornar este problema, Canny [6] propôs um método de supressão dos não máximos para afinamento das bordas. Para finalizar o método, Canny também propôs um processo chamado de histerese, cujo objetivo é eliminar a fragmentação das bordas causada pelo ruído da imagem Índice de mérito de Pratt O índice de mérito de Pratt é uma ferramenta útil para avaliar a performance de detectores de bordas. A medida utiliza a distância entre todos os pares de pontos correspondentes para quantificar a diferença entre os contornos [1]. É definida como: P = 1 N B max(n l, N B ) i= αd 2, (6) i sendo N l e N B os números de bordas na imagem ideal e imagem de bordas, respectivamente, d i é a distância entre um pixel de borda e o pixel mais próximo na imagem ideal, e α é uma constante de calibração. O valor ótimo definido por Pratt [1] foi α = 1/9. A figura de mérito de Pratt P é um indicador da qualidade de borda, e traduz o comportamento global das distâncias entre as bordas. Trata-se de uma medida relativa, que varia no intervalo [0,1], sendo que 1 indica a coincidência entre as bordas detectadas e as ideais. 3. Metodologia Como o objetivo da maioria dos métodos de eliminação de ruídos é suavizar regiões homogêneas da imagem e manter as bordas da imagem inalteradas [3], pretende-se avaliar neste trabalho a detecção das bordas da imagem. Para isso, foi desenvolvida uma metodologia que consiste em três passos que serão discutidos a seguir. Primeiramente foram escolhidas algumas imagens de cenas reais da base de dados de Berkeley Segmentation Dataset [11] com suas respectivas imagens de bordas ideais (ground truth). Os detectores de bordas FUNED e Canny foram aplicados nas imagens, calculando-se, logo após, o índice de mérito de Pratt. Esse índice retorna um valor entre 0 e 1, que indica o quanto a imagem de bordas da técnica utilizada está próxima da imagem de borda ideal. O objetivo deste primeiro passo é analisar o desempenho dos detectores sem a aplicação do ruído. No segundo passo, foi inserido ruído gaussiano nas imagens. Os detectores de bordas FUNED e Canny foram aplicados nas imagens, e calculou-se o índice de mérito de Pratt. Com isso, pôde-se comparar o decaimento do índice de mérito de Pratt em relação ao primeiro passo. No terceiro passo, realizou-se a eliminação do ruído por três técnicas diferentes: filtro da média, Wiener e filtro anisotrópico. Posteriormente, utilizou-se o detector de bordas FUNED e Canny nas imagens que foram aplicadas os filtros e verificou-se através do índice de mérito de Pratt qual detector foi mais robusto para determinado filtro. A próxima Seção apresenta os três experimentos realizados. No dois primeiros experimentos compara-se o método FUNED com o método Canny em imagens sem ruído, com ruído e após a eliminação do ruído. O nível de ruído gaussiano é mudado nos dois experimentos. O terceiro experimento consiste em um gráfico que apresenta a comparação do nível de ruído de uma imagem com o índice de mérito de Pratt. 4. Resultados experimentais Nesta seção o método FUNED será comparado ao método Canny mostrando sua robustez na detecção de bordas em imagens após a eliminação de ruídos. No primeiro experimento é feita a comparação do método FUNED com o método Canny na imagem de um avião. A imagem original é mostrada na Fig. 1a. A Fig. 1b mostra a imagem de bordas ideais. O método FU- NED e Canny são apresentados nas Figs. 1c e 1d respectivamente. Logo após, foi inserido ruído gaussiano com média 0 e desvio-padrão (Fig. 2a) na imagem original, e detectada suas bordas por ambas as técnicas (Fig. 2b e Fig. 2c). Neste exemplo, pode-se notar que mesmo com os ruídos apresentados, as bordas da Fig. 2b se ressaltaram, o que não ocorreu na Fig. 2c, na qual muitos contornos foram detectados. (a) Imagem Ori-(bginal Bordas ideais (c) FUNED (d) Canny Figura 1: Comparação do método FUNED com o método Canny na imagem sem ruído
4 (a) Imagem ruidosa Figura 2: Comparac a o do me todo FUNED com o me todo Canny na imagem com ruı do Para finalizar o primeiro experimento, a eliminac a o de ruı do na imagem da Fig. 2a foi realizada por tre s me todos diferentes: filtro da me dia, Wiener e difusa o anisotro pica. A Fig. 3 mostra a detecc a o de bordas pelos me todos FUNED (Fig. 3b) e Canny (Fig. 3c) apo s a eliminac a o de ruı do pelo filtro da me dia (Fig. 3a). Apo s a eliminac a o de ruı do pelo filtro de Wiener (Fig.4a), tambe m foram detectadas as bordas por ambos os me todos (Figs. 4b e 4c). E finalmente, apo s a eliminac a o de ruı do pelo me todo de difusa o anisotro pica (Fig. 5a), foram detectadas as bordas pelos me todos FUNED (Fig. 5b) e Canny (Fig. 5c). (a) Filtro da me dia (a) Filtro de Difusa o anisotro pica Figura 5: Comparac a o do me todo FUNED com o me todo Canny na eliminac a o de ruı do pela difusa o anisotro pica Tambe m observa-se que o me todo Canny apresentou muitas bordas que sa o ruı dos, o que na o ocorre com o me todo FUNED. No segundo experimento e feita a comparac a o do me todo FUNED com o me todo Canny na imagem de um pa ssaro. A Fig. 6a mostra a imagem do pa ssaro sem ruı do na qual utilizou-se os me todos FUNED (Fig. 6c) e Canny (Fig. 6d) para a detecc a o de bordas. As Figs. 7b e 7c apresentam a detecc a o de bordas pelo me todo FUNED e Canny na Fig. 6a com inserc a o de ruı do gaussiano (me dia 0 e desvio padra o 0.003). O ı ndice de me rito de Pratt foi calculado, conforme apresentado na Tabela 1, mostrando um grande decaimento em relac a o ao exemplo da Fig. 6. Apesar do decaimento, pode-se notar que o ı ndice relacionado ao FUNED ainda superou o ı ndice de Canny, mostrando que o me todo FUNED esta mais pro ximo da imagem de borda ideal (Fig. 6b). Figura 3: Comparac a o do me todo FUNED com o me todo Canny na eliminac a o de ruı do pelo filtro da me dia (a) Imagem origi- (b) Bordas ideais nal (c) FUNED (d) Canny Figura 6: Comparac a o do me todo FUNED com o me todo Canny na imagem de um pa ssaro sem ruı do (a) Filtro de Wiener Figura 4: Comparac a o do me todo FUNED com o me todo Canny na eliminac a o de ruı do pelo filtro de Wiener Para o primeiro experimento (Figs. 1, 2, 3, 4 e 5) foram calculados o ı ndice de me rito de Pratt, que compara as bordas de ambas as te cnicas com as bordas ideais da imagem. O resultado do ı ndice de me rito de Pratt e mostrado na Tabela 1. Pode-se notar que o ı ndice de me rito de Pratt apresentou melhores resultados para a detecc a o de bordas FUNED. (a) Imagem ruidosa Figura 7: Comparac a o do me todo FUNED com o me todo Canny na imagem de um pa ssaro com ruı do
5 A última parte do segundo experimento mostra a detecção de bordas pelos métodos FUNED e Canny após a eliminação de ruído pelos filtros da média, Wiener e difusão anisotrópica. A Fig. 8 mostra a detecção de bordas pelo método FUNED (Fig. 8b) e Canny (Fig. 8c) após a eliminação de ruído pelo filtro da média. A Fig. 9 mostra a detecção de bordas (Figs. 9b e 9c) após a eliminação de ruído pelo filtro de Wiener. E por fim, a Fig. 10 apresenta a detecção de bordas (Figs. 10b e 10c) após a eliminação de ruído por difusão anisotrópica. (a) Filtro da média Figura 8: Comparação do método FUNED com o método Canny na imagem do pássaro na eliminação de ruído pelo filtro da média foi maior do que para o detector de Canny mesmo com a inserção de mais ruído na imagem. O último experimento trata-se de um gráfico comparando a quantidade de ruído que pode ser inserida em uma imagem com o índice de mérito de Pratt. O objetivo deste experimento é verificar a quantidade máxima de ruído que se consegue inserir em uma imagem para que as bordas ainda sejam detectadas corretamente. Neste experimento, inseriu-se uma certa quantidade de ruído gaussiano na Fig. 11a, com as seguintes variâncias: 0.001, 0.003, 0.006, 0.01, 0.03, 0.06, 0.1, 0.2, 0.3, 0.4, 0.5 e 0.6. Para cada imagem ruidosa, utilizou-se o filtro anisotrópico para a eliminação de ruído. Em seguida calculou-se o índice de Pratt. A Fig. 11 é um exemplo de uma imagem para qual o procedimento foi realizado para a construção do gráfico. O gráfico pode ser visto na Fig. 12. Pode-se notar que conforme a quantidade de ruído aumenta, o índice de mérito de Pratt diminui, deixando a imagem de bordas distante da imagem de bordas ideais. (a) Filtro de Wiener Figura 9: Comparação do método FUNED com o método Canny na imagem do pássaro na eliminação de ruído pelo filtro de Wiener (a) Imagem Original (b) Bordas Ideais (c) Imagem ruidosa (d) Difusão Anisotrópica (e) FUNED (a) Difusão Anisotrópica Figura 11: Difusão anisotrópica e detecção de bordas por FU- NED Figura 10: Comparação do método FUNED com o método Canny na imagem do pássaro na eliminação de ruído pela difusão anisotrópica Para o segundo experimento, observa-se pela Tabela 1 que o índice de mérito de Pratt para o método FUNED 5. Conclusão Neste trabalho foi apresentada uma análise de dois métodos de detecção de bordas: FUNED e Canny, após a eliminação de ruído em imagens por três métodos diferentes: filtro da média, Wiener e difusão anisotrópica.
6 Agradecimentos. Os autores agradecem o apoio financeiro da FAPESP (Fundação de Amparo à Pesquisa do Estado de São Paulo). Referências Figura 12: Variância do ruído versus índice de mérito de Pratt Fig. 1 Fig. 2 Fig. 3 Fig. 4 Fig. 5 FUNED Canny Fig. 6 Fig. 7 Fig. 8 Fig. 9 Fig. 10 FUNED Canny Tabela 1: Índice de mérito de Pratt O principal diferencial dos métodos de detecção de bordas é o tipo da borda detectada. O detector de bordas Canny produz um grande conjunto de bordas, dificultando a visualização do objeto de interesse. Já o detector de bordas FUNED é mais fiel ao contorno da imagem original. Mesmo nos testes com imagens ruidosas, pode-se notar que com o método FUNED consegue-se visualizar o objeto em questão, enquanto que no método Canny isto não é possível. A análise visual pôde ser comprovada pela análise quantitativa das imagens, na qual utilizou-se o índice de mérito de Pratt. Nas imagens após a eliminação do ruído pelos três métodos, pôde-se constatar que as bordas pelo método FU- NED ficaram mais próximas da imagem de bordas ideal, utilizando-se também o índice de mérito de Pratt. Dentre os métodos de eliminação de ruído, foi escolhido o método de difusão anisotrópica para avaliar a quantidade de ruído que poderia ser inserido na imagem para que o método FUNED pudesse ainda detectar as bordas corretamente. A máxima variância encontrada foi 0.4. Após este valor, o índice de mérito de Pratt decai bruscamente, deixando a imagem de bordas mais distantes das bordas ideais. [1] I. A. Abdou and W. Pratt. Quantitative design and evaluation of enhancement/thresholding edge detectors. Proceedings of the IEEE, 67: , [2] A. A. Alshennawy and A. A. Aly. Edge detection in digital images using fuzzy logic technique. World Academy of Science, Engineering and Technology, 51: , [3] C. A. Z. Barcelos, M. Boaventura, and E. S. Júnior. A wellbalanced flow equation for noise removal and edge detection. IEEE Transaction on Image Processing, 12(7): , [4] I. A. G. Boaventura. Números Fuzzy em Processamento de Imagens Digitais e suas aplicações na Detecção de Bordas. PhD thesis, Universidade de São Paulo, [5] E. F. Borges and A. de Barros Silva. Técnicas de segmentação de imagens e classificação por região: mapeamento da cobertura vegetal e uso do solo, mucugê-ba. Mercator, 8(17): , [6] J. A. Canny. A computational approach to edge detection. IEE Trans. Pattern Anal. Machine Intell., 8: , [7] J. A. Cuminato and M. M. Júnior. Discretização de Equações Diferenciais Parciais: Técnicas de diferenças finitas, volume 1. SBMAC, Rio de Janeiro, [8] R. C. Gonzales and R. C. Woods. Processamento Digital de Imagens, volume 1. Pearson Education, São Paulo, [9] J. S. Lim. Two-Dimensional Signal and Image Processing, volume 1. Prentice Hall, New Jersey, [10] L. G. L. M. Lima and W. J. S. F. Rocha. Aplicação de técnicas de processamento digital de imagens de satélite para identificação de unidades litológicas no município de morro do chapéu-bahia. Anais XIV Simpósio Brasileiro de Sensoriamento Remoto, pages , [11] D. Martin, C. Fowlkes, D. Tal, and et al. A database of human segmented natural images and its application to evaluating segmentation algorithms and measuring ecological statistics. Proc. 8th Int l Conf. Computer Vision, 2: , [12] H. Pedrini and W. R. Schwartz. Análise de Imagens Digitais, volume 1. Thomson, São Paulo, [13] S. Schulte, V. D. Witte, M. Nachtegael, and et al. Fuzzy random impulse noise reduction method. Fuzzy Sets and Systems, 158(3): , [14] G. B. Scofield, S. J. S. Sant Anna, C. C. Freitas, and et al. Avaliação quantitativa do segsar através de medidas de borda e regiões em imagens ópticas sintéticas. Anais XII Simpósio Brasileiro de Sensoriamento Remoto, pages , [15] A. C. Xavier, J. R. Sato, G. A. Giraldi, and et al. Análise discriminante e classificação de imagens 2d de ultrassonografia mamária. VII Workshop de Visão Computacional, pages 67 72, 2011.
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 maisMétodo de Avaliação de Detector de Bordas em Imagens Digitais
Método de Avaliação de Detector de Bordas em Imagens Digitais Inês A. G. Boaventura DCCE, IBILCE, UNESP Rua Cristovão Colombo, 2265 15054-000, São José do Rio Preto, SP, Brasil ines@ibilce.unesp.br Adilson
Leia maisAVALIAÇÃO QUALITATIVA DE DETECÇÃO DE BORDAS EM IMAGENS DE RADIOGRAFIA PERIAPICAIS
AVALIAÇÃO QUALITATIVA DE DETECÇÃO DE BORDAS EM IMAGENS DE RADIOGRAFIA PERIAPICAIS Hedlund Erik Martins Távora 1, John Hebert Da Silva Felix 2, Darleison Rodrigues Barros Filho 3, Fausta Joaquim Faustino
Leia maisProcessamento de Imagem. Filtragem no Domínio Espacial Professora Sheila Cáceres
Processamento de Imagem Filtragem no Domínio Espacial Professora Sheila Cáceres Filtragem A filtragem de imagens pode ser realizada no domínio do espaço e da frequência Operadores de filtragem são classificados
Leia maisFILTROS ESPACIAIS PASSA-BAIXA
UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL PROGRAMA DE PÓS-GRADUAÇÃO EM COMPUTAÇÃO CMP65 - INTRODUÇÃO AO PROCESSAMENTO DE IMAGENS PROFESSOR JACOB SCARCHANSKI FILTROS ESPACIAIS PASSA-BAIXA POR DANIEL NEHME
Leia maisEliminação de Ruídos e Retoque Digital Através de uma Equação Diferencial Parcial de Quarta Ordem
Eliminação de Ruídos e Retoque Digital Através de uma Equação Diferencial Parcial de Quarta Ordem Maurílio Boaventura UNESP - SJRio Preto -SP E-mail: maurilio@ibilce.unesp.br Cassius Gomes de Oliveira
Leia maisProcessamento de Imagem. Prof. MSc. André Yoshimi Kusumoto
Processamento de Imagem Prof. MSc. André Yoshimi Kusumoto andrekusumoto.unip@gmail.com Filtragem de Imagens A utilização de filtros tem como objetivo melhorar a qualidade das imagens através da: ampliação
Leia maisAPLICAÇÃO DE TÉCNICAS DE PROCESSAMENTO DE IMAGENS DIGITAIS EM IMAGENS GERADAS POR ULTRA-SOM
VIII ERMAC 8 o Encontro Regional de Matemática Aplicada e Computacional 0- de Novembro de 008 Universidade Federal do Rio Grande do Norte Natal/RN APLICAÇÃO DE TÉCNICAS DE PROCESSAMENTO DE IMAGENS DIGITAIS
Leia maisFiltros espaciais. Processamento e Recuperação de Imagens Médicas. Prof. Luiz Otavio Murta Jr. Depto. De Computação e Matemática (FFCLRP/USP)
Processamento e Recuperação de Imagens Médicas Prof. Luiz Otavio Murta Jr. Depto. De Computação e Matemática (FFCLRP/USP) 1 Propriedades Operadores de suavização os elementos da máscara são positivos e
Leia maisFILTRAGEM NO DOMÍNIO ESPACIAL. Daniel C. Zanotta 10/06/2016
FILTRAGEM NO DOMÍNIO ESPACIAL Daniel C. Zanotta 10/06/2016 Passa-Baixas O efeito visual de um filtro passa-baixa é o de suavização da imagem e a diminuição de mudanças abruptas de níveis de cinza. As altas
Leia maisCapítulo III Processamento de Imagem
Capítulo III Processamento de Imagem Proc. Sinal e Imagem Mestrado em Informática Médica Miguel Tavares Coimbra Resumo 1. Manipulação ponto a ponto 2. Filtros espaciais 3. Extracção de estruturas geométricas
Leia maisSimulação Gráfica. Segmentação de Imagens Digitais. Julio C. S. Jacques Junior
Simulação Gráfica Segmentação de Imagens Digitais Julio C. S. Jacques Junior Segmentação Subdivide uma imagem em suas partes ou objetos constituintes. O nível até o qual essa subdivisão deve ser realizada
Leia maisFiltragem de Imagens Fixas
FEUP 2006/2007 TELEVISÃO DIGITAL Filtragem de Imagens Fixas Nuno Miguel da Cunha Pássaro Nuno Miguel Dantas de Faria nº de aluno: 010503228 email: ee01228@fe.up.pt nº de aluno: 010503160 email: ee01160@fe.up.pt
Leia maisExtração de objetos de interesse em imagens digitais utilizando a biblioteca de Visão Computacional OpenCV
Extração de objetos de interesse em imagens digitais utilizando a biblioteca de Visão Computacional OpenCV Izadora Aparecida RAMOS 1,3,4 ; Servílio Souza de ASSIS 1,3,4 ; Bruno Alberto Soares OLIVEIRA
Leia maisCompressão de Imagens Usando Wavelets: Uma Solução WEB para a Codificação EZW Utilizando JAVA. Utilizando JAVA. TCC - Monografia
Compressão de Imagens Usando Wavelets: Uma Solução WEB para a Codificação EZW Utilizando JAVA TCC - Monografia Wanderson Câmara dos Santos Orientador : Prof. Dr. Luiz Felipe de Queiroz Silveira 1 Departamento
Leia maisFiltros espaciais (suavizaçào)
Processamento de Imagens Médicas Filtros espaciais (suavizaçào) Prof. Luiz Otavio Murta Jr. Informática Biomédica Depto. de Física e Matemática (FFCLRP/USP) 1 Necessidade de pré-processamento 2 Propriedades
Leia maisOperações Pontuais. 1 operando. 2 operandos. Processamento e Análise de Imagem - A. J. Padilha - v ac
Operações Pontuais 1 operando T OP 2 operandos Pré-Processamento - 1 Operações Pontuais Nas operações pontuais, cada ponto da imagem-resultado - g(i,j) - é obtido por uma transformação T do ponto de coordenadas
Leia maisRealce de imagens parte 2: ltragem espacial SCC5830/0251 Processamento de Imagens
Realce de imagens parte 2: ltragem espacial SCC5830/0251 Processamento de Imagens Prof. Moacir Ponti Jr. www.icmc.usp.br/~moacir Instituto de Ciências Matemáticas e de Computação USP 2013/1 Moacir Ponti
Leia maisProcessamento digital de imagens
Processamento digital de imagens Agostinho Brito Departamento de Engenharia da Computação e Automação Universidade Federal do Rio Grande do Norte 11 de novembro de 2016 Fluxo óptico Usado para estimar
Leia maisINTERPOLAÇÃO LINEAR E BILINEAR: APLICAÇÃO EM TRANSFORMAÇÕES GEOMÉTRICAS DE IMAGEM INTRODUÇÃO
INTERPOLAÇÃO LINEAR E BILINEAR: APLICAÇÃO EM TRANSFORMAÇÕES GEOMÉTRICAS DE IMAGEM Autores: Giulia Denise Kujat VIEIRA; Milene Karine GUBETTI. Identificação autores: Estudantes do Curso Técnico em Informática
Leia maisDetecção de objetos regulares em imagens de alta resolução utilizando casamento de modelos. Douglas Messias Uba 1 Luciano Vieira Dutra 1
Detecção de objetos regulares em imagens de alta resolução utilizando casamento de modelos Douglas Messias Uba 1 Luciano Vieira Dutra 1 1 Instituto Nacional de Pesquisas Espaciais INPE Caixa Postal 515
Leia maisProcessamento de Sinal e Imagem Engenharia Electrotécnica e de Computadores
António M. Gonçalves Pinheiro Departamento de Física Covilhã - Portugal pinheiro@ubi.pt Algoritmos básicos de Processamento de Imagem Contagem do Número de Objectos numa Imagem Binária. Cantos Externos
Leia maisProcessamento de Imagem. Prof. MSc. André Yoshimi Kusumoto
Processamento de Imagem Prof. MSc. André Yoshimi Kusumoto andrekusumoto.unip@gmail.com Filtragem de Imagens A utilização de filtros tem como objetivo melhorar a qualidade das imagens através da: ampliação
Leia maisProcessamento de Imagens Marcia A. S. Bissaco
Engenharia Biomédica Processamento de Imagens Marcia A. S. Bissaco 1 Exemplos filtros Média Mediana Passa_B Passa_A Borda_H Borda_V Sobel_Y Sobel_X Oliveira, Henrique J. Quintino (UMC-SP), 2 Media Mediana
Leia maisFILTROS PARA EXTRAÇÃO DE BORDAS: UM ESTUDO PRELIMINAR PARA A ÁREA DO RESERVATÓRIO DE ITAPARICA
FILTROS PARA EXTRAÇÃO DE BORDAS: UM ESTUDO PRELIMINAR PARA A ÁREA DO RESERVATÓRIO DE ITAPARICA Alexandre Normande Guillou 1, João Rodrigues Tavares Júnior 2, Ana Lúcia Bezerra Candeias 3 1 Eng. Agrimensor,
Leia maisAula 5 - Segmentação de Imagens
Aula 5 - Segmentação de Imagens Parte 1 Prof. Adilson Gonzaga 1 Segmentação Agrupamento de partes de uma imagem em unidades homogêneas relativamente a determinadas características. Segmentação é o processo
Leia maisProcessamento de Imagem. Convolução Filtragem no Domínio da Frequência (Fourier) Professora Sheila Cáceres
Processamento de Imagem Convolução Filtragem no Domínio da Frequência (Fourier) Professora Sheila Cáceres Lembrando Filtragem Correlação A correlação e a convolução sãos dois conceitos relacionados a filtragem.
Leia maisEXTRAÇÃO SEMI - AUTOMÁTICA DE FEIÇÕES LINEARES E A CALIBRAÇÃO DOS PARÂMETROS INTRÍNSECOS DE CÂMERAS Projeto de Pesquisa PIBIC/CNPq ( )
USP UNIVERSIDADE DE SÃO PAULO EP ESCOLA POLITÉCNICA EXTRAÇÃO SEMI - AUTOMÁTICA DE FEIÇÕES LINEARES E A CALIBRAÇÃO DOS PARÂMETROS INTRÍNSECOS DE CÂMERAS Projeto de Pesquisa PIBIC/CNPq (2000-2001) LEONARDO
Leia maisFace Recognition using RGB-D Images
Face Recognition using RGB-D Images Helder C. R. de Oliveira N.USP: 7122065 Polyana Nunes N.USP: 9043220 Sobre o Artigo Publication: 2013 IEEE Sixth International Conference Author(s) Goswami, G. (Índia
Leia maisA Utilização de Filtros Gaussianos na Análise de Imagens Digitais
Trabalho apresentado no XXXV CNMAC, Natal-RN, 014. A Utilização de Filtros Gaussianos na Análise de Imagens Digitais Edison O. Jesus, Roberto Costa Jr. Universidade Federal de Itajubá, UNIFEI Instituto
Leia maisCLASSIFICAÇÃO DE PADRÕES EM IMAGENS UTILIZANDO DESCRITORES DE TEXTURA Pattern Classification in Images Using Descriptors of Texture
CLASSIFICAÇÃO DE PADRÕES EM IMAGENS UTILIZANDO DESCRITORES DE TEXTURA Pattern Classification in Images Using Descriptors of Texture 1 e Sandro Roberto Fernandes 2 Resumo: Nesta pesquisa foi desenvolvido
Leia maisPMR2560 Visão Computacional Detecção de bordas. Prof. Eduardo L. L. Cabral
PMR56 Visão Computacional Detecção de bordas Prof. Eduardo L. L. Cabral Objetivos Processamento de imagens: Características; Detecção de bordas. Características Tipos de características: Bordas; Cantos;
Leia maisDetecção e Correção Automáticas de Olhos Vermelhos
Setor de Tecnologia da Universidade Federal do Paraná Curso de Engenharia Elétrica TE 072 Processamento Digital de Sinais Detecção e Correção Automáticas de Olhos Vermelhos Trabalho elaborado pelo aluno
Leia maisUtilização das transformadas wavelets na detecção de características em um sinal de ECG
Utilização das transformadas wavelets na detecção de características em um sinal de ECG Orientador: Prof. Dr. Aldo Artur Belardi Departamento: Engenharia Elétrica Candidato: Gabriel Diego Porfirio N FEI:.206.062-9
Leia maisInterpolação de Curvas de Nível por Difusão de Calor
Interpolação de Curvas de Nível por Difusão de Calor Roberto de Beauclair Seixas Luiz Henrique de Figueiredo Cláudio Antonio da Silva {tron,lhf,cads}@visgraf.impa.br Motivação Identificação de um método
Leia maisUma abordagem Fuzzy para Detecção de Bordas em Imagens Digitais
Uma abordagem Fuzzy para Detecção de Bordas em Imagens Digitais Inês Aparecida Gasparotto Boaventura Depto de Ciências de Computação e Estatística, IBILCE, UNESP, 15054-000, São José do Rio Preto, SP E-mail:
Leia mais1 1 1 *1/ *1/ *1/49
O que é filtragem? As técnicas de filtragem são transformações da imagem pixel a pixel, que não dependem apenas do nível de cinza de um determinado pixel, mas também do valor dos níveis de cinza dos pixels
Leia maisProcessamento digital de imagens
Processamento digital de imagens Agostinho Brito Departamento de Engenharia da Computação e Automação Universidade Federal do Rio Grande do Norte 3 de março de 2016 Transformação e filtragem de imagens
Leia maisCAPÍTULO 4 SEGMENTAÇÃO DE IMAGENS SAR
CAPÍTULO 4 SEGMENTAÇÃO DE IMAGENS SAR Segundo Gonzales e Wintz (1987), um dos primeiros passos do processo de análise de uma imagem digital consiste em particioná-la em seus elementos constituintes. O
Leia maisExtração de características: textura
Extração de características: textura Image Processing scc0251 www.icmc.usp.br/ moacir moacir@icmc.usp.br ICMC/USP São Carlos, SP, Brazil 2011 Moacir Ponti (ICMCUSP) Extração de características: textura
Leia maisCARACTERÍSTICAS DE IMAGENS: PONTOS E SUPERFÍCIES
CARACTERÍSTICAS DE IMAGENS: PONTOS E SUPERFÍCIES O que são? CARACTERÍSTICAS DE IMAGENS (Image Features) o Propriedades Globais de uma imagem, ou de parte dela (característica global). Por exemplo: Médias
Leia maisNúmeros Fuzzy em Processamento de Imagens Digitais e Suas Aplicações na Detecção de Bordas
Inês Aparecida Gasparotto Boaventura Números Fuzzy em Processamento de Imagens Digitais e Suas Aplicações na Detecção de Bordas Tese apresentada à Escola de Engenharia de São Carlos da Universidade de
Leia maisCorreção do fenômeno NODATA na transformação de 16 para 8 bits em imagens QuickBird.
Correção do fenômeno NODATA na transformação de 16 para 8 bits em imagens QuickBird. Rodrigo Aparecido Domingues Melquiades 1 Camila Souza dos Anjos 1 Luciana Arantes dos Santos 1 1 Imagem Soluções de
Leia mais2. Passos fundamentais para o processamento de imagens
Filtro de Canny Jeverson Siqueira 1, Wallace Caldeira 1, Miguel Matrakas 1 1 Ciência da Computacão Faculdades Anglo Americano de Foz do Iguaçu (FAA) CEP: 85868-03 Foz do Iguaçu PR Brasil siqueira.jeverson@gmail.com,
Leia mais4 Extração direta das PELs
4 Extração direta das PELs A detecção de arestas em imagens está relacionada à extração de feições, sendo uma ferramenta fundamental em processamento de imagens e visão computacional. Essa detecção visa
Leia maisMétodos de Segmentação de Imagem para Análise da Marcha
Métodos de Segmentação de Imagem para Análise da Marcha Maria João M. Vasconcelos, João Manuel R. S. Tavares maria.vasconcelos@fe.up.pt, tavares@fe.up.pt 3º Congresso Nacional de Biomecânica 11-12 Fevereiro
Leia maisFundamentos da Computação Gráfica
Fundamentos da Computação Gráfica Trabalho 2 Visão. Detecção de cantos. Manuel Alejandro Nodarse Moreno (1322198) Introdução. Detecção de cantos é uma abordagem utilizada em sistemas de visão computacional
Leia mais4 Cálculo de Equivalentes Dinâmicos
4 Cálculo de Equivalentes Dinâmicos 4.1 Introdução O crescimento do sistema de energia elétrica, o aumento do número de interligações e a sofisticação dos modelos para representação dos componentes de
Leia maisImage Descriptors: color
Image Descriptors: color Image Processing scc0251 www.icmc.usp.br/ moacir moacir@icmc.usp.br ICMC/USP São Carlos, SP, Brazil 2011 Moacir Ponti Jr. (ICMCUSP) Image Descriptors: color 2011 1 / 29 Agenda
Leia maisSegmentação automática de lesões de pele usando difusão anisotrópica e crescimento de regiões
Anais do CNMAC v.2 ISSN 1984-820X Segmentação automática de lesões de pele usando difusão anisotrópica e crescimento de regiões Alex F. de Araújo, Aledir Silveira Pereira, Norian Marranghello, Depto de
Leia maisIntrodução ao Processamento Digital de Imagens. Aula 9 Restauração de Imagens. Prof. Dr. Marcelo Andrade da Costa Vieira
Introdução ao Processamento Digital de Imagens Aula 9 Restauração de Imagens Prof. Dr. Marcelo Andrade da Costa Vieira mvieira@sc.usp.br Realce x Restauração Realce: Processar a Imagem para obter um resultado
Leia maisRastreamento de Objetos Baseado em Grafos. Casamento Inexato entre Grafos Relacionais com Atributos
Rastreamento de Objetos Baseado em Casamento Inexato entre Grafos Relacionais com Atributos Exame de Qualificação de Mestrado Ana Beatriz Vicentim Graciano Orientador: Roberto M. Cesar Jr. Colaboradora:
Leia maisPontifícia Universidade Católica do Rio de Janeiro. Departamento de Informática. Fundamentos de Computação Gráfica
1. Imagens sísmicas Pontifícia Universidade Católica do Rio de Janeiro Departamento de Informática Fundamentos de Computação Gráfica Aluno: Stelmo Magalhães Barros Netto Relatório do trabalho Imagens Sísmicas
Leia maisAnotador automático de placas de publicidade em vídeos esportivos
MAC0499 - Trabalho de Formatura Supervisionado Professor: Carlos Eduardo Ferreira Universidade de São Paulo Instituto de Matemática e Estatística Aluno: Ricardo Augusto Fernandes Orientador: Prof. Dr.
Leia maisAQUISIÇÃO E REALCE EM IMAGENS UTILIZANDO JAVA COM AUXILIO DO OPENCV
AQUISIÇÃO E REALCE EM IMAGENS UTILIZANDO JAVA COM AUXILIO DO OPENCV Rafael Aquino 1 Fabio Gomes 2 Ciência da Computação ciências exatas e tecnológicas ISSN IMPRESSO 1980-1777 ISSN ELETRÔNICO 2316-3135
Leia maisEstudo analítico e numérico do espalhamento acústico
Universidade Federal de São João Del-Rei MG 26 a 28 de maio de 21 Associação Brasileira de Métodos Computacionais em Engenharia Estudo analítico e numérico do espalhamento acústico M.E. Maria 1 ; E.N.M.
Leia maisFILTRAGEM DE IMAGEM NO DOMÍNIO ESPACIAL (Operações aritméticas orientadas à vizinhança)
PROCESSAMENTO DE IMAGEM #5 Operações Aritméticas Orientadas à Vizinhanças Filtragem no Domínio Espacial (Máscaras) Máscaras de suavização (média e mediana) e aguçamento (laplaciano) Correlação x Convolução
Leia maisFace Detection. Image Processing scc moacir ICMC/USP São Carlos, SP, Brazil
Face Detection Image Processing scc0251 www.icmc.usp.br/ moacir moacir@icmc.usp.br ICMC/USP São Carlos, SP, Brazil 2011 Moacir Ponti Jr. (ICMCUSP) Face Detection 2011 1 / 24 Agenda 1 Detectando faces 2
Leia maisProcessamento Digital de Imagens. Análise de Imagens
Processamento Digital de Imagens Análise de Imagens Eduardo A. B. da Silva Programa de Engenharia Elétrica - COPPE/UFRJ Laboratório de Sinais, Multimídia e Telecomunicações eduardo@smt.ufrj.br Sergio L.
Leia maisTrabalho Final de Processamento de Imagens: Panografia
Trabalho Final de Processamento de Imagens: Panografia 1. Introdução Vítor Silva Sousa 1 1 Escola Politécnica Universidade Federal do Rio de Janeiro (UFRJ) Rio de Janeiro RJ Brasil vitor.silva.sousa@gmail.com
Leia mais4 Detecção de Silhueta
4 Detecção de Silhueta No decorrer deste capítulo é proposto um modelo de detecção da silhueta da mão capaz de lidar com os erros da segmentação e ruídos na sua morfologia. Num primeiro passo são considerados
Leia maisExtração de atributos usando o método LBP - Local Binary Pattern
Extração de atributos usando o método LBP - Local Binary Pattern Lia Nara Balta Quinta. 2 de maio de 2006 1 Antecedentes e Justificativa O Brasil possui, atualmente, um grande rebanho bovino, porém em
Leia maisFiltragem. pixel. perfil de linha. Coluna de pixels. Imagem. Linha. Primeiro pixel na linha
Filtragem As técnicas de filtragem são transformações da imagem "pixel" a "pixel", que dependem do nível de cinza de um determinado "pixel" e do valor dos níveis de cinza dos "pixels" vizinhos, na imagem
Leia maisDescritores de Imagem
Descritores de Imagem André Tavares da Silva 31 de março de 2014 1 Descritores de imagem (continuação) 1.1 Frameworks de detecção de objetos SIFT (scale-invariant features transform) (Lowe, 1999) SIFT
Leia maisIDENTIFICAÇÃO DE MARCADORES DE PAVIMENTAÇÃO NA ORIENTAÇÃO DE CEGOS
IDENTIFICAÇÃO DE MARCADORES DE PAVIMENTAÇÃO NA ORIENTAÇÃO DE CEGOS André Zuconelli¹, Manassés Ribeiro² Instituto Federal de Educação, Ciência e Tecnologia Catarinense - Campus Videira Rodovia SC, Km 5
Leia maisIdentificação de veículos utilizando técnicas de visão computacional
Identificação de veículos utilizando técnicas de visão computacional Eliézer Fazzioni Bourchardt,, Maximiliano Zambonatto Pezzin Curso de Sistemas de Informação Universidade do Contestado (UnC) Rua Victor
Leia maisIntrodução a Análise de Imagens Digitais
Introdução a Análise de Imagens Digitais Uma imagem digital é uma representação de uma cena por meio de um conjunto de elementos discretos e de tamanhos finitos, chamados de pixels, colocados em um arranjo
Leia mais4 Cálculo de Equivalentes Dinâmicos
4 Cálculo de Equivalentes Dinâmicos 4.1. Introdução Os sistemas de potência interligados vêm adquirindo maior tamanho e complexidade, aumentando a dependência de sistemas de controle tanto em operação
Leia maisAvaliação de métodos de classificação para o mapeamento de remanescentes florestais a partir de imagens HRC/CBERS
http://dx.doi.org/10.12702/viii.simposfloresta.2014.131-592-1 Avaliação de métodos de classificação para o mapeamento de remanescentes florestais a partir de imagens HRC/CBERS Juliana Tramontina 1, Elisiane
Leia maisMORFOLOGIA MATEMÁTICA
MORFOLOGIA MATEMÁTICA Morfologia Na Biologia área que trata com a forma e a estrutura de plantas e animais Processamento de Imagens Ferramenta para extração de componentes de imagens que sejam úteis na
Leia maisEstudo comparativo de métodos de segmentação das bordas de lesões em imagens dermatoscópicas
Estudo parativo de métodos de segmentação das bordas de lesões em imagens dermatoscópicas Pedro Vinícius Macêdo de Araújo, Geraldo Braz Junior Curso de Ciência da Computação Universidade Federal do Maranhão
Leia maisUNIVERSIDADE FEDERAL DO RIO DE JANEIRO ESCOLA DE ENGENHARIA DEPARTAMENTO DE ELETRÔNICA E DE COMPUTAÇÃO
UNIVERSIDADE FEDERAL DO RIO DE JANEIRO ESCOLA DE ENGENHARIA DEPARTAMENTO DE ELETRÔNICA E DE COMPUTAÇÃO FILTRO SIGMA COM DETEÇÃO DE BORDAS PARA CANCELAMENTO DE RUIDO GAUSSIANO EM IMAGENS PRETO E BRANCO
Leia maisReconhecimento de Tipos de Movimento Humano baseados no método GMM.
Reconhecimento de Tipos de Movimento Humano baseados no método GMM. C.Gonçalves 1 ; L.A.Pereira; J.C.Pizolato, Jr.; A.Gonzaga. Escola de Engenharia de São Carlos-EESC-USP Av. Trab. São-Carlense, 400 CP
Leia mais&DQQ\GHWHFomRGHERUGD
&DQQ\GHWHFomRGHERUGD O operador &DQQ\foi desenvolvido por John F.Canny em 1986 (a partir de sua tese de doutorado, veja bibliografia do curso) e apresentado no SDSHU: "$ &RPSXWDWLRQDO $SSURDFK WR (GJH
Leia maisProposta de Curso LNCC
Proposta de Curso LNCC Professor: Gilson A. Giraldi (D.Sc) Título do Curso: Visualização Científica para Análise de Imagens Médica. Período: Quarto Período de 2001 Objetivos O processamento/visualização
Leia maisétodos uméricos AJUSTE DE FUNÇÕES Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA
étodos uméricos AJUSTE DE FUNÇÕES Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA UNIVERSIDADE DE JOÃO DEL-REI PRÓ-REITORIA DE PESQUISA CENTRO FEDERAL DE EDUCAÇÃO TECNOLÓGICA
Leia maisUniversidade Federal do Rio de Janeiro - IM/DCC & NCE
Universidade Federal do Rio de Janeiro - IM/DCC & NCE Processamento de Imagens Segmentação Antonio G. Thomé thome@nce.ufrj.br Sala AEP/133 Conceituação Segmentação é uma tarefa básica no processo de análise
Leia maisExemplos. Propagação (Reconstrução)
Processamento de Imagens Médicas Morfologia Matemática em Imagens Prof. Luiz Otavio Murta Jr. Informática Biomédica Depto. de Física e Matemática (FFCLRP/USP) Propagação (Reconstrução) lgoritmos Baseados
Leia mais4 as Jornadas Politécnicas de Engenharia
4 as Jornadas Politécnicas de Engenharia Imagens de Faces: Exemplos de Metodologias e Aplicações Fernando Carvalho, João Manuel R. S. Tavares Aplicação Metodologias Modelos Conclusões Trabalho Futuro Introdução:
Leia maisIntrodução FILTRAGEM NO DOMÍNIO DA FREQUÊNCIA
FILTRAGEM NO DOMÍNIO DA FREQUÊNCIA Introdução Um sinal no domínio do espaço (x,y) pode ser aproximado através de uma soma de senos e cossenos com frequências (f, f2, f3,...fn) de amplitudes (a, a2,...
Leia maisSegmentação de Impressões Digitais Baseada em Abertura Top-Hat
Segmentação de Impressões Digitais Baseada em Abertura Top-Hat Gustavo de Sá 1, Pascual Figueroa 1, and Roberto Lotufo 2 1 Griaule Tecnologia, r. Bernardo Sayão 100, sala 209, 13083-866, Campinas, SP,
Leia maisComparação 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 maisProcessamento de Imagens
Processamento de Imagens SCC0251 Pré-processamento Material baseado nos livros do Sonka e do Gonzalez http://www.icaen.uiowa.edu/~dip/lecture/lecture.html 1 2 Propriedades de uma Imagem digital Vizinhança
Leia maisRestauração de imagens CCD/CBERS-2 pelo método de Richardson-Lucy modificado. Paulo Eduardo Ubaldino de Souza 1
Restauração de imagens CCD/CBERS-2 pelo método de Richardson-Lucy modificado Paulo Eduardo Ubaldino de Souza 1 1 Instituto de Estudos Avançados - CTA/IEAv 12228-840 São José dos Campos - SP, Brasil souza@ieav.cta.br
Leia maisTreeX - um programa para extração de árvores em imagens laserscanner
TreeX - um programa para extração de árvores em imagens laserscanner Eliana Pantaleão 1, Luciano Vieira Dutra 1, Rodrigo de Campos Macedo 2 1 Divisão de Processamento de Imagens Instituto Nacional de Pesquisas
Leia maisDetecção de Arestas em Imagens Digitais
Detecção de Arestas em Imagens Digitais Helder C. R. de Oliveira Orientador: Prof. Marco A. Piteri Presidente Prudente 211 Sumário 1 Introdução 1 2 Processamento de Imagens e Detecção de Arestas 3 2.1
Leia maisComunicado. Técnico. Filtro de Canny para detecção de bordas: implementação Java. José Iguelmar Miranda. João Camargo Neto
Comunicado Técnico 96 Dezembro, 008 Campinas, SP ISSN 1677-974 Filtro de Canny para detecção de bordas: implementação Java José Iguelmar Miranda João Camargo Neto 1 O objetivo deste comunicado é apresentar
Leia maisPMR2560 ELEMENTOS DE ROBÓTICA 2016 TRABALHO DE VISÃO COMPUTACIONAL CALIBRAÇÃO DE CÂMERAS E VISÃO ESTÉREO
PMR2560 ELEMENTOS DE ROBÓTICA 2016 TRABALHO DE VISÃO COMPUTACIONAL CALIBRAÇÃO DE CÂMERAS E VISÃO ESTÉREO Esse trabalho consiste de três partes. Na primeira parte do trabalho você vai calibrar duas câmeras
Leia maisDisciplina: Processamento Estatístico de Sinais (ENGA83) - Aula 02 / Processos Aleatórios
Disciplina: Processamento Estatístico de Sinais (ENGA83) - Aula 02 / Processos Aleatórios Prof. Eduardo Simas (eduardo.simas@ufba.br) Programa de Pós-Graduação em Engenharia Elétrica/PPGEE Universidade
Leia maisProcessamento Digital de Imagens
Ciência da Computação Processamento Digital de Imagens Prof. Sergio Ribeiro Tópicos Introdução Espectro Eletromagnético Aquisição e Digitalização de Imagens Efeitos da Digitalização Digitalização Sensoriamento
Leia maisCAPÍTULO 5 RESULTADOS. São apresentados neste Capítulo os resultados obtidos através do programa Classific, para
CAPÍTULO 5 RESULTADOS São apresentados neste Capítulo os resultados obtidos através do programa Classific, para as imagens coletadas no verão II, período iniciado em 18/01 e finalizado em 01/03 de 1999,
Leia maisMÉTODOS QUANTITATIVOS PARA CIÊNCIA DA COMPUTAÇÃO EXPERIMENTAL
MÉTODOS QUANTITATIVOS PARA CIÊNCIA DA COMPUTAÇÃO EXPERIMENTAL Pedro Henrique Bragioni Las Casas Pedro.lascasas@dcc.ufmg.br Apresentação baseada nos slides originais de Jussara Almeida e Virgílio Almeida
Leia maisUFAM - Engenharia Elétrica
UFAM - Engenharia Elétrica RECONHECIMENTO DE PADRÕES UTILIZANDO FILTROS DE CORRELAÇÃO COM ANÁLISE DE COMPONENTES PRINCIPAIS Waldir Sabino da Silva Júnior Monografia de Graduação apresentada à Coordenação
Leia maisO algoritmo para extraça o automa tica de drenagem do TerraHidro
O algoritmo para extraça o automa tica de drenagem do TerraHidro Trabalho de Análise Espacial 2012 Alexandre Copertino Jardim 1 Introdução O TerraHidro é um aplicativo geográfico em desenvolvimento para
Leia maisO EFEITO DA CORREÇÃO DO EFEITO HEEL EM IMAGENS RADIOGRÁFICAS DA MÃO
Artigo Original O EFEITO DA CORREÇÃO DO EFEITO HEEL EM IMAGENS RADIOGRÁFICAS DA MÃO C. Olivete Jr., E. L. L. Rodrigues e M. Z. do Nascimento Escola de Engenharia de São Carlos, Departamento de Engenharia
Leia mais[2CTA121] Processamento de Imagens em Alimentos: Conceitos e Aplicações
[2CTA121] Processamento de Imagens em Alimentos: Conceitos e Aplicações Dr. Sylvio Barbon Junior PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA DE ALIMENTOS - UEL 2016 Assunto Aula 4 Segmentação de Imagens 2 de
Leia maisEliminação de Ruído Impulsivo Usando um Filtro Mediano Seletivo e Difusão Isotrópica
Eliminação de Ruído Impulsivo Usando um Filtro Mediano Seletivo e Difusão Isotrópica Marcos Proença de Almeida 1 Maurílio Boaventura 1 Resumo: Neste trabalho apresenta-se um algoritmo combinando-se uma
Leia maisCOMPARAÇÃO DE TÉCNICAS DE CONTROLE APLICADAS A UM SISTEMA DE LEVITAÇÃO MAGNÉTICA
Proceeding Series of the Brazilian Society of Applied and Computational Mathematics, Vol., N., 04. rabalho apresentado no CMAC-Sul, Curitiba-PR, 04. COMPARAÇÃO DE ÉCNICAS DE CONROLE APLICADAS A UM SISEMA
Leia maisVisão computacional. Juliana Patrícia Detroz Orientador: André Tavares Silva
Visão computacional Juliana Patrícia Detroz Orientador: André Tavares Silva Visão computacional Tentativa de replicar a habilidade humana da visão através da percepção e entendimento de uma imagem; Fazer
Leia maisPROCESSAMENTO DE IMAGENS
PROCESSAMENTO DE IMAGENS Introdução Conceitos básicos Pré-processamento Realce Classificação PROCESSAMENTO DE IMAGENS- aula de 25/5/10 Introdução Conceitos básicos Pré-processamento Realce Classificação
Leia mais