Integrando Textura e Forma para a Recuperação de Imagens por Conteúdo
|
|
- Beatriz Branco Lancastre
- 8 Há anos
- Visualizações:
Transcrição
1 Integrando Textura e Forma para a Reuperação de Imagens por Conteúdo André G. R. Balan 1, Agma J. M. Traina, Caetano Traina Jr. 3, Paulo M. Azevedo-Marques 4 1,,3 Grupo de Base de Dados e Imagens (GBDI), Instituto de Ciênias Matemátias e de Computação (ICMC), Universidade de São Paulo (USP), Brasil. 4 Centro de Ciênias das Imagens e Físia Média (CCIFM), Fauldade de Mediina de Ribeirão Preto (FMRP), Universidade de São Paulo (USP), Brasil. Resumo - Este artigo apresenta uma nova abordagem de reuperação de imagens por onteúdo que utiliza um onjunto de araterístias extraídas a partir da imagem segmentada om base em textura. O algoritmo de segmentação implementa um proesso estoástio e tem omo base os Campos Aleatórios de Markov. A segmentação é automátia e tem omo parâmetro o número de lasses om texturas diferentes. As regiões obtidas na segmentação guiam a extração de medidas da imagem segmentada e da imagem original, produzindo um vetor de araterístia de 30 dimensões, utilizado para araterizar o onteúdo da imagem. Experimentos realizados revelaram que o onjunto de araterístias proposto tem um alto poder de disriminação quando omparado om ténias mais tradiionais de distribuição de brilho (histograma). Palavras-have: CBIR, Segmentação de Imagens, Textura, Forma. Abstrat - This paper presents a new approah to retrieve images by ontent using a set of harateristis extrated from the texture-based segmented image. The segmentation algorithm implements a random proess and is based on Markov Random Fields. The segmentation is automati and has as parameter the number of desired lasses with different textures. The regions obtained by the segmentation step lead the extration of measures from segmented and original images, produing a 30-dimensional feature vetor, whih is used to haraterize the image ontent. Experiments showed that the proposed feature vetor has higher disrimination power when ompared with traditional tehniques based on image s brightness distribution (histogram). Key-words: CBIR, Image Segmentation, Texture, Shape. Introdução A resente quantidade de imagens adquiridas em hospitais e em entros médios tem motivado a pesquisa de algoritmos automátios para reuperação de imagens baseada em suas araterístias intrínseas. As ténias de reuperação de imagens baseada em onteúdo (Content-Based Image Retrieval - CBIR) onsideram a informação visual da imagem e não apenas uma simples desrição textual sobre a mesma. De fato, existe um erto nível de subjetividade em se araterizar uma imagem pelo seu onteúdo, visto que diferentes espeialistas podem estar interessados em diferentes aspetos de uma mesma imagem. Observa-se também que, a reuperação de imagens baseada na desrição textual e a reuperação baseada em onteúdo são abordagens independentes e ortogonais, mas, de forma prátia, podem ser integradas em um únio sistema a fim de proporionar um maior poder de reuperação em Sistemas de Informação Hospitalar (SIH) ou em Sistemas de Comuniação e Arquivamento de Imagens (Piture Arhiving and Communiation Systems - PACS) [4]. A busa por imagens em uma base de dados realizada por um sistema CBIR, envolve a omparação de pares de imagens e a atribuição de um oefiiente da similaridade a ada par, onde tal medida de similaridade é obtida a partir de uma função de distânia pré-definida (dissimilaridade). Informações sobre o onteúdo da imagem são obtidas através da extração sistemátia de araterístias que devem ser esolhidas de modo a representar a "essênia" do onteúdo das mesmas, tomando-se omo base a perepção visual de um espeialista da área. Assim, um problema importante na área de CBIR é o desenvolvimento de métodos efiazes e efiientes de extração de araterístias para representação adequada do onteúdo das imagens, proporionando uma reuperação mais próxima daquela idealizada por um espeialista. Comumente as araterístias de imagens são agrupadas em três lasses: or, textura e forma [1, 10]. Idealmente, estas araterístias devem ser integradas para proporionar melhor efiáia no
2 proesso de omparação. A primeira e mais simples lasse de araterístias são as araterístias de or, ou distribuição de brilho, dada prinipalmente por histogramas da imagem. A extração de araterístias de forma e textura onstitui uma tarefa bem mais omplexa e omputaionalmente mais ara. O presente artigo apresenta uma abordagem singular de extração de araterístias da imagem para serem utilizadas em um sistema de reuperação de imagens baseado em onteúdo. A ténia onsiste em segmentar automatiamente a imagem om base em textura utilizando um algoritmo estoástio baseado nos ampos aleatórios de Markov. A partir da imagem segmentada, são realizadas medidas sobre as regiões enontradas e a imagem original, obtendo um onjunto de 30 araterístias. Os experimentos realizados demonstraram que as araterístias propostas possibilitam uma araterização apurada do onteúdo da imagem e apresentam um nível de disriminação maior do que a ténias mais tradiionais baseadas na distribuição de brilho e or (histogramas) da imagem. Coneitos preliminares A maioria dos sistemas de reuperação de imagens utiliza araterístias de distribuição de or. As ténias mais populares são baseadas nos histogramas de or ou brilho [3]. Embora o proesso utilizado para se obter os histogramas da imagem tenha usto omputaional baixo, já que é obtido em tempo linear onsiderando o tamanho da imagem, o histograma produz uma representação ambígua da mesma, visto que duas imagens diferentes podem ter o mesmo histograma. Entretanto, os histogramas podem forneer uma rápida pré-seleção para sistemas de reuperação de imagens, e o resultado da pré-seleção pode ser posteriormente refinado por ténias mais elaboradas e omplexas, e onseqüentemente mais aras. Porém, a apliação de ténias mais omplexas em um onjunto menor de imagens reduz onsideravelmente o usto total da reuperação. A respeito das imagens médias, areditamos que as araterístias baseadas em textura e forma das obtidas das regiões da imagem podem disriminar e separar as imagens de modo mais apurado. Diversos estudos enontrados na literatura apresentam ténias baseadas em ambas as abordagens, tais omo [6, 9] para a textura e [8, 11] para a forma. Neste artigo é onsiderada a reuperação das N imagens mais próximas da imagem de busa, por exemplo: "enontre as três imagens mais similares à imagem identifiada omo RM_torax57". Tal pergunta pode ser respondida se existir uma função de distânia (dissimilaridade) para omparar as araterístias da imagem de busa (RM_torax57) om as araterístias de todas as imagens na base de dados. Sempre que uma ténia nova para a extração da araterístia é proposta, é neessário realizar uma avaliação de sua efiáia. A utilização do gráfio de Preision x Reall [] (Preisão x Revoação) onstitui uma abordagem simples e bem onheida para tal avaliação e, deste modo, foi seleionada para avaliar e omparar a efiáia da ténia proposta. A preisão (preision) representa a porção de imagens reuperadas que são relevantes à onsulta. Já a revoação (reall) orresponde à porção de imagens relevantes que foram reuperadas. Na prátia, uma urva mais próxima do alto do gráfio representa maior efiáia na reuperação. A ténia proposta Em imagens médias, as araterístias de textura e forma estão fortemente relaionadas, devido ao fato que os objetos (órgãos, teidos e anomalias) têm, na maioria das vezes, forma e textura espeífias. As diferentes texturas dos objetos da imagem podem ser empregadas para a delimitação dos mesmos, araterizando assim uma segmentação baseada em textura. Neste tipo de segmentação, ada textura distinta é representada por uma lasse. Na imagem segmentada, ada pixel é lassifiado omo pertenente a uma determinada lasse e, pixels da mesma lasse onstituem uma região de textura homogênea. As araterístias propostas neste estudo são obtidas extraindo-se medidas dessas regiões homogêneas. A Figura 1 ilustra uma imagem segmentada utilizando-se ino lasses. O método de segmentação A etapa de segmentação baseada em textura é o passo iniial para a extração das araterístias da imagem. O método de segmentação empregado é um algoritmo que implementa um proesso estoástio de otimização. Trata-se de um método iterativo, ujo objetivo é minimizar o número previsto de pixels lassifiados erroneamente. Para se hegar a este objetivo, um ampo aleatório de Markov é empregado para modelar/representar o mapa de lassifiação dos pixels. Nesta representação, ada pixel orresponde a um elemento do ampo que, por sua vez, governa a influênia que a lassifiação de um pixel exere na lassifiação dos pixels vizinhos.
3 Classes (a) (b) Figura 1 Exemplo de segmentação. (a) imagem original; (b) imagem segmentada em 5 lasses. O proesso de segmentação alterna entre duas etapas: uma de lassifiação dos pixels e outra de reajuste dos parâmetros das lasses. Na etapa de lassifiação, ada pixel é visitado um número determinado de vezes, sendo que em ada visita é atribuído um valor de lasse para o pixel. Tal lassifiação leva em onsideração, basiamente, a lassifiação anterior do pixel, a lassifiação dos pixels vizinhos e os parâmetros atribuídos às lasses. Os parâmetros das lasses orrespondem a duas medidas das regiões da imagem onsideradas de textura homogêneas: a média e variânia da intensidade dos pixels. Na etapa de reajuste, esses parâmetros são reajustados por equações predefinidas, levando-se em onsideração a lassifiação obtida na etapa anteedente. Não abe aqui apresentar o embasamento teório que onduz à origem do algoritmo e, por limitação de espaço, maiores detalhes do mesmo tampouo são apresentados. O artigo de Mary Comer e Eduard Delp [5] apresenta um estudo ompleto sobre o método. Uma das vantagens de se utilizar um ampo aleatório de Markov para modelagem de textura é a demanda relativamente pequena de parâmetros [7]. O parâmetro prinipal de um MRF é onheido omo parâmetro de interação espaial, ou simplesmente temperatura, e tem a função de ajustar a influênia que a lassifiação de um pixel exere na lassifiação de seus vizinhos. A segmentação de imagens baseada em textura pode ser supervisionada ou nãosupervisionada. Na abordagem supervisionada os parâmetros das lasses/texturas são obtidos através de um onjunto de treinamento formado por imagens similares previamente segmentadas por um espeialista. Na abordagem não-supervisionada os parâmetros assumem valores iniiais aleatórios e são ajustados durante o proesso de segmentação. O método utilizado neste estudo é não-supervisionado e somente o número de lasses previstas para a segmentação preisa ser informado de antemão. O vetor de araterístias Após a imagem ter sido segmentada automatiamente em um número de lasses prédefinido, várias medidas são extraídas das regiões de textura homogênea (mesma lasse). Assim, se a imagem é segmentada em L lasses, então L regiões de texturas distintas serão utilizadas para a extração de araterístias. As araterístias que nós onsideramos para ada lasse são: o entro da massa da região, indiado pela Equação (3); a massa da região (tamanho em número de pixels) dada pela Equação (1); uma medida denominada dispersão (Equação (4)); e a média e a variânia da região (Equações (5) e (6)). As três primeiras araterístias (massa, entro de massa e dispersão) são omputadas diretamente sobre a imagem segmentada, sendo que a média e variânia são medidas da imagem original onsiderando-se a segmentação obtida. A massa da região (Equação (1)) é o tamanho em pixels da região, ou seja o número dos pixels que foram lassifiados omo sendo de uma determinada lasse. Suponha que o resultado da segmentação da imagem I orresponda à imagem S, e que o par (y) represente uma posição espaial no espaço onde I e S estão definidos. Assim, I y e S y denotam, respetivamente, os valores dos pixels de I e S na posição (y). A massa da região de lasse (m ) após a segmentação é dada por: onde (1) m (, ) = h x y xy,
4 1 se h ( y) = 0 se S S xy, xy, = () O entro da massa (entróide) da região de lasse denotado por o, é dado pelas oordenada xo e pelo yo, onde xo xh (, xy) yh (, xy) xy, xy,, yo m = = i, m (3) A araterístia de dispersão é onstruída através de uma soma das distânias. Para ada bloo onexo 1 i de uma região de lasse, o entróide o i, = (xo i,, yo i, ) é omputado e suas distânias ao entróide o são somadas onforme segue: onde d = dist( o, o ) (4) i dist( o, oi, ) = ( xo xoi, ) + ( yo yoi, ) é a distânia Eulidiana entre o (o entro de massa da lasse ) e o o i, (o entro de massa bloo onexo i de lasse ). Finalmente, onforme menionado, as araterístias de média e variânia da lasse são omputados sobre a imagem original I onsiderando a segmentação resultante S, sendo, respetivamente, denotadas por µ e σ, onde σ µ = = y y I h ( y) y N ( I µ ) h ( y) y N e (5) (6) O vetor de araterístias proposto é onstruído utilizando-se estas ino araterístias para ada lasse. Visto que o entróide tem dois valores (oordenadas x e y), tem-se um total de seis araterístias por lasse. A Figura ilustra uma representação gráfia do vetor de araterístia para uma imagem segmentada em L lasses. A ordem das araterístias de ada lasse no vetor 1 Um bloo onexo onsiste em um onjunto de pixels da mesma lasse onde ada pixel apresenta uma relação de vizinhança om algum outro pixel do onjunto. leva em onsideração a araterístia de média (µ ), isto é, a lasse om a menor média tem suas araterístias na parte mais à esquerda do vetor e, a lasse om média maior onstitui a parte mais à direita do mesmo. Esta onfiguração do vetor, aliada a um ajuste adequado das esalas das araterístias, permite o uso da distânia Eulidiana para a omparação de vetores de imagens distintas. Experimentos Para teste e avaliação da ténia proposta foi utilizada uma base de imagens médias de diversas ategorias. Devido às limitações de espaço, serão exibidos aqui apenas os resultados obtidos om a base de imagens sumarizada na Tabela1. Tabela1 - Configuração da base experimental de imagens médias Categoria de imagem Número de imagens Angiograma 1 RM Baia Axial 33 RM Cabeça Axial 50 RM Abdômen Coronal 34 RM Cabeça Sagital 38 RM Espinha Sagital 44 A Figura 3 ilustra o exemplo de uma busa às 4 imagens mais similares a uma imagem de orte axial de abeça (imagem 175.jpg), usando o vetor de araterístias proposto. Visto que a segmentação está sendo realizada utilizando-se ino lasses, o vetor final de araterístias possui 30 elementos (araterístias). Como base de omparação, as mesmas onsultas foram realizadas utilizando-se omo vetores de araterístias, os histogramas de brilho das imagens (o histograma é uma das araterístias mais empregadas nas ténias de reuperação de imagens por onteúdo). A Figura 4 ilustra os gráfios de Preision x Reall para os dois tipos de vetores de araterístias. As urvas, em ambos os gráfios, representam a efiáia das ténias em reuperar imagens das diversas ategorias da base. Para obter essas urvas, ino imagens de ada ategoria foram seleionadas aleatoriamente e as operações de busa foram realizadas utilizando-se ambas as ténias. Cada urva apresenta uma média das ino operações de onsulta. Observa-se que o vetor de araterístias proposto apresenta uma efiáia maior na reuperação de imagens para todas as ategorias da base. Vale também ressaltar que os histogramas Ressonânia Magnétia.
5 são vetores de 56 dimensões enquanto o vetor de araterístias proposto possui apenas 30 elementos. Deste modo, o tempo de resposta às onsultas é menor, assim omo o espaço de memória neessário para armazenar todos os vetores da base também é menor. d 1 µ 1 xo σ 1 yo 1 m xo L yo L m L d L µ L σ L Caraterístias da lasse 1 Caraterístias da lasse L Figura Representação gráfia do vetor de araterístias para a segmentação em L lasses Imagem de busa (175.jpg) Miniaturas das imagens reuperadas Figura 3 Exemplo de uma operação de onsulta: reuperação das 4 imagens mais pareidas om uma imagem de orte axial de abeça (imagem 175.jpg) 1 1 Preision Preision 0 0 0,1 0, 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1 Reall Angiograma RM Baia Axial RM Cabeça Axial RM Abdômen Coronal RM Cabeça Sagital RM Espinha Sagital (a) 0 0 0,1 0, 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1 Reall Angiograma RM Baia Axial RM Cabeça Axial RM Abdômen Coronal RM Cabeça Sagital RM Espinha Sagital Figura 4 Gráfios Preision x Reall. (a) Curvas referentes ao vetor de araterístias proposto; (b) Curvas referentes ao vetor histograma (b)
6 Conlusões A ténia proposta de extração de araterístias utilizando a segmentação de imagens baseada em textura é apaz de lidar adequadamente om o problema de identifiação de órgãos e possíveis anomalias presentes em imagens de exames médios. Um ponto interessante desta abordagem é o uso de um esquema não-supervisionado de segmentação de imagens, que apresenta resultados promissores. As araterístias são extraídas onsiderando o resultado da segmentação que é obtido automatiamente. O únio inonveniente da etapa da segmentação é seu elevado usto omputaional. Para segmentar uma imagem de dimensão 300 x 400 pixels, por exemplo, o algoritmo leva de 3 a 5 segundos em uma máquina om proessador AMD Athlon XP 600. Porém, onsiderando que a geração dos vetores da araterístia para as imagens da base pode ser realizada off-line (em um período de inatividade da máquina), e somente a imagem de onsulta preisa ter suas araterístias extraídas durante a operação de onsulta, pode-se dizer que este usto não impata negativamente sua utilização em sistemas CBIR. Agradeimentos Os autores são gratos ao Centro de Ciênias das Imagens e Físia Média da Fauldade de Mediina de Ribeirão Preto (USP), que gentilmente forneeu as imagens utilizadas para os experimentos apresentados neste artigo. Esta pesquisa é finaniada, em parte, pela Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) sob os proessos de número 0/ e 03/ ; e pelo Conselho Naional de Pesquisa (CNPq) sob os proessos de número /98-6, /00-7 e /94-4. Referênias [1] Aslandogan, Y.A., Yu, C.T. (1999), "Tehniques and Systems for Image and Video Retrieval", IEEE Transations on Knowledge and Data Engineering, Vol. 11, No. 1, Jan/Feb, pp [] Baeza-Yates, R., Ribeiro-Neto (1999), B.A., Modern Information Retrieval, Wokingham, UK: Addison-Wesley. [3] Brunelli, R., Mih, O. (1999), "On the Use of Histograms for Image Retrieval", Pro. IEEE Intl. Conf. on Multimedia Computing and Systems (ICMCS), Florene, Italy, June 7-11, pp [4] Cao, X., Huang, H.K. (000), "Current Status and Future Advanes of Digital Radiography and PACS", IEEE Engineering in Mediine and Biology Magazine, Vol. 9, No. 5, Sept- Ot, pp [5] Comer, M.L., Delp E.J. (000), "The EM/MPM Algorithm for Segmentation of Textured Images: Analysis and Further Experimental Results", IEEE Transations on Image Proessing, Vol. 9, No. 10, Otober, pp [6] Huang, P.W., Dai, S.K. (003), "Image retrieval by texture similarity", Pattern Reognition, Vol. 36, No. 3, Marh, pp [7] Rosholm (1997), A., Statistial Methods for Segmentation and Classifiation of Images, Ph.D. thesis, Tehnial University of Denmark. [8] Safar M., Shahabi, C., Sun, X. (1999), "Image Retrieval by Shape: A Comparative Study", Pro. IEEE Int. Conf. On Multimedia and Expo, New York. [9] Sheikholeslami G., Chang, W., Zhang, A. (00), "SemQuery: Semanti Clustering and Querying on Heterogeneous Features for Visual Data", IEEE Transations on Knowledge and Data Engineering, Vol. 14, No. 5, September/Otober, pp [10] Smeulders, A.W.M., Worring, M., Santini, S., Gupta, A., Jain R. (000), "Content-Based Image Retrieval at the End of the Early Years", IEEE Transations on Pattern Analysis and Mahine Intelligene, Vol., No. 1, Deember. [11] Zhang, D., Lu, G. (001), "Content-Based Shape Retrieval Using Different Shape Desriptors: A Comparative Study", Pro. IEEE Conferene on Multimedia and Expo (ICME'01), Tokyo, Japan, August, pp Contatos André G. R. Balan 1 agrbalan@im.usp.br Agma J. M. Traina agma@im.usp.br Caetano Traina Jr. 3 aetano@im.usp.br Paulo Azevedo-Marques 4 pmarques@fmrp.usp.br 1,,3 Instituto de Ciênias Matemátias e de Computação (ICMC USP) Av. do Trabalhador São-Carlense, 400 Centro Cx. Postal 668 São Carlos SP Brasil, CEP Fauldade de Mediina de Ribeirão Preto (FMRP USP) Av. Bandeirantes, 3900 Ribeirão Preto SP Brasil, CEP
Curso de Data Mining
Aula 7 - Os algoritmos SPIRIT Curso de Data Mining Sandra de Amo O esquema geral dos algoritmos SPIRIT é o seguinte: ETAPA 1 : Etapa do relaxamento R Calula-se o onjunto L das sequênias frequentes que
Leia maisDica : Para resolver esse exercício pegue o arquivo pontosm.txt, na página do professor.
Colégio Ténio Antônio Teieira Fernandes Disiplina ICG Computação Gráfia - 3º Anos (Informátia) (Lista de Eeríios I - Bimestre) Data: 10/03/2015 Eeríios 1) Elabore um proedimento em C++ que passe os pares
Leia maisPROCESSAMENTO DOS DADOS DE DIFRAÇÃO DE RAIOS X PARA MEDIÇÃO DE TENSÕES
PROCESSAMENTO DOS DADOS DE DIFRAÇÃO DE RAIOS X PARA MEDIÇÃO DE TENSÕES J.T.Assis joaquim@iprj.uerj.br V.I.Monin monin@iprj.uerj.br Souza, P. S. Weidlih, M. C. Instituto Politénio IPRJ/UERJ Caixa Postal
Leia maisImplantação de PACS com Suporte à Recuperação de Imagens Baseada em Conteúdo em Hospital Universitário
X CONGRESSO BRASILEIRO DE INFORMÁTICA EM SAÚDE Implantação de PACS com Suporte à Recuperação de Imagens Baseada em Conteúdo em Hospital Universitário Autores: Edilson Carlos Caritá Enzo Seraphim Marcelo
Leia maisTrabalho 2 Fundamentos de computação Gráfica
Trabalho 2 Fundamentos de computação Gráfica Processamento de Imagens Aluno: Renato Deris Prado Tópicos: 1- Programa em QT e C++ 2- Efeitos de processamento de imagens 1- Programa em QT e C++ Para o trabalho
Leia maisConcreto. Prof. M.Sc. Ricardo Ferreira
Conreto Prof..S. Riardo Ferreira O traço Prof..S. Riardo Ferreira Fonte: Dario Dafio Eletrobras Furnas www.ement.org Traço 3/23 A expressão da proporção dos materiais omponentes de uma omposição partiular
Leia maisResultados Experimentais
Capítulo 6 Resultados Experimentais Este capítulo é dedicado às avaliações experimentais do sistema CBIR. Os experimentos aqui realizados têm três objetivos principais: comparar os nossos resultados com
Leia maisDOSAGEM DE TRAÇOS DE CONCRETO PARA OBRAS DE PEQUENO PORTE, PELO MÉTODO ACI/ABCP E MODELO PROPOSTO POR CAMPITELI. Junio de Matos Torres
0 DOSAGE DE TRAÇOS DE ONRETO PARA OBRAS DE PEQUENO PORTE, PELO ÉTODO AI/ABP E ODELO PROPOSTO POR APITELI. Junio de atos Torres Garanhuns setembro de 2015 1 ONRETO DEFINIÇÃO onreto é basiamente o resultado
Leia maisPROF. DR. JACQUES FACON
PUCPR- Pontifícia Universidade Católica Do Paraná PPGIA- Programa de Pós-Graduação Em Informática Aplicada PROF. DR. JACQUES FACON LIMIARIZAÇÃO DUPLA DE ISTVÁN CSEKE PROJETO DE UMA RÁPIDA SEGMENTAÇÃO PARA
Leia maisCOEFICIENTES DE ATRITO
Físia Geral I EF, ESI, MAT, FQ, Q, BQ, OCE, EAm Protoolos das Aulas Prátias 003 / 004 COEFICIENTES DE ATRITO 1. Resumo Corpos de diferentes materiais são deixados, sem veloidade iniial, sobre um plano
Leia maisUNIVERSIDADE 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 maisProcessamento 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 maisCompiladores. Geração de Código Intermediário
Compiladores Geração de Código Intermediário Cristiano Lehrer, M.S. Atividades do Compilador Arquivo de origem Arquivo de destino Análise Otimização Geração de Código Intermediário Geração de Código Final
Leia maisCorelDRAW 11 1. UM PROGRAMA DE DESIGN
CorelDRAW 11 1. UM PROGRAMA DE DESIGN Com o Corel você vai trabalhar com um dos aplicativos mais usados no campo do design e da auto-edição, já que permite operar com dois tipos de gráficos (vetoriais
Leia mais4 Avaliação Experimental
4 Avaliação Experimental Este capítulo apresenta uma avaliação experimental dos métodos e técnicas aplicados neste trabalho. Base para esta avaliação foi o protótipo descrito no capítulo anterior. Dentre
Leia maisATIVIDADES PRÁTICAS SUPERVISIONADAS
ATIVIDADES PRÁTICAS SUPERVISIONADAS Engenharia de Controle e Automação 9ª Série Controle e Servomeanismos I A atividade prátia supervisionada (ATPS) é um proedimento metodológio de ensino-aprendizagem
Leia maisCasos de teste semânticos. Casos de teste valorados. Determinar resultados esperados. Gerar script de teste automatizado.
1 Introdução Testes são importantes técnicas de controle da qualidade do software. Entretanto, testes tendem a ser pouco eficazes devido à inadequação das ferramentas de teste existentes [NIST, 2002].
Leia maisSistema de Recuperação de Imagens Similares em um Hospital Universitário
Sistema de Recuperação de Imagens Similares em um Hospital Universitário Natália Abdala Rosa 1,6, Roberto Figueira Santos Filho 2, Josiane M. Bueno 3, Agma J. M. Traina 4, Caetano Traina Junior 5 1,2,3,4,5
Leia maisPALAVRAS-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 maisAnálise e visualização de dados utilizando redes neurais artificiais auto-organizáveis
Análise e visualização de dados utilizando redes neurais artificiais auto-organizáveis Adriano Lima de Sá Faculdade de Computação Universidade Federal de Uberlândia 20 de junho de 2014 Adriano L. Sá (UFU)
Leia maisTaxa de Gravação da Memória RAM (MegaBytes / segundo) G5 2.7 Ghz (Mac) Linux Kernel 2.6 2799 1575
21 4 Análise É necessária uma análise criteriosa, que busque retornar as questões primordiais sobre o que é realmente preciso para a aquisição de uma plataforma de produção gráfica digital profissional.
Leia mais29/08/2011. 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 maisCálculo do conjunto paralelo
Cálculo do conjunto paralelo Vamos usar letras maiúsculas A; B, etc para representar conjuntos e letras minusculas x, y, etc para descrever seus pontos. Vamos usar a notação x para descrever a norma de
Leia maisExame II. Citações e Notificações CURSO DE EMPREGADOS FORENSES DE AGENTE DE EXECUÇÃO. A preencher pelo formando:
CURSO DE EMPREGADOS FORENSES DE AGENTE DE EXECUÇÃO Exame II Citações e Notifiações Duração: 1 hora 4 de Maio A preenher pelo formando: Nome do formando (ompleto e legível): Identifiação do Agente de Exeução:
Leia maisFEN- 06723 Processamento Digital de Imagens. Projeto 2 Utilização de máscaras laplacianas
FEN- 06723 Processamento Digital de Imagens Projeto 2 Utilização de máscaras laplacianas Marcelo Musci Mestrado Geomática/UERJ-2004 Abstract The Laplacian is also called as second difference function,
Leia maisClassificação 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 maisProjetos. Universidade Federal do Espírito Santo - UFES. Mestrado em Informática 2004/1. O Projeto. 1. Introdução. 2.
Pg. 1 Universidade Federal do Espírito Santo - UFES Mestrado em Informática 2004/1 Projetos O Projeto O projeto tem um peso maior na sua nota final pois exigirá de você a utilização de diversas informações
Leia mais6 Construção de Cenários
6 Construção de Cenários Neste capítulo será mostrada a metodologia utilizada para mensuração dos parâmetros estocásticos (ou incertos) e construção dos cenários com respectivas probabilidades de ocorrência.
Leia maisTabela de Símbolos. Análise Semântica A Tabela de Símbolos. Principais Operações. Estrutura da Tabela de Símbolos. Declarações 11/6/2008
Tabela de Símbolos Análise Semântica A Tabela de Símbolos Fabiano Baldo Após a árvore de derivação, a tabela de símbolos é o principal atributo herdado em um compilador. É possível, mas não necessário,
Leia mais(x, y) = (a, b) + t*(c-a, d-b) ou: x = a + t*(c-a) y = b + t*(d-b)
Equação Vetorial da Reta Dois pontos P e Q, definem um único vetor v = PQ, que representa uma direção. Todo ponto R cuja direção PR seja a mesma de PQ está contido na mesma reta definida pelos pontos P
Leia maisNotas de Aula - Álgebra de Boole Parte 1
Universidade de Brasília Departamento de Engenharia Elétrica Sistemas Digitais 1 Prof. Dr. Alexandre Romariz Revisado em 27/4/06 Notas de Aula - Álgebra de Boole Parte 1 1 Introdução Fundamentos, Teoremas
Leia maisSEGMENTAÇÃO 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 maisMatemática - UEL - 2010 - Compilada em 18 de Março de 2010. Prof. Ulysses Sodré Matemática Essencial: http://www.mat.uel.
Matemática Essencial Equações do Segundo grau Conteúdo Matemática - UEL - 2010 - Compilada em 18 de Março de 2010. Prof. Ulysses Sodré Matemática Essencial: http://www.mat.uel.br/matessencial/ 1 Introdução
Leia maisRedes de Computadores I. Gabarito da Lista de Exercícios 2 B C. Tabela de B B C
Redes de omputadores I Gabarito da Lista de xercícios ) Na topologia abaixo, considere que: o protocolo de roteamento utilizado é baseado em istance Vector usando a técnica Split Horizon com poison reverse,
Leia maisDadas a base e a altura de um triangulo, determinar sua área.
Disciplina Lógica de Programação Visual Ana Rita Dutra dos Santos Especialista em Novas Tecnologias aplicadas a Educação Mestranda em Informática aplicada a Educação ana.santos@qi.edu.br Conceitos Preliminares
Leia maisProf. Júlio Cesar Nievola Data Mining PPGIa PUCPR
Uma exploração preliminar dos dados para compreender melhor suas características. Motivações-chave da exploração de dados incluem Ajudar na seleção da técnica correta para pré-processamento ou análise
Leia maisProjeto FlexiGrid IWA. Sistema de Armazenamento e Comunicação de Imagens
Projeto FlexiGrid IWA Sistema de Armazenamento e Comunicação de Imagens Aristófanes C. Silva Danilo Launde Lúcio Dias Roteiro PACS Definição Infra-Estrutura Camadas Problemas Soluções DICOM IWA Histórico
Leia maisATENÇÃO: * Arquivos com tamanho superior a 500 KB NÃO SERÃO ACEITOS * SOMENTE serão aceitos documentos do formato: PDF
TUTORIAL DE DIGITALIZAÇÃO DIRIGIDO AO USO DO PROCESSO ELETRÔNICO Adaptado do tutorial elaborado pelo colega MAICON FALCÃO, operador de computador da subseção judiciária de Rio Grande. Introdução Este tutorial
Leia maisO ESPAÇO NULO DE A: RESOLVENDO AX = 0 3.2
3.2 O Espaço Nulo de A: Resolvendo Ax = 0 11 O ESPAÇO NULO DE A: RESOLVENDO AX = 0 3.2 Esta seção trata do espaço de soluções para Ax = 0. A matriz A pode ser quadrada ou retangular. Uma solução imediata
Leia maisMINERAÇÃO DE DADOS APLICADA. Pedro Henrique Bragioni Las Casas pedro.lascasas@dcc.ufmg.br
MINERAÇÃO DE DADOS APLICADA Pedro Henrique Bragioni Las Casas pedro.lascasas@dcc.ufmg.br Processo Weka uma Ferramenta Livre para Data Mining O que é Weka? Weka é um Software livre do tipo open source para
Leia maisOI CONTA EMPRESA MANUAL DO USUÁRIO (exceto Administradores de Conta)
OI CONTA EMPRESA MANUAL DO USUÁRIO (exceto Administradores de Conta) 1 Bem-vindo ao Oi Conta Empresa! A Oi tem o orgulho de lançar mais um produto para nossos clientes corporativos, o Oi Conta Empresa.
Leia maisSistemas Operacionais e Introdução à Programação. Vetores e matrizes
Sistemas Operacionais e Introdução à Programação Vetores e matrizes 1 Matrizes Cada elemento de uma matriz é referenciado indicando-se sua posição dentro da matriz. Na Matemática, matrizes são arranjos
Leia maisESTEREOSCOPIA INTRODUÇÃO. Conversão de um par de imagens (a)-(b) em um mapa de profundidade (c)
ESTEREOSCOPIA INTRODUÇÃO Visão estereoscópica se refere à habilidade de inferir informações da estrutura 3-D e de distâncias da cena de duas ou mais imagens tomadas de posições diferentes. Conversão de
Leia maisNovell. Novell Teaming 1.0. novdocx (pt-br) 6 April 2007 EXPLORAR O PORTLET BEM-VINDO DESCUBRA SEU CAMINHO USANDO O NOVELL TEAMING NAVIGATOR
Novell Teaming - Guia de início rápido Novell Teaming 1.0 Julho de 2007 INTRODUÇÃO RÁPIDA www.novell.com Novell Teaming O termo Novell Teaming neste documento se aplica a todas as versões do Novell Teaming,
Leia maisCálculo de volume de objetos utilizando câmeras RGB-D
Cálculo de volume de objetos utilizando câmeras RGB-D Servílio Souza de ASSIS 1,3,4 ; Izadora Aparecida RAMOS 1,3,4 ; Bruno Alberto Soares OLIVEIRA 1,3 ; Marlon MARCON 2,3 1 Estudante de Engenharia de
Leia maisAlgoritmos e Programação (Prática) Profa. Andreza Leite andreza.leite@univasf.edu.br
(Prática) Profa. Andreza Leite andreza.leite@univasf.edu.br Introdução O computador como ferramenta indispensável: Faz parte das nossas vidas; Por si só não faz nada de útil; Grande capacidade de resolução
Leia maisSumário do Volume. Linguagens e Códigos Digitais
Linguagens e ódigos igitais Sumário do Volume 1. Gráfios de geografia 05 2. Homotetia 08 3. ivisão Áurea 13 4. Sequênia de Fionai 14 5. Fratais 18 6. álulo de área de figuras planas 28 7. Semana de arte
Leia maisVerificação de Impressões Digitais usando Algoritmos Genéticos
1. Introdução Verificação de Impressões Digitais usando Algoritmos Genéticos Matheus Giovanni Pires, Fernando Vieira Duarte, Adilson Gonzaga Escola de Engenharia de São Carlos Universidade de São Paulo
Leia maisThales 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 maisAUTOMATIZAÇÃO DA CALIBRAÇÃO DE CÂMERAS DE BAIXO CUSTO PARA USO EM VISÃO COMPUTACIONAL
AUTOMATIZAÇÃO DA CALIBRAÇÃO DE CÂMERAS DE BAIXO CUSTO PARA USO EM VISÃO COMPUTACIONAL Fábio Santos Lobão lobao@ene.unb.br ENE FT UNB Caixa Postal 4386 CEP 70919-970 - Brasília DF Adolfo Bauhspiess adolfo@ene.unb.br
Leia maisDescoberta de Domínio Conceitual de Páginas Web
paper:25 Descoberta de Domínio Conceitual de Páginas Web Aluno: Gleidson Antônio Cardoso da Silva gleidson.silva@posgrad.ufsc.br Orientadora: Carina Friedrich Dorneles dorneles@inf.ufsc.br Nível: Mestrado
Leia maisFLUXOS DE CAIXA A PREÇO NOMINAL E A PREÇO REAL
FLUXOS DE AIXA A PREÇO NOMINAL E A PREÇO REAL 1. Introdução Dois conceitos devem ser perfeitamente entendidos pelos alunos quando estiverem elaborando análises a partir de variáveis econômicas-financeiras,
Leia maisMLP (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 maisUFGD 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 maisAUTOMAÇÃO DA SUBESTAÇÃO DA USINA TERMELÉTRICA DE LINHARES (ES) COM O ELIPSE POWER
AUTOMAÇÃO DA SUBESTAÇÃO DA USINA TERMELÉTRICA DE LINHARES (ES) COM O ELIPSE POWER Este case apresenta a aplicação da solução Elipse Power para controlar a subestação da Usina Termelétrica de Linhares,
Leia maisA limiarização é uma das abordagens mais importantes de segmentação de imagens. A limiarização é um caso específico de segmentação.
Limiarização A limiarização é uma das abordagens mais importantes de segmentação de imagens. A limiarização é um caso específico de segmentação. O princípio da limiarização consiste em separar as regiões
Leia maisAPLICAÇÃO DO CLASSIFICADOR NAIVE BAYES PARA IDENTIFICAÇÃO DE FALHAS DE UM MANIPULADOR ROBÓTICO
ABCM Symposium Series in Mehatronis - Vol. 6 Setion I Apliações de Inteligênia Artifiial APLICAÇÃO DO CLASSIFICADOR NAIVE BAYES PARA IDENTIFICAÇÃO DE FALHAS DE UM MANIPULADOR ROBÓTICO Bruna dos Santos
Leia maisUniversidade Tecnológica Federal do Paraná UTFPR Programa de Pós-Graduação em Computação Aplicada Disciplina de Mineração de Dados
Universidade Tecnológica Federal do Paraná UTFPR Programa de Pós-Graduação em Computação Aplicada Disciplina de Mineração de Dados Prof. Celso Kaestner Poker Hand Data Set Aluno: Joyce Schaidt Versão:
Leia mais3 Metodologia para Segmentação do Mercado Bancário
3 Metodologia para Segmentação do Mercado Bancário Este capítulo descreve a metodologia proposta nesta dissertação para a segmentação do mercado bancário a partir da abordagem post-hoc, servindo-se de
Leia maisAvaliação de técnicas de seleção de quadros-chave na recuperação de informação por conteúdo visual
Avaliação de técnicas de seleção de quadros-chave na recuperação de informação por conteúdo visual Shênia Salvador de Pinho, Kleber J. F. Souza Instituto de Ciências Exatas e Informática PUC Minas Guanhães,
Leia maisANÁLISE DA CONSERVAÇÃO PÓS-COLHEITA DA ALFACE (Lactuca Sativa, L) UTILIZANDO O SISTEMA DE APOIO À TOMADA DE DECISÃO BKD
ANÁLISE DA CONSERVAÇÃO PÓS-COLHEITA DA ALFACE (Lactuca Sativa, L) UTILIZANDO O SISTEMA DE APOIO À TOMADA DE DECISÃO BKD RESUMO Thereza P. P. Padilha Fabiano Fagundes Conceição Previero Laboratório de Solos
Leia mais5 Resultados. 5.1. Avaliação Baseada na Taxa de Igual Erro
5 Resultados Neste capitulo discutem-se os resultados obtidos no desenvolvimento desta pesquisa segundo a metodologia descrita no capitulo anterior. A avaliação de acurácia para tarefas de verificação
Leia maisRoteiro. Arquitetura. Tipos de Arquitetura. Questionário. Centralizado Descentralizado Hibrido
Arquitetura Roteiro Arquitetura Tipos de Arquitetura Centralizado Descentralizado Hibrido Questionário 2 Arquitetura Figura 1: Planta baixa de uma casa 3 Arquitetura Engenharia de Software A arquitetura
Leia maisProcessamento 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 maisSistema de Armazenamento de Imagens Comprimidas Através da Transformada Wavelet
Campus de Ilha Solteira PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA Sistema de Armazenamento de Imagens Comprimidas Através da Transformada Wavelet JAQUELINE FERREIRA DA SILVA Orientador: Prof. Dr.
Leia maisQual é o risco real do Private Equity?
Opinião Qual é o risco real do Private Equity? POR IVAN HERGER, PH.D.* O debate nos mercados financeiros vem sendo dominado pela crise de crédito e alta volatilidade nos mercados acionários. Embora as
Leia maisRECONHECIMENTO 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 maisRevista 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 maisa 1 x 1 +... + a n x n = b,
Sistemas Lineares Equações Lineares Vários problemas nas áreas científica, tecnológica e econômica são modelados por sistemas de equações lineares e requerem a solução destes no menor tempo possível Definição
Leia maisADM041 / EPR806 Sistemas de Informação
ADM041 / EPR806 Sistemas de Informação UNIFEI Universidade Federal de Itajubá Prof. Dr. Alexandre Ferreira de Pinho 1 Sistemas de Apoio à Decisão (SAD) Tipos de SAD Orientados por modelos: Criação de diferentes
Leia maisMetodologia de Cálculo da Inércia Inflacionária e dos Efeitos do Choque dos Preços Administrados
Metodologia de Cálulo da Inéria Inflaionária e dos Efeitos do Choque dos Preços Administrados I. Introdução Esta nota apresenta a metodologia usada atualmente para quantifiar o efeito, via inéria, da inflação
Leia maisGuia do professor. Ministério da Ciência e Tecnologia. Ministério da Educação. Secretaria de Educação a Distância.
números e funções Guia do professor Objetivos da unidade 1. Analisar representação gráfica de dados estatísticos; 2. Familiarizar o aluno com gráfico de Box Plot e análise estatística bivariada; 3. Utilizar
Leia maisAula 3 - Registro de Imagem
1. Registro de Imagens Aula 3 - Registro de Imagem Registro é uma transformação geométrica que relaciona as coordenadas da imagem (linha e coluna) com as coordenadas geográficas (latitude e longitude)
Leia maisTEORIA DOS GRAFOS APLICADA AO CAMPEONATO BRASILEIRO 2003
TEORIA DOS GRAFOS APLICADA AO CAMPEONATO BRASILEIRO 3 Sérgio Bortolin Júnior e Alessandro Girardi RESUMO Este artigo apresenta um novo tipo de regulamento de pontos para o futebol com base na teoria dos
Leia maisManual de instruções / Certificado de garantia Controlador CCL-PC
Manual de instruções / Certificado de garantia Controlador CCL-PC REV1 03/2015 Índice - 1 Introdução...2-1.1 Especificações...2-1.2 Características......3-1.3 Guia de uso e operação...3-1.4 Cabo de rede
Leia maisAjuste dos Parâmetros de um Controlador PI em uma Coluna de Destilação Binária
Ajuste dos Parâmetros de um Controlador PI em uma Coluna de Destilação Binária Marina Roberto Martins 1*, Fernando Palú 1 (1) Universidade Estadual do Oeste do Paraná, Curso de Engenharia Química. e-mail:
Leia maisINTELIGÊNCIA ARTIFICIAL Data Mining (DM): um pouco de prática. (1) Data Mining Conceitos apresentados por
INTELIGÊNCIA ARTIFICIAL Data Mining (DM): um pouco de prática (1) Data Mining Conceitos apresentados por 1 2 (2) ANÁLISE DE AGRUPAMENTOS Conceitos apresentados por. 3 LEMBRE-SE que PROBLEMA em IA Uma busca
Leia maisOsmometria de Membrana. Ricardo Cunha Michel sala J-210 e J-126 (LAFIQ) 2562-7228 rmichel@ima.ufrj.br
Osmometria de Membrana Riardo Cunha Mihel sala J-210 e J-126 (LAFIQ) 2562-7228 rmihel@ima.ufrj.br O Fenômeno da Osmose * A osmose pode ser desrita omo sendo o resultado da tendênia do solvente em meslar-se
Leia maisANDRÉ APARECIDO DA SILVA APOSTILA BÁSICA SOBRE O POWERPOINT 2007
ANDRÉ APARECIDO DA SILVA APOSTILA BÁSICA SOBRE O POWERPOINT 2007 CURITIBA 2015 2 SUMÁRIO INTRODUÇÃO AO MICROSOFT POWERPOINT 2007... 3 JANELA PRINCIPAL... 3 1 - BOTÃO OFFICE... 4 2 - FERRAMENTAS DE ACESSO
Leia maisFluxo de trabalho do Capture Pro Software: Indexação de código de barras e separação de documentos
Este procedimento corresponde ao fluxo de trabalho de Indexação de código de barras e de separação de documentos no programa de treinamento do Capture Pro Software. As etapas do procedimento encontram-se
Leia maisImagem digital - 1. A natureza da imagem fotográfica. A natureza da imagem fotográfica
A natureza da imagem fotográfica PRODUÇÃO GRÁFICA 2 Imagem digital - 1 Antes do desenvolvimento das câmeras digitais, tínhamos a fotografia convencional, registrada em papel ou filme, através de um processo
Leia maisCorrelação Canônica. Outubro / 1998. Versão preliminar. Fabio Vessoni. fabio@mv2.com.br (011) 30642254. MV2 Sistemas de Informação
Correlação Canônica Outubro / 998 Versão preliminar Fabio Vessoni fabio@mv.com.br (0) 306454 MV Sistemas de Informação Introdução Existem várias formas de analisar dois conjuntos de dados. Um dos modelos
Leia maisOndas Eletromagnéticas. E=0, 1 B=0, 2 E= B t, 3 E
Ondas Eletromagnéticas. (a) Ondas Planas: - Tendo introduzido dinâmica no sistema, podemos nos perguntar se isto converte o campo eletromagnético de Maxwell em uma entidade com existência própria. Em outras
Leia maisCapacidade = 512 x 300 x 20000 x 2 x 5 = 30.720.000.000 30,72 GB
Calculando a capacidade de disco: Capacidade = (# bytes/setor) x (méd. # setores/trilha) x (# trilhas/superfície) x (# superfícies/prato) x (# pratos/disco) Exemplo 01: 512 bytes/setor 300 setores/trilha
Leia maisMicrosoft Office PowerPoint 2007
INTRODUÇÃO AO MICROSOFT POWERPOINT 2007 O Microsoft Office PowerPoint 2007 é um programa destinado à criação de apresentação através de Slides. A apresentação é um conjunto de Sides que são exibidos em
Leia maisAula 8 Circuitos Integrados
INTRODUÇÃO À ENGENHRI DE COMPUTÇÃO PONTIFÍCI UNIVERSIDDE CTÓLIC DO RIO GRNDE DO SUL FCULDDE DE ENGENHRI ula Circuitos Integrados Introdução Portas Lógicas em Circuitos Integrados Implementação de Funções
Leia maisferramentas da imagem digital
ferramentas da imagem digital illustrator X photoshop aplicativo ilustração vetorial aplicativo imagem digital 02. 16 imagem vetorial X imagem de rastreio imagem vetorial traduz a imagem recorrendo a instrumentos
Leia maisPARTE 2 FUNÇÕES VETORIAIS DE UMA VARIÁVEL REAL
PARTE FUNÇÕES VETORIAIS DE UMA VARIÁVEL REAL.1 Funções Vetoriais de Uma Variável Real Vamos agora tratar de um caso particular de funções vetoriais F : Dom(f R n R m, que são as funções vetoriais de uma
Leia maisFACULDADE CAMPO LIMPO PAULISTA MESTRADO EM CIÊNCIA DA COMPUTAÇÃO. Projeto e Análise de Algoritmos II Lista de Exercícios 2
FACULDADE CAMPO LIMPO PAULISTA MESTRADO EM CIÊNCIA DA COMPUTAÇÃO Projeto e Análise de Algoritmos II Lista de Exercícios 2 Prof. Osvaldo. 1. Desenvolva algoritmos para as operações abaixo e calcule a complexidade
Leia maisAnálise e Projeto Orientados por Objetos
Análise e Projeto Orientados por Objetos Aula 02 Análise e Projeto OO Edirlei Soares de Lima Análise A análise modela o problema e consiste das atividades necessárias para entender
Leia maisIndexação e Recuperação de Imagens por Conteúdo. Cleigiane Lemos Josivan Reis Wendeson Oliveira
Indexação e Recuperação de Imagens por Conteúdo Cleigiane Lemos Josivan Reis Wendeson Oliveira 1 Content-based Image Retrieval (CBIR) 2 Roteiro Introdução Arquitetura Extração de Características Indexação
Leia maisGERAÇÃO DE VIAGENS. 1.Introdução
GERAÇÃO DE VIAGENS 1.Introdução Etapa de geração de viagens do processo de planejamento dos transportes está relacionada com a previsão dos tipos de viagens de pessoas ou veículos. Geralmente em zonas
Leia maisCálculo utilizando variáveis do tipo DATA
Cálculo utilizando variáveis do tipo DATA Pré requisitos: Elaboração de questionário Análise de resultados Visões: relatórios multimídia Publicação de questionário na internet O uso de variáveis do tipo
Leia maisFigura 7.20 - Vista frontal dos vórtices da Figura 7.18. Vedovoto et al. (2006).
87 Figura 7.20 - Vista frontal dos vórtices da Figura 7.18. Vedovoto et al. (2006). Figura 7.21 - Resultado qualitativo de vórtices de ponta de asa obtidos por Craft et al. (2006). 88 A visualização do
Leia maisParticipar do processo de modernização industrial decorrente da Adoção de novas tecnologias, elegendo prioridades em nível nacional.
Sumário Introdução 5 omportamento do capacitor em A 6 Funcionamento do capacitor em A 6 Reatância capacitiva 8 Fatores que influenciam reatância capacitiva 9 Relação entre tensão ca, corrente ca e reatância
Leia maisCOLÉGIO ESTADUAL PAULO LEMINSKI APOSTILA SOBRE O BROFFICE IMPRESS
COLÉGIO ESTADUAL PAULO LEMINSKI APOSTILA SOBRE O BROFFICE IMPRESS CURITIBA 2014 2 Conteúdo Definição:... 2 Detalhando a tela:... 4 BARRA DE FERRAMENTAS DESENHO... 4 PREENCHIMENTOS... 5 RÉGUAS E GUIAS...
Leia maisMemória cache. Prof. Francisco Adelton
Memória cache Prof. Francisco Adelton Memória Cache Seu uso visa obter uma velocidade de acesso à memória próxima da velocidade das memórias mais rápidas e, ao mesmo tempo, disponibilizar no sistema uma
Leia maisREDUZINDO AS QUEBRAS ATRAVÉS DA MANUTENÇÃO PROFISSIONAL
REDUZINDO AS QUEBRAS ATRAVÉS DA MANUTENÇÃO PROFISSIONAL Luiz Rodrigo Carvalho de Souza (1) RESUMO O alto nível de competitividade exige que as empresas alcancem um nível de excelência na gestão de seus
Leia maisOtimização de Funções Não Lineares por Meio do Algoritmo Árvore da Montanha
Otimização de Funções Não Lineares por Meio do Algoritmo Árvore da Montanha Amarildo de Vicente Colegiado do Curso de Matemática Centro de Ciências Exatas e Tecnológicas da Universidade Estadual do Oeste
Leia maisAutor: Patrícia Aparecida Proença 1 Orientador: Prof. Dr. Ilmério Reis da Silva 1 Co-Orientadora: Profª. Drª Celia A.
UMA PROPOSTA DE MELHORIA NO PROCESSO DE RECUPERAÇÃO DE IMAGENS DIGITAIS COM BASE NA DISTRIBUIÇÃO DE CARACTERÍSTICAS DE BAIXO NÍVEL EM SEUS SEGMENTOS UTILIZANDO ÍNDICE INVERTIDO Autor: Patrícia Aparecida
Leia mais