PalmPass: Biometric Recognition by Computational Analysis of Palmar Print
|
|
- Samuel Martins de Sousa
- 6 Há anos
- Visualizações:
Transcrição
1 PalmPass: Biometric Recognition by Computational Analysis of Palmar Print Abstract Currently, the most used systems for user authentication and identification are based on passwords and biometrics. However, such methods still have vulnerabilities that result in high false verification rate even in modern systems. The BioPass project provides the use of multifactor authentication and multibiometrics associated to active safety. In this context, this paper proposes the development of a subsystem of BioPass called PalmPass, addressing biometric recognition through the analysis of palm prints. The proposed method employs region of interest extraction and normalized correlation in the frequency domain. In order to empirically validate the proposed system, tests were performed with images from the database Poly U. Palmprint Database. In the best case, a correct classification rate of 98% was achieved. Keywords-reflector; biometry; palm print; biopass. I. INTRODUÇÃO Ao disponibilizar um serviço que exija controle de acesso, as organizações se deparam com o problema de estabelecer uma associação entre um indivíduo e uma identidade. A metodologia tradicional de autenticação baseada em senha permite que qualquer pessoa munida de um login e sua respectiva senha, tenha acesso a um serviço, independentemente de ser o usuário a quem o login e senha se destinam. Há também serviços biométricos de identificação e autenticação de usuários, considerados, a princípio, mais seguros, por exigirem a apresentação de uma característica física única e, portanto, a presença do usuário ao menos no momento da autenticação. No entanto, tais métodos também apresentam vulnerabilidades. A fim de elevar o grau de segurança em sistemas de informação, o projeto BioPass, uma parceria entre o Grupo de Pesquisa em Processamento e Análise de Sinais, Imagens e Vídeo e Reconhecimento de Padrões e a VSoft Tecnologia, prevê a utilização de autenticação multifator associada a multibiometria. Mais especificamente, prevê-se a utilização de cartão e senha associada à multibiometria por reconhecimento de face, impressão digital, geometria da mão, impressão palmar e voz-locutor. De acordo com [8], palmprint é uma característica biométrica única e confiável com alta usabilidade. Com a demanda crescente de sistemas automatizados de autenticação via biometria palmar, o desenvolvimento de algoritmos precisos e robustos de verificação de impressões palmares tem vindo a atrair um monte de interesses. Diferenças como translação, rotação e distorção entre duas imagens palmares introduzem erro no momento da comparação entre essas duas imagens e uma autenticação precisa é demasiadamente demorada. Métodos baseados em treinamento, como utilizados em [2] e [6], apesar de mais rápidos, apresentam taxas de acertos significativamente baixas para o reconhecimento biométrico preciso. Isso os torna inviáveis para autenticação de usuários e o uso comercial, já que esses algoritmos não podem ser treinados antes de serem utilizados no ambiente em que serão aplicados. Métodos que fazem a segmentação ou utilizam informações acerca dos principais vínculos e linhas palmares [9] presentes na região palmar costumam apresentar taxas de acerto mais elevadas [5]. Esses métodos apresentam semelhanças com os utilizados para impressões digitais e também podem ser considerados relevantes em sistemas com autenticação multifator. Esses algoritmos, todavia, são mais complexos de serem implementados. Entretanto, métodos mais recentes mostram que o uso da DCT pode ser uma alternativa rápida e eficiente no que diz respeito à identificação e autenticação de usuários [7]. Nesse contexto, este artigo apresenta métodos para extração de regiões de interesse na região palmar e o uso da correlação normalizada no domínio da frequência para comparação dessas regiões. Por fim, são discutidos testes realizados para validar o método proposto. II. MATERIAIS Foi utilizada a IDE Netbeans com a linguagem de programação Java, versão A classe BufferedImage, subclasse de Image do pacote AWT foi usada para a abertura das imagens utilizadas neste trabalho, de formato.bmp em escala de nível de cinza. Já a classe WritableRaster, subclasse de Raster e também pertencente ao pacote AWT, foi utilizada para a obtenção dos pixels de um objeto Image assim como para a alteração dos mesmos. A API (interface de programação de aplicativos) ImageJ [4], integrada com Java, foi usada para o aplicação da correlação normalizada. O uso do pacote jtransforms é usado para aplicação da correlação normalizada no domínio da frequência. A base de impressões palmares Poly U. Palm Print Database [1] foi selecionada para ser usado durante toda a pesquisa. Esse banco possui um total de 50 imagens de baixa resolução (75 dpi) em escala de cinza no formato.bmp de dimensões 384x284. As imagens são de 10 pessoas diferentes, com 5 imagens para cada pessoa. III. LOCALIZAÇÃO DOS PONTOS DE REFERÊNCIA Para localização dos pontos de referência na região palmar, primeiramente a imagem utilizadas deve passar por um processo de binarização para facilitar a leitura das informações. Mesmo após esse procedimento, as imagens do banco de dados palmar ainda necessitam de uma suavização
2 para diminuição do ruído para melhorar a qualidade da binarização. Para tanto é utilizado um filtro de processamento digital de imagens conhecido como mediana [3]. As imagens contidas no banco de dados apresentam alterações de posicionamento de forma que as imagens, mesmo sendo da mesma pessoa, não podem ser diretamente comparadas sem antes haver um processamento para a localização de pontos de referência na mão, para definição da área principal, ou região de interesse (region of interest, ROI). Os pontos de referência a serem encontrados [2], são os seguintes: Ponto de interseção entre os dedos anelar e mínimo, P 1 ; e Ponto de interseção entre os dedos indicador e médio, P 2 Métodos foram desenvolvidos para busca e demarcação automática desses pontos nas imagens binarizadas [2], calculando-se, então, a distância d, o ponto-médio P m e o ângulo θ entre eles. IV. LOCALIZAÇÃO DA ÁREA PRINCIPAL NA REGIÃO PALMAR Após serem encontrados e definidos os pontos de referência, a imagem é processada de forma a encontrar a ROI, uma região retangular completamente contida na palma da mão, que será usada para obtenção das informações necessárias para a comparação e reconhecimento do usuário. De acordo com as informações extraídas a partir da definição dos pontos de referência, a imagem é rotacionada θ graus, de modo que a reta que liga P 1 e P 2 torna-se vertical, e localizam-se o ponto inferior esquerdo e superior direito da ROI, utilizando d e P m. A ROI é então transformada em uma nova imagem em escala de cinzas. Essa nova imagem passa a representar a informação de interesse básica, a ser utilizada para produzir as ROIs específicas definidas para cada variante do método proposto. Essa imagem denomina-se, no escopo deste trabalho, ROI original. As subseções seguintes detalham as variantes avaliadas para o método proposto. A. ROIs Normalizadas A partir das ROIs básicas, obteve-se a menor altura e a menor largura dentre todas elas, e novas ROIs foram criadas com essas dimensões, denominadas de ROIs normalizadas, recortando-se as ROIs originais. Como a menor largura e a menor altura dentre todas as ROIs originais é 122, todas as ROIs normalizadas tem dimensões 122x122. A Fig. 1 mostra uma ROI original e a ROI normalizada correspondente. Fig. 1. ROI original (a) e ROI normalizada. (b). B. ROIs Estendidas A partir do método de demarcação das ROIs originais, acrescentou-se às bordas da ROI 8 pixels na direção horizontal e 16 pixels na direção vertical. Esse valor foi obtido empiricamente, para a base utilizada. Essa nova região, maior que a ROI original, foi copiada para uma nova imagem mantendo-se os valores originais dos pixels na região demarcada. A Fig. 2 ilustra a obtenção dessa nova ROI, denominada ROI estendida. Fig. 2. ROI original e estendida. As Fig. (a) e (b) representam, respectivamente, a ROI original e estendida da pessoa 1, mão 1. As Fig. (c) e (d) representam, respectivamente, a ROI original e estendida da pessoa 2, mão 1. Como pode ser visto pela Fig. 2(d), a ROI estendida apresenta uma região de pixels com valores mais baixos que não pertencem propriamente à região palmar da mão correspondente. Isso ocorreu pela extensão descrita anteriormente. Apesar desses pixels com valores mais baixos não serem interessantes para o processo de correlação, esses pixels não influenciaram de forma significativa nos resultados, devido ao modo como a correlação é aplicada, como pode ser visto na seção correspondente. C. ROIs Rotacionadas A partir das ROIs normalizadas, foram criadas ROIs rotacionadas de -3º a 3º, com passo de 1º. Essas novas
3 imagens foram usadas para verificar de que forma o tamanho ou o ângulo da área principal extraída influenciam no resultado da comparação com correlação normalizada. A Fig. 3 mostra o resultado da operação de rotação de ROIs normalizadas. k e L: número de linhas e colunas, respectivamente, da janela. Por (1) também se pode observar que não faz sentido calcular a correlação quando a imagem de template é maior que a imagem de referência [3]. A correlação foi usada para comparação, sendo testada a aplicação no domínio do espaço e da frequência, pela Transformada de Fourier, para diminuir o tempo de processamento. VI. RESULTADOS E DISCUSSÕES O sistema é capaz de encontrar os pontos de referência da palma da mão, definir a área principal a ser usada para comparação e aplicar a correlação em quaisquer dois tipos de áreas principais diferentes indicando qual a área principal de referência mais parecida para cada template. Além disso, ele fornece as principais informações acerca da imagem da mão como os dois pontos de interseção descritos na seção correspondente, o ângulo, a distância aproximada e o ponto médio dentre essas interseções para cada imagem de mão exibida. As Fig. 4, 5 e 6 mostram o resultado do processamento do sistema sobre uma mesma mão do banco de dados palmar. Fig. 3. Áreas principais da mão 1 pessoa 1 rotacionada (a) -3º, (b) -2º, (c) - 1º, (d) 1º, (e) 2º, (f) 3º No total há 9 bancos de dados de ROIs diferentes, são eles: originais, estendidas, normalizadas, rotacionadas -3º, rotacionadas -2º, rotacionadas -1º, rotacionadas 1º, rotacionadas 2º e rotacionadas 3º. Cada um tem 50 imagens representando cada mão da base de dados utilizada. V. CORRELAÇÃO NORMALIZADA A correlação, no processamento digital de imagens, fornece uma medida de similaridade entre duas imagens. Na correlação normalizada, a medida varia no intervalo de [-1,1], onde 1 é o grau máximo de semelhança. Uma propriedade importante é que a correlação é uma operação comutativa, ou seja, a correlação entre duas imagens a e b é igual à correlação entre b e a, se a e b forem convenientemente estendidas. A correlação normalizada é dada por (1) [10]: Fig. 4. Imagem Original do Banco de Dados Palmar. (1) Onde: C(i,j): coeficiente de correlação em escala absoluta [-1, 1]; W z : janela de referência; e µ w : média da janela de referência; S i,j : janela de ajuste; e µ s :média da janela de ajuste; l e m: linha e coluna, respectivamente, do ponto de controle na imagem referência; Fig. 5. Mão binarizada, com o filtro da mediana aplicado 3 vezes, com os pontos principais definidos e área principal demarcada
4 Fig. 6. Área principal correspondente Ambos os métodos de pré-processamento, mediana e binarização, mostraram-se eficazes. A mediana aplicada 3 vezes seguida consegue retirar com qualidade todo o ruído, tornando o processo de binarização mais satisfatório. Uma binarização adequada é importante para a localização dos pontos principais na região palmar e, consequentemente, para a definição da área principal. Uma binarização adequada é obtida escolhendo-se um limiar bem ajustado e eliminando-se o ruído pela aplicação da mediana. Os testes indicaram que um limiar de 20 produz resultados precisos. Desta forma, após a aplicação dos métodos de pré-processamento, pode-se observar que toda a área do contorno da região palmar está bem demarcada e com um nível de ruído que não interfere na localização das informações importantes. O sistema mostrou-se capaz de localizar e marcar a interseção entre os dedos, tanto anelar e mínimo quanto indicador e médio, com desempenho satisfatório. Percebe-se também que a precisão em diferentes imagens da mesma mão no banco de dados é satisfatória. A Fig. 7 mostra imagens diferentes da mesma mão com a marcação dos pontos principais destacada. Fig. 7. Marcação destacadas das interseções encontradas pelo sistema. (a) Mão 1- Imagem 1. (b) Mão 1- Imagem 2. A extração das ROIs mostrou-se precisa. A Fig. 8 mostra o resultado da extração da ROI em diferentes mãos e imagens do banco de dados. Fig. 8. Áreas principais extraídas pelo sistema. (a) Pessoa 1 Mão 1. (b) Pessoa 1 Mão 2. (c) Pessoa 3 Mão 3. (d) Pessoa 3- Mão 5. Observa-se que a Fig. 8(a) e (b) apresentam imagens muito semelhantes, diferentes somente no tamanho da área extraída. Porém, as Fig. 8(c) e 8(d) apresentam uma diferença mais acentuada, não somente no tamanho da área extraída como também na posição de extração. Apesar dessa diferença, com o uso da correlação normalizada para comparar as duas imagens obtêm-se um grau elevado de semelhança, devido à forma como a correlação é aplicada. Deste modo, tanto a diferença de tamanho quanto a posição não interferem significativamente na comparação com correlação normalizada. A aplicação da correlação em ambos os domínios espaço e frequência apresentaram o mesmo resultado, como era esperado. Porém, o uso da correlação normalizada no domínio da frequência mostrou-se significativamente mais rápido do que sua equivalente no domínio do espaço. Testes empíricos mostraram que a execução da correlação no domínio da frequência foi aproximadamente 250 vezes mais rápida do que a correlação no domínio do espaço sob as mesmas condições. Nos testes, 2500 correlações entre ROIs originais foram executadas em aproximadamente 2500 segundos, no domínio do espaço, e em aproximadamente 10 segundos no domínio da frequência. A correlação normalizada no domínio da frequência teve o desempenho esperado e seus resultados podem ser vistos na Tabela 1. TABELA I TAXA DE ACERTO PARA CORRELAÇÃO ENTRE TIPOS DE ROIS DIFERENTES Referência Template Taxa de Acerto ROIs Originais ROIs Originais 74% ROIs Normalizadas ROIs Normalizadas 88% ROIs Estendidas ROIs Originais 92%
5 Observa-se que a correlação entre as ROIs Originais apresentou a menor taxa de acerto. Isso ocorreu devido à variabilidade no tamanho das ROIs originais. Dessa forma, no momento da correlação, sempre que uma ROI original usada como template é maior que a ROI usada como referência, o resultado da correlação normalizada é inconsistente. Pode-se ver, então, que o sistema apresentou uma acurácia de 98% na identificação de uma palma da mão para as imagens previstas no banco de dados usado. Isso significa que, como o banco de dados possui 50 mãos e, consequentemente, 50 áreas principais obtidas, há somente uma área principal que o sistema erra na identificação. Curiosamente, essa ROI, em todos dos testes citados até aqui, não foi identificada corretamente como sendo da pessoa nº 10 do banco de dados utilizado. A Fig. 9 mostra a ROI normalizada da mão dessa pessoa. TABELA II TAXA DE ACERTO PARA CORRELAÇÃO ENTRE AS ROIS ESTENDIDAS E AS ROIS ROTACIONADAS DE -3 A 3 GRAUS Referência Template Taxa de Acerto ROIs Estendidas ROIs Normalizadas 96% Rotacionadas -3º Rotacionadas -2º Rotacionadas -1º rotacionadas 1º rotacionadas 2º ROIs Estendidas ROIs Normalizadas rotacionadas 3º 96% Fig. 9. ROI normalizada da pessoa 10 mão 3. Acredita-se que esse erro ocorra pela semelhança, em nível de cinza, que os pixels dessa imagem apresentam em relação a outras imagens do banco de dados. Esse teste é de significante importância para mostrar como a captura das imagens pode influenciar na identificação do usuário por um sistema. Esta taxa de acerto (98%) é idêntica a um dos algoritmos apresentado em [7] que também faz o reconhecimento biométrico baseado na aplicação da DCT. Porém, não pode ser comparada com [8] pelo número de imagens, pessoas e métodos diferentes. Como mostrado pela Tabela 2 o método da correlação se mostrou eficaz para pequenas variações de até 2º para mais ou para menos. Somente as áreas principais rotacionadas, -3º ou 3º apresentaram um resultado diferente do que o encontrado no teste equivalente na Tabela 1. Esse resultado é importante para a identificação da tolerância do sistema em relação à rotação que pode ocorrer no momento da extração das ROIs. Logo, uma rotação de 2º - para mais ou para menos no momento da captura não influencia a taxa de acerto do sistema. VII. CONCLUSÕES Este trabalho apresentou um novo método para reconhecimento biométrico por intermédio da análise de impressões palmares. Foram propostas e avaliadas empiricamente algumas variantes do método, atingindo-se, no melhor caso, uma taxa de acertos de 98%. Os resultados indicam que o banco de dados do sistema a ser integrado ao BioPass deva ser construído de tal forma que, no momento do cadastro de uma nova pessoa ao sistema, um ROI estendida seja extraída e armazenada no banco de dados ao usuário correspondente. Além disso, quando for necessária a identificação do indivíduo, por intermédio do sistema, uma ROI normalizada deve ser extraída e correlacionada com as demais áreas principais já armazenadas no banco de dados. A aplicação da correlação no domínio da frequência é de suma importância, já que essa mostrou-se mais rápida do que a correlação no domínio do espaço. Informações como distâncias e ângulo entre as interseções e tamanho da área principal podem ser armazenadas, também, para pré-selecionar áreas principais no momento da identificação do usuário e, assim, diminuir o conjunto de aplicação da correlação. No entanto, é importante melhorar a precisão nas marcações das interseções, mostradas na Fig. 7, o que ocorrerá com a integração a outro subsistema do BioPass, voltado a reconhecimento biométrico por geometria da mão, em que os pontos fiduciais do contorno da mão são precisamente definidos. Deve-se destacar que pode-se aumentar a tolerância do sistema a rotações indesejadas nas ROIs rotacionando-se os templates por diversos ângulos em um intervalo pré-definido, com passo de 1º, por exemplo, antes de calcular a correlação. Assim, caso a ROI extraída da mão de um certo usuário esteja indevidamente rotacionada, o valor da correlação com o template correto (ou seja, extraído de uma imagem da mão do mesmo usuário) será elevada quando o template for rotacionado pelo mesmo ângulo da ROI. Essa solução, contudo, ocasiona um aumento no tempo de processamento. Em relação ao sistema de captura, ele deve ser projetado de tal forma que não permita uma variação abrupta no
6 momento da extração da região palmar, evitando angulações no posicionamento da mão maiores que 2 graus positivos ou negativos. A qualidade das imagens deve ser suficiente para que os vincos e minúcias palmares tornem-se visíveis ao sistema. REFERÊNCIAS [1] Poly U. Palm Print Database (2nd). Disponível em: Acessado em 12 de agosto de [2] Kong, Adams; Zhang, David; Kamel, Mohamed. "A survey of palmprint recognition". Elsevier, [3] R.C.Gonzalez e R.E.Woods. Digital Image Processing. Addison-Wesley, [4] ImageJ. Disponível em: < Acesso em: 15 nov [5] Wu, Xiangqian; Zhang, David; Wang, Kuanquan; Huang, bo. Palmprint classication using principal lines. Pergamon, [6] Wang, Meng; Ruan, Quiqi. Palmprint Recognition Based on Two- Dimensional Methods. ICSP, [7] Shashikala, K. P; Raja, K. B. Palmprint Identification based on DWT, DCT and QPCA. International Journal of Engineering and Advanced Technology, [8] Zhang, Lei; Guo, Zhenhua; Wang, Zhou; Zhang, David; Palmprint Verification Using Complex Wavelet Transform. ICIP, [9] Prasad, S. M; Govindan, V. K; Sathidevi, P. S. Palmprint Authentication Using Fusion of Wavelet Based Representations. IEEE, [10] Salvador, Adriano Caliman; Registro automático de imagens utilizando pixels de baixa freqüência de ocorrência. In: XIV Simpósio Brasileiro de Sensoriamento Remoto, 2009, Natal. Anais Natal: INPE, 2009, p
REGISTRO AUTOMÁTICO DE IMAGENS
REGISTRO AUTOMÁTICO DE IMAGENS Dmitry Fedorov Dr. Leila M. G. Fonseca INSTITUTO NACIONAL DE PESQUISAS ESPACIAIS, São José dos Campos, 2003. Motivação Estudos multi-temporais (Landsat-TM) Motivação Estudos
Leia mais5 Análise Experimental
5 Análise Experimental 5.1. Base de dados para testes Foram gravados diversos vídeos que serviram para realizar os testes realizados nesta dissertação. Cada um dos vídeos gerados para medir qualidade da
Leia maisUniversidade Federal do Rio de Janeiro COPPE. Trabalho de Processamento de Imagens Reconhecimento de Símbolos de Componentes Eletrônicos
Universidade Federal do Rio de Janeiro COPPE Trabalho de Processamento de Imagens Reconhecimento de Símbolos de Componentes Eletrônicos Nome: Fernanda Duarte Vilela Reis de Oliveira Professores: Antonio
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 maisSEGMENTAÇÃO E RECONHECIMENTO DA ÍRIS
SEGMENTAÇÃO E RECONHECIMENTO DA ÍRIS Edno José Bozoli Junior¹, Osvaldo Severino Junior². 1. Universitário do curso de Ciências da Computação Rodovia Vicinal Raul Galvani nº. 831, Centro, CEP: 15.845-000
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 maisVISÃO COMPUTACIONAL PARA RECONHECIMENTO DE FACES APLICADO NA IDENTIFICAÇÃO E AUTENTICAÇÃO DE USUÁRIOS NA WEB. Márcio Koch
VISÃO COMPUTACIONAL PARA RECONHECIMENTO DE FACES APLICADO NA IDENTIFICAÇÃO E AUTENTICAÇÃO DE USUÁRIOS NA WEB Márcio Koch Orientador: Jacques Robert Heckmann ROTEIRO Introdução Objetivos do trabalho Fundamentação
Leia maisRECONHECIMENTO IDENTIFICAÇÃO BASEADA EM APARÊNCIA
RECONHECIMENTO IDENTIFICAÇÃO BASEADA EM APARÊNCIA Envolve a pergunta: É esta parte da imagem uma parte do objeto X? (modelo dado, região da imagem dada) Utiliza imagens ao invés de características como
Leia maisRECONHECIMENTO FACIAL 2D
RECONHECIMENTO FACIAL 2D PARA SISTEMAS DE AUTENTICAÇÃO EM DISPOSITIVOS MÓVEIS Luciano Pamplona Sobrinho Orientador: Paulo César Rodacki Gomes ROTEIRO Introdução Objetivos Fundamentação Teórica Conceitos
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 maisAutenticação biométrica utilizando impressão digital. Tales Tenorio de Souza Pimentel
Autenticação biométrica utilizando impressão digital Tales Tenorio de Souza Pimentel 1 Índice Objetivos Motivação O quê é biometria? Minúcias da Impressão Digital Pré-Processamento de Imagem Verificação
Leia maisRECONHECIMENTO FACIAL UTILIZANDO EIGENFACES
Universidade Federal do Rio de Janeiro Instituto Alberto Luiz Coimbra de Pós-Graduação e Pesquisa de Engenharia Programa de Engenharia de Sistemas e Computação Rio de Janeiro, RJ Brasil RECONHECIMENTO
Leia maisCAPÍTULO V 5 CONCLUSÕES E RECOMENDAÇÕES 5.1 SÍNTESE DO TRABALHO DESENVOLVIDO
182 CAPÍTULO V 5 CONCLUSÕES E RECOMENDAÇÕES 5.1 SÍNTESE DO TRABALHO DESENVOLVIDO Neste trabalho foi proposta uma metodologia para a automação da resseção espacial de imagens digitais baseada no uso hipóteses
Leia maisSistema Automatizado de Identificação de Impressão Digital
Sistema Automatizado de Identificação de Impressão Digital Objetivos Gerais: Visa disponibilizar um sistema automatizado de identificação de impressões digitais, garantindo absoluta unicidade da identificação
Leia maisMouseCam: aplicação de controle do mouse via câmera
MouseCam: aplicação de controle do mouse via câmera Introdução ao Processamento de Imagens COS756 PESC/COPPE/UFRJ 2013 1 Renan Garrot garrot@cos.ufrj.br 1. Introdução O processo de tracking por vídeo consiste
Leia maisUNIVERSIDADE ESTADUAL PAULISTA Campus de Sorocaba. Transformações Geométricas
UNIVERSIDADE ESTADUAL PAULISTA Campus de Sorocaba Transformações Geométricas .(x,y, P).(x,y, P) Imagem fonte Imagem transformada Deve-se notar que, como uma imagem digital é representada por uma matriz
Leia maisIdentificação e Verificação Biométrica Digital
Ciclo de Seminários 2012.1 Identificação e Verificação Biométrica Digital Igor Gomes de Meneses Cruz igor.gomes@ccc.ufcg.edu.br 1 Agenda Considerações Iniciais Tipos de biometria Biometria Digital Técnicas
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 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 maisIMPLEMENTAÇÃO DE ALGORITMO PARA IDENTIFICAÇÃO DE IMPRESSÕES DIGITAIS
Anais do 12 O Encontro de Iniciação Científica e Pós-Graduação do ITA XII ENCITA / 2006 Instituto Tecnológico de Aeronáutica São José dos Campos SP Brasil Outubro 16 a 19 2006 IMPLEMENTAÇÃO DE ALGORITMO
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 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 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 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 mais3 Simpósio Internacional de Agricultura de Precisão
PROGRAMA COMPUTACIONAL PARA LOCALIZAÇÃO DE PLANTAS DANINHAS UTILIZANDO PROCESSAMENTO DE IMAGENS DIGITAIS Gustavo Finholdt 1, Celso Bandeira de Melo Ribeiro 2, Francisco de Assis de Carvalho Pinto 3 RESUMO:
Leia maisVISÃO COMPUTACIONAL PARA A LEITURA DO DISPOSITIVO MOSTRADOR DE INSTRUMENTOS DE MEDIÇÃO
VISÃO COMPUTACIONAL PARA A LEITURA DO DISPOSITIVO MOSTRADOR DE INSTRUMENTOS DE MEDIÇÃO Danilo Alves de Lima 1, Guilherme Augusto Silva Pereira 2, Flávio Henrique de Vasconcelos 3 Departamento de Engenharia
Leia maisProcessamento digital de imagens
Processamento digital de imagens Agostinho Brito Departamento de Engenharia da Computação e Automação Universidade Federal do Rio Grande do Norte 6 de outubro de 2016 Segmentação de imagens A segmentação
Leia 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 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 maisLOCALIZAÇÃO AUTOMÁTICA DE PLACAS DE VEÍCULOS UTILIZANDO VARIÂNCIA TONAL
LOCALIZAÇÃO AUTOMÁTICA DE PLACAS DE VEÍCULOS UTILIZANDO VARIÂNCIA TONAL Guilherme B. da Cunha 1, Adriano A. Pereira 1, Keiji Yamanaka 1, Edna L. Flores 1, Fábio J. Parreira 1 1 Universidade Federal de
Leia maisRECONHECIMENTO DE ÍRIS EM AMBIENTES NÃO COOPERATIVOS UTILIZANDO WAVELETS E GABOR 2D
RECONHECIMENTO DE ÍRIS EM AMBIENTES NÃO COOPERATIVOS UTILIZANDO WAVELETS E GABOR 2D Fernanda Maria Sirlene Pio SUMÁRIO 1. Introdução 2. Trabalhos relacionados 3. Metodologia 1. Segmentação 2. Normalização
Leia mais2 Reconhecimento Facial
2 Reconhecimento Facial Em termos gerais, o reconhecimento facial é o processo pelo qual se mede o grau de similaridade entre duas imagens faciais com o proposito de identificar a um indivíduo ou de verificar
Leia maisSEMINÁRIO IMPRESSÃO PALMAR
SEMINÁRIO IMPRESSÃO PALMAR PEDRO MURILO DA SILVA PEREIRA Professor Profº. Drº. David Menotti 30/11/2016 AGENDA DA APRESENTAÇÃO Introdução; Bases de dados disponíveis; Pré processamento das imagens; Extração
Leia maisRelatório. José Jasnau Caeiro. Docente. Gildo Soares e Hugo Brás. Discentes. Tecnologias Biométricas. Mestrado em Engenharia da Segurança Informática
Relatório José Jasnau Caeiro Docente Gildo Soares e Hugo Brás Discentes Tecnologias Biométricas Mestrado em Engenharia da Segurança Informática Junho 2012 Conteúdo Índice Geral......................................
Leia 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 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 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 mais3 Identificação de Locutor Usando Técnicas de Múltiplos Classificadores em Sub-bandas Com Pesos Não-Uniformes
3 Identificação de Locutor Usando Técnicas de Múltiplos Classificadores em Sub-bandas Com Pesos Não-Uniformes Neste capítulo, é apresentada uma nova proposta de combinação de múltiplos classificadores
Leia maisO reconhecimento facial é dividido em três etapas: i) detecção da face, ii) extração de características e iii) reconhecimento da face.
ESTUDO SOBRE MÉTODOS DE RECONHECIMENTO FACIAL EM FOTOGRAFIAS DIGITAIS Ana Elisa SCHMIDT¹, Elvis Cordeiro NOGUEIRA² ¹ Orientadora e docente do IFC-Campus Camboriú; ² Aluno do curso de Bacharelado em Sistemas
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 maisESRIC EXTRACÇÃO, SEGMENTAÇÃO E RECONHECIMENTO DA ÍRIS A PARTIR DO CENTRO DA PUPILA
CMNE/CILAMCE 2007 Porto, 13 a 15 de Junho, 2007 APMTAC, Portugal 2007 ESRIC EXTRACÇÃO, SEGMENTAÇÃO E RECONHECIMENTO DA ÍRIS A PARTIR DO CENTRO DA PUPILA Edno José Bozoli Junior 1*, Osvaldo Severino Junior
Leia maisCAPÍTULO 2 OPERADORES DE CASAMENTO DE PADRÕES
CAPÍTULO 2 OPERADORES DE CASAMENTO DE PADRÕES 2.1 INTRODUÇÃO Neste capítulo são apresentados os principais operadores de casamento de padrões encontrados na literatura. No Apêndice A, encontram se mais
Leia maisLeitor automático para determinação do grupo sanguíneo por aglutinação
FACULDADE DE ENGENHARIA DA UNIVERSIDADE DO PORTO Leitor automático para determinação do grupo sanguíneo por aglutinação Nuno Miguel Duarte Costa PREPARAÇÃO DA DISSERTAÇÃO Mestrado Integrado em Engenharia
Leia maisBusca de imagens baseada no conteúdo: Aplicação em imagens médicas
Busca de imagens baseada no conteúdo: Aplicação em imagens médicas Rafael Gessele Orientador: Prof. Dr. Mauro Marcelo Mattos Sumário Introdução Objetivos do trabalho Fundamentação teórica Desenvolvimento
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 maisDescritores de Imagens
Descritores de Imagens André Tavares da Silva PPGCA/UDESC Outubro de 2017 André Tavares da Silva (PPGCA/UDESC) Descritores de Imagens Outubro de 2017 1 / 17 Introdução Excelentes pesquisas sobre descritores
Leia maisSketch to Photo Matching: A Feature-based Approach (Klare and Jain [2010])
Sketch to Photo Matching: A Feature-based Approach (Klare and Jain [2010]) Marco Antonio de A. Silva Programa de Pós-Graduação em Ciência da Computação - PPGCC Departamento de Computação - DECOM Universidade
Leia mais4 Exemplos de verificação
Exemplos de Verificação 66 4 Exemplos de verificação Neste capitulo são apresentados exemplos para verificar o programa computacional desenvolvido para fluxo 3D em meios porosos saturados ou nãosaturados,
Leia maisCLASSIFICAÇÃO DE AMOSTRAS DE IMAGENS GEO-REFERENCIADAS PARA CORREÇÃO GEOMÉTRICA DE IMAGENS DOS SATÉLITES CBERS
Instituto Tecnológico de Aeronáutica Engenharia Eletrônica e Computação CLASSIFICAÇÃO DE AMOSTRAS DE IMAGENS GEO-REFERENCIADAS PARA CORREÇÃO GEOMÉTRICA DE IMAGENS DOS SATÉLITES CBERS Emiliano F. Castejon
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 maisRESTAURAÇÃO E RECONSTRUÇÃO DE IMAGENS. Nielsen Castelo Damasceno
RESTAURAÇÃO E RECONSTRUÇÃO DE IMAGENS Nielsen Castelo Damasceno Restauração de imagem Procura recuperar uma imagem corrompida com base em um conhecimento a priori do fenômeno de degradação. Restauração
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 maisCLASSIFICAÇÃO SUPERVISIONADA EM IMAGEM ALOS PARA O MAPEAMENTO DE ARROZ IRRIGADO NO MUNICÍPIO DE MASSARANDUBA SC
p. 001-007 CLASSIFICAÇÃO SUPERVISIONADA EM IMAGEM ALOS PARA O MAPEAMENTO DE ARROZ IRRIGADO NO MUNICÍPIO DE MASSARANDUBA SC RAPHAEL SOUZA RIBEIRO DENILSON DORTZBACH. JUAN ANTÔNIO ALTAMIRANO FLORES Universidade
Leia maisEXTRAÇÃO DE BORDAS EM IMAGEM DE ALTA RESOLUÇÃO UTILIZANDO TÉCNICAS DE PROCESSAMENTO DE IMAGEM
EXTRAÇÃO DE BORDAS EM IMAGEM DE ALTA RESOLUÇÃO UTILIZANDO TÉCNICAS DE PROCESSAMENTO DE IMAGEM Thaisa Manoela Silva França 1, Ana Lúcia Bezerra Candeias 2 1 Acadêmico em Engenharia Cartográfica e Agrimensura,
Leia maisClassificação supervisionada
Classificação supervisionada 1. Semi-automatic Classification Plugin (SCP) O SCP é um plugin do QGIS desenvolvido por Luca Congedo e utilizado para a classificação semiautomática de imagens de sensoriamento
Leia mais3 Extração de Regras Simbólicas a partir de Máquinas de Vetores Suporte 3.1 Introdução
3 Extração de Regras Simbólicas a partir de Máquinas de Vetores Suporte 3.1 Introdução Como já mencionado na seção 1.1, as SVMs geram, da mesma forma que redes neurais (RN), um "modelo caixa preta" de
Leia maisREADING DIGITS IN NATURAL IMAGES WITH UNSUPERVISED FEATURE LEARNING
READING DIGITS IN NATURAL IMAGES WITH UNSUPERVISED FEATURE LEARNING Fernanda Maria Sirlene READING DIGITS IN NATURAL IMAGES WITH UNSUPERVISED FEATURE LEARNING NIPS Workshop on Deep Learning and Unsupervised
Leia maisExemplos Introdução
6 6.1. Introdução Exemplos O presente capítulo apresenta alguns exemplos de utilização do sistema integrado, descrito detalhadamente no Capítulo 5. Inicialmente é apresentado um exemplo de balanceamento
Leia maisProcessamento e Reprodução de Imagem com Arduíno 1
Processamento e Reprodução de Imagem com Arduíno 1 Enrique A. Frade 1, Geiza M. H. da Silva 1 1 Universidade Federal do Estado do Rio Janeiro - (UNIRIO) Avenida Pasteur, 458 Urca Rio de Janeiro / RJ CEP:22290-240
Leia maisAnalisador de Espectros
Analisador de Espectros O analisador de espectros é um instrumento utilizado para a análise de sinais alternados no domínio da freqüência. Possui certa semelhança com um osciloscópio, uma vez que o resultado
Leia maisClassificação de Texturas Invariante a Rotação Usando Matriz de Co-ocorrência
Classificação de Texturas Invariante a Rotação Usando Matriz de Co-ocorrência Rodrigo Hajime Ito, Hae Yong Kim, Walter Jaimes Salcedo Dept. Eng. Sistemas Eletrônicos, Escola Politécnica Universidade de
Leia maisRECONHECIMENTO DE FALANTE
MARCOS PAULO RIKI YANASE RECONHECIMENTO DE FALANTE Trabalho da disciplina de Processamento Digital de Sinais do curso de Engenharia Elétrica, Setor de Tecnologia da Universidade Federal do Paraná. Prof.
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 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 maisCORTES E TRATAMENTOS CONVENCIONAIS
CORTES E TRATAMENTOS CONVENCIONAIS 1. INTRODUÇÃO Há diversas situações na representação gráfica de objetos onde faz-se necessário apresentar, de forma clara e inequívoca, o interior das peças, cuja representação
Leia maisRoteiro para calibração automática de câmera e laser
Universidade Federal de Minas Gerais - UFMG Escola de Engenharia Programa de Pós-Graduação em Engenharia Elétrica - PPGEE Disciplina: Aluna: Orientador: Projeto de Tese I Natália Cosse Batista Guilherme
Leia maisAnálise de Fourier. Imagens no Domínio da Freqüência
Análise de Fourier Imagens no Domínio da Freqüência Todas as imagens deste trabalho foram obtidas de R. C. Gonzalez and R. E. Woods - Digital Image Processing, Addison Wesley Pub. Co. 1993 - ISBN 0-201-60078-1
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 mais6.2 Análise da Viabilidade do Lançamento de um Produto 27
159 6.2 Análise da Viabilidade do Lançamento de um Produto 27 Neste caso, o MAB será aplicado em um problema com o qual, constantemente, se deparam os profissionais de marketing: estudar a viabilidade
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 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 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 maisBiometria Multimodalidade Íris + Face. Luiz Antonio Zanlorensi Junior
Biometria Multimodalidade Íris + Face Luiz Antonio Zanlorensi Junior Sumário Introdução Fusionamento Artigo 1 Seleção de características Multimodal Problemas Base de dados Artigo 2 Unimodal + Multimodal
Leia mais1 Introdução. 2 Especificação
Bacharelado em Ciência da Computação DINF / UFPR CI067 - Oficina de Computação 2. semestre 2012 Prof. Luiz Eduardo S. de Oliveira Prof. Diego Roberto Antunes 29/11/2012 Releases - Histórico: r0 29/11/2012
Leia maisProjeto - Sistema Multimídia 2014/2 Etapa 01 (N2)
1 FURB Universidade Regional de Blumenau DSC Departamento de Sistemas e Computação Grupo de Pesquisa em Computação Gráfica, Processamento de Imagens e Entretenimento Digital Disciplina: Sistemas Multimídia
Leia maisClassificação de imagens de Sensoriamento Remoto. Disciplina: Geoprocessamento Profª. Agnes Silva de Araujo
Classificação de imagens de Sensoriamento Remoto Disciplina: Geoprocessamento Profª. Agnes Silva de Araujo Conteúdo programático e Objetivos Conceito de classificação e fotointerpretação Classificações
Leia maisUtilização do Fiery WebSpooler
18 Utilização do Fiery WebSpooler O Fiery WebSpooler permite o rastreamento e o gerenciamento de trabalhos a partir de diversas plataformas na Internet ou intranet. O Fiery WebSpooler, uma das ferramentas
Leia maisSBC - Sistemas Baseados em Conhecimento
Siglas, Símbolos, Abreviaturas DW - Data Warehouse KDD Knowledge Discovery in Database MD Mineração de Dados OLAP - On-line analytical processing SBC - Sistemas Baseados em Conhecimento 1. INTRODUÇÃO O
Leia maisConclusões e Trabalhos Futuros
79 8 Conclusões e Trabalhos Futuros O presente trabalho teve o propósito de desenvolver um algoritmo para segmentação e quantificação de tecidos internos em imagens de úlceras de perna. O trabalho fará
Leia maisFaculdade de Engenharia da Universidade do Porto ANÁLISE DE IMAGENS PARA EXTRACÇÃO DE CONTORNOS. Relatório
Faculdade de Engenharia da Universidade do Porto Licenciatura em Engenharia Electrotécnica e de Computadores Televisão Digital, 2004/2005 ANÁLISE DE IMAGENS PARA EXTRACÇÃO DE CONTORNOS Relatório Alexandre
Leia maisAPI para transformação de imagem em cartum utilizando plataforma ios. Acadêmico Christian Hess Orientador Dalton Solano dos Reis
API para transformação de imagem em cartum utilizando plataforma ios Acadêmico Christian Hess Orientador Dalton Solano dos Reis Roteiro da apresentação Introdução Fundamentação teórica Desenvolvimento
Leia maisMetodologia Aplicada a Computação.
Metodologia Aplicada a Computação gaudenciothais@gmail.com Pré-processamento de dados Técnicas utilizadas para melhorar a qualidade dos dados; Eliminam ou minimizam os problemas como ruídos, valores incorretos,
Leia maisCalibração da lente do fotômetro imageador utilizando o programa UASDA Univap All Sky Data Analysis
Calibração da lente do fotômetro imageador utilizando o programa UASDA Univap All Sky Data Analysis Valdir Gil Pillat 1, José Ricardo Abalde 2 1 Bolsista, FAPESP/ TT4, Universidade do Vale do Paraíba,
Leia mais2 Processo de Agrupamentos
20 2 Processo de Agrupamentos A análise de agrupamentos pode ser definida como o processo de determinação de k grupos em um conjunto de dados. Para entender o que isso significa, observe-se a Figura. Y
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 maisManual de Instruções Agosto / 2008
Manual de Instruções Agosto / 2008 HD Biométrico Pronova - Manual do Usuário Nota: o conteúdo desta publicação pode ser revisado e ter correspondência com melhorias do equipamento, nos reservamos o direito
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 mais5 Resultados, Conclusões e Trabalhos Futuros
47 5 Resultados, Conclusões e Trabalhos Futuros Este capítulo apresenta os resultados obtidos com a técnica proposta de chromaless, bem como são apresentadas as conclusões e as sugestões para trabalhos
Leia maisVISÃO COMPUTACIONAL. Marcelo Henrique dos Santos
VISÃO COMPUTACIONAL Marcelo Henrique dos Santos marcelosantos@outlook.com São Paulo SP, Agosto/2013 INTRODUÇÃO Processamento de imagens é um processo onde a entrada do sistema é uma imagem e a saída é
Leia maisFusão de imagens de Sensoriamento Remoto utilizando a Transformada Wavelet Haar
Fusão de imagens de Sensoriamento Remoto utilizando a Transformada Wavelet Haar Osny Ferreira da Silva 1 Giovanni Araujo Boggione 1 Leila Maria Garcia Fonseca 2 1 Centro Federal de Educação Tecnológica
Leia maisReconhecimento de Pessoas em Imagens de Vídeo Utilizando Características Biométricas Leves
Reconhecimento de Pessoas em Imagens de Vídeo Utilizando Características Biométricas Leves Gustavo Botelho de Souza e Aparecido Nilceu Marana Universidade Estadual Paulista (Campus de Bauru), Faculdade
Leia maisFechamento angular com GPS
Fechamento angular com GPS Prof. Antonio Simões Silva Rodrigo Pereira Lima Universidade Federal de Viçosa Departamento de Engenharia Civil 36570-000 Viçosa MG asimoes@ufv.br Resumo: Neste trabalho procurou-se
Leia maisClassificação de Folhas por Tamanho e Forma Através de Descritores Geométricos e Análise dos Componentes Principais
Classificação de Folhas por Tamanho e Forma Através de Descritores Geométricos e Análise dos Componentes Principais MARCOS C. DE ANDRADE, LÚCIO C. M. PINTO Centro de Desenvolvimento da Tecnologia Nuclear
Leia maisProcessos de software
Processos de software 1 Processos de software Conjunto coerente de atividades para especificação, projeto, implementação e teste de sistemas de software. 2 Objetivos Introduzir modelos de processos de
Leia mais1 Introdução Motivação
1 Introdução 1.1. Motivação Garantir sistemas e serviços seguros é um dos grandes problemas encontrados por países, indústrias e organizações de maneira geral. Esta preocupação vai desde evitar fraudes
Leia maisAnálise de Técnicas de Extração de Características para o Reconhecimento de Dígitos Manuscritos
Análise de Técnicas de Extração de Características para o Reconhecimento de Dígitos Manuscritos Rafael M. O. Cruz, George D. C. Cavalcanti e Tsang Ing Ren Centro de Informática Universidade Federal de
Leia maisFREQUÊNCIA EM IMAGENS DIGITAIS
PROCESSAMENTO DIGITAL DE IMAGENS (SERP11) FILTRAGEM NO DOMÍNIO ESPACIAL E DAS FREQUÊNCIAS Daniel C. Zanotta FREQUÊNCIA EM IMAGENS DIGITAIS Análise da intensidade dos NCs da imagem Banda 7 Landsat TM ao
Leia maisQUANTIFICAÇÃO AUTOMÁTICA DA RIGIDEZ DA BORDA DA GOTA DE SANGUE PERIFÉRICO EM IMAGENS DE MICROSCOPIA ÓTICA
QUANTIFICAÇÃO AUTOMÁTICA DA RIGIDEZ DA BORDA DA GOTA DE SANGUE PERIFÉRICO EM IMAGENS DE MICROSCOPIA ÓTICA C. F. F. Costa Filho, M. G. F. Costa, F. Pinagé, J. M. Aguiar. Universidade do Amazonas Laboratório
Leia maisMapeamento do uso do solo
Multidisciplinar Mapeamento do uso do solo para manejo de propriedades rurais Allan Arnesen Frederico T. Genofre Marcelo Pedroso Curtarelli CAPÍTULO 4 Técnicas de classificação de imagens e processamento
Leia mais