Os Momentos de Zernike no Reconhecimento de Contornos de Edifícios
|
|
- Isaque Back de Lacerda
- 6 Há anos
- Visualizações:
Transcrição
1 Os Momentos de Zernike no Reconhecimento de Contornos de Edifícios Renata Nagima Imada, Mestranda em Matemática Aplicada e Computacional, FCT, UNESP , Presidente Prudente, SP renataimada@hotmail.com Aluir Porfírio Dal Poz Departamento de Cartografia, FCT, UNESP , Presidente Prudente, SP aluir@fct.unesp.br. Resumo: Propõe-se neste trabalho estudar e avaliar experimentalmente o problema de caracterização e reconhecimento de formas de contorno de edifício usando os momentos complexos de Zernike. Primeiramente, faz-se um estudo teórico de todos os fundamentos que serão utilizados em seu desenvolvimento, para posteriormente criar uma base de dados contendo esboços de possíveis aparições de contornos de edifício numa dada cena e associar a cada esboço um vetor de descritores baseados nos momentos de Zernike e assim avaliar a capacidade do método na discriminação entre diferentes formas de edifícios, e também entre formas de edifícios e não edifícios. Palavras-chave: Imagens de alta resolução, Segmentação de imagem, Polinômios ortogonais de Zernike, Momentos de Zernike, Contorno de edifícios. Introdução As edificações urbanas são objetos topográficos de grande importância para o mapeamento cadastral em escala grande e para tarefas específicas como o planejamento urbano e a análise ambiental. Atualmente estão disponíveis imagens de alta resolução (GSD entre 0,6 m e 2,5 m) de variados sensores, embarcados em satélites tais como o Ikonos e o Quickbird. A compilação manual de edificações usando técnicas convencionais de restituição fotogramétrica é bastante onerosa, tanto em termos de tempo quanto financeiro. Assim, é fundamental o aumento do nível de automação dos processos de compilação de edificações a partir de imagens de alta resolução, trazendo duas implicações importantes: maior agilidade e menor custo na compilação de grande massa de dados capturados por sensores diversos (imagens aéreas e de satélite, dados de varredura a laser, etc.). Isso também é importante para viabilizar ciclos mais curtos de atualização de bases de dados topográficos de edificações (Sowmya e Trinder, 2000). As imagens de alta resolução facilitam a identificação de edificações, mas também impõem desafios aos métodos clássicos de análise de imagem, tais como os voltados para a classificação de imagens ao nível do pixel e para a segmentação por regiões. De fato, com o aumento da resolução espacial os edifícios podem se manifestar geometricamente de forma mais intrincada 280
2 e espectralmente com assinaturas espectrais variadas em função de vários fatores, tais como, variações na orientação e nos materiais dos telhados. Assim, uma melhor exploração do potencial das imagens de alta resolução depende da modelagem mais eficiente das características geométricas do objeto de interesse. Diante dessa discussão, propõe-se estudar o problema de caracterização de forma de contorno de edifício usando os momentos complexos de Zernike, que baseiam-se na área do objeto de interesse e são invariantes em relação a transformações geométricas de rotação, translação e escala; e são pouco sensíveis a deformações no contorno. Metodologia De início, deve-se segmentar por regiões a imagem a ser trabalhada, pois serão geradas regiões (segmentos) da imagem a serem submetidas à análise de forma com base no método dos momentos de Zernike. E assim, através da segmentação, será possível melhor interpretar a imagem, que será particionada em regiões que representam seus diferentes objetos ou partes de objetos. Essas partições são encontradas a partir dos níveis de cinza da imagem. Dada uma imagem I, o problema de segmentação pode ser visto como uma partição dessa imagem em n regiões R 1, R 2,..., R n, tal que (Jain et al., 1995, Pedrini e Schwartz, 2008): (a) n R i = I; i=1 (b) R i R j = para todo i e j, i j; (c) P (R i ) = V ERDADEIRO para i = 1, 2,..., n; (d) P (R i R j ) = F ALSO para i j e R i adjacente a R j. onde P (R i ) é um atributo de homogeneidade para os pontos do conjunto R i, ou seja, é uma sentença que se refere a determinadas propriedades que servem para agrupar os pixels da imagem em uma região, tais como intensidade média, variância, textura ou cor. A primeira condição quer dizer que cada pixel deve pertencer a uma região, desse modo, a união de todas as regiões é a própria imagem. A condição (b) indica que as regiões são distintas, logo, a interseção de duas regiões deve ser o conjunto vazio. A condição (c) estabelece que o pixel deve satisfazer à sentença P (R i ) para pertencer à região R i e a condição (d) indica que a fusão de duas regiões adjacentes não satisfaz a mesma sentença P, isto é, elas não podem ser unidas em uma única região. Uma forma simples de segmentação é dividir a imagem em dois conjuntos, convertendo-a em uma imagem binária, onde um dos conjuntos representa os objetos e o outro é reservado para o fundo. No entanto, este conceito pode ser generalizado para segmentar imagens com mais de dois níveis, através de algoritmos de limiarização, que analisam a distribuição dos níveis de cinza, geralmente utilizando o histograma da imagem e, dependendo da aplicação, selecionam o limiar mais apropriado. Existem diversos métodos para a segmentação de imagens por regiões: métodos pontuais (limiar percentual, moda, limiarização iterativa, limiarização adaptativa), métodos de análise de vizinhança (divisão e fusão, crescimento de regiões) e métodos de perseguição de contorno. O método de segmentação mais favorável será aquele que produzir melhores índices de qualidade. Quanto aos momentos de Zernike, eles são definidos como projeções da função de intensidade da imagem (f(x, y)) sobre funções de bases ortogonais, no caso, os polinômios de Zernike, que formam um conjunto ortogonal complexo no interior de um círculo unitário, sendo, portanto, 281
3 limitado pela curva x 2 +y 2 = 1. A forma desses polinômios em coordenadas polares é (Khotanzad e Hong, 1990, Kim e Lee, 2003): V nm (x, y) = V nm (ρ, θ) = R nm (ρ)e imθ (1) onde n é um inteiro não-negativo e m é um inteiro (negativo ou positivo) sujeito às condições: n m deve ser par e m n, onde n e m são denominados ordem e repetição, respectivamente. Além disso, ρ é a norma do vetor que parte da origem até o pixel (x, y) e θ é o ângulo entre esse vetor e o eixo x no sentido anti-horário. O polinômio radial R nm (ρ) é definido como (Khotanzad e Hong, 1990, Kim e Lee, 2003): R nm (ρ) = n m 2 s=0 ( 1) s (n s)!ρ ( ) ( n 2s ) s! n+ m 2 s! n m 2 s! (2) Note que R nm (ρ) = R n, m (ρ). Esses polinômios são ortogonais porque satisfazem: x 2 +y 2 1 Vnm(x, y)v n m (x, y)dxdy = n + 1 δ nn δ mm (3) { 1, se n = n onde δ nn = e o símbolo * denota o conjugado complexo. 0, caso contrário Sendo assim, os momentos de Zernike de ordem n com repetição m para uma função de imagem contínua f(x, y) sobre um disco unitário são dados como (Celebi e Aslandogan, 2005, Khotanzad e Hong, 1990, Kim e Lee, 2003): Z nm = n + 1 f(x, y)v nm(x, y)dxdy (4) x 2 +y 2 1 Para imagens digitais, que são discretas, as integrais devem ser substituídas por somatórios. As equações 5 e 6 são representações para os momentos de Zernike em coordenadas cartesianas e polares, respectivamente. Z nm = n + 1 Z nm = n + 1 f(x, y)vnm(x, y), x 2 + y 2 1 (5) x y f(ρ cos θ, ρ sin θ)vnm(ρ, θ), ρ 1 (6) ρ θ Para calcular os momentos Zernike de uma imagem (ou região de interesse), o centro dela é considerado como o centro do disco unitário e as coordenadas do pixel são mapeadas para este disco e os pixels fora dele não são usados no cálculo. Pode ser provado que os momentos de Zernike são invariantes em relação à transformação de rotação e também podem ser invariantes em relação às transformações de escala e translação se a imagem de entrada passar por uma manipulação prévia baseada na teoria dos momentos geométricos. Estas propriedades de invariância nos motivam a propor uma base de dados contendo esboços (ou modelos) de possíveis aparições de contornos de edifício numa dada cena e associar a cada esboço um vetor de características baseado nos momentos de Zernike. 282
4 Os momentos de Zernike também seriam utilizados para descrever a forma de objetos obtidos pela segmentação da imagem. A fim de avaliar a capacidade do método dos momentos de Zernike na discriminação entre diferentes formas de edifícios, e também entre formas de edifícios e não edifícios, propõe-se utilizar uma métrica (por exemplo, a distância euclidiana) para medir a similaridade entre um vetor de característica contendo momentos de Zernike para um edifício da imagem e um outro vetor do mesmo tipo para um esboço de edifício da base de dados. Resultados O trabalho está em desenvolvimento e pretende-se construir um banco de dados contendo esboços ou modelos de contornos de telhados, passíveis de serem encontrados numa dada cena e que podem servir de referência para o reconhecimento de edificações em uma imagem digital. Além disso, é preciso determinar os parâmetros ótimos do método dos momentos de Zernike, de forma a maximizar a capacidade de discriminação de formas de edifícios e não edifícios. A ideia principal para avaliar a capacidade dos descritores de Zernike na discriminação entre diferentes formas de contornos de edifícios e entre formas de contornos de edifícios e de outros objetos é separar as regiões segmentadas em duas classes: 1) regiões correspondentes a edifícios; e 2) regiões correspondentes a outros objetos; tendo por base a distância euclidiana (ou outra métrica) entre o vetor de Zernike calculado para uma dada região extraída da imagem e os vetores de Zernike armazenados no banco de dados. Os dados necessários para a avaliação experimental do método proposto são imagens aéreas e de satélite de alta-resolução. As imagens aéreas possuem resolução de aproximadamente 0,2 m e as imagens de satélite possuem resolução de 1 m (imagens pancromáticas do satélite IKONOS II). Conclusão Além da relevância científica, pode-se apontar que o tema proposto neste trabalho possui também relevância tecnológica no contexto de captura de informações espaciais para alimentar/atualizar bases de dados de cadastros urbanos em grande escala, que são fundamentais para muitas ações públicas. Neste sentido, espera-se contribuir positivamente com o desenvolvimento do método proposto. Referências [1] CELEBI, M. E.; ASLANDOGAN, Y. A. A comparative study of three moment-based shape descriptors. In: Proceedings of the International Conference on Information Technology: Coding and Computing (ITCC), Las Vegas, NV, vol. 1, p , [2] JAIN, R.; KASTURI, R.; SCHUNCK, B. G. Machine vision. McGraw-Hill, [3] KHOTANZAD, A.; HONG, Y. H. Invariant image recognition by Zernike moments. IEEE Transactions Pattern Analysis Machine Intelligence, vol. 12, n. 5, p , [4] KIM, H. S.; LEE, H-K. Invariant image watermark using Zernike moments. IEEE Transactions on Circuits and Systems for Video Technology, vol. 13, n. 8, p , [5] PEDRINI, H.; SCHWARTZ, W. R. Análise de Imagens Digitais: Princípios, Algoritmos e Aplicações. Thomson Learning, São Paulo,
5 [6] SOWMYA, A; TRINDER, J. Modelling and representation issues in automated feature extraction from aerial and satellite images. ISPRS Journal of Photogrammetry and Remote Sensing, v. 55, n. 1, pp ,
Métodos de Extração de Características
1. Introdução Métodos de Extração de Características A Interpretação ou entendimento de uma cena demanda o reconhecimento de seus objetos. Reconhecimento de objetos ou padrões contidos em uma cena -> é
Leia maisRenata Nagima Imada. Reconhecimento de contorno de edifício em imagens de alta resolução usando os momentos complexos de Zernike
Renata Nagima Imada Reconhecimento de contorno de edifício em imagens de alta resolução usando os momentos complexos de Zernike Presidente Prudente - SP, Brasil Outubro de 2014 Renata Nagima Imada Reconhecimento
Leia maisDr. Sylvio Barbon Junior. Departamento de Computação - UEL. 1 o Semestre de 2015
Introdução a Computação Gráfica [5COP100] Dr. Sylvio Barbon Junior Departamento de Computação - UEL 1 o Semestre de 2015 Assunto Aula 8 Descritores de Imagens Digitais 2 of 47 Sumário Descritores e Reconhecimento
Leia maisContornos de Telhados Convexos de Edifícios Baseado em Snake
Trabalho apresentado no CMAC-Sul, Curitiba-PR, 2014. Método de Extração Semiautomático de Contornos de Telhados Convexos de Edifícios Baseado em Snake Diego Venâncio Thomaz Núcleo de Matemática e Estatística,
Leia maisAplicação da Esqueletização no Processo de Extração de Rodovias
Anais do CNMAC v.2 ISSN 1984-820X Aplicação da Esqueletização no Processo de Extração de Rodovias Rodrigo Bruno Zanin Universidade do Estado de Mato Grosso (UNEMAT) Departamento de Matemática 78550-000,
Leia maisEsqueletização na Modelagem e Extração de Cruzamentos Simples de Rodovias
Esqueletização na Modelagem e Extração de Cruzamentos Simples de Rodovias Rodrigo Bruno Zanin (1) Aluir Porfírio Dal Poz () Érico Fernando O. Martins (1) (1) Universidade do Estado de Mato Grosso UNEMAT
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 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 maisTextura. Textura 04/09/2014. Prof. Yandre Costa
UNIVERSIDADE ESTADUAL DE MARINGÁ PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO Prof. Yandre Costa - 1 Prof. Yandre Costa Prof. Yandre Costa - 2 é um importante atributo visual presente em imagens,
Leia maisPROGRAMA DE ENSINO. Área de Concentração Aquisição, análise e representação da informação espacial
PROGRAMA DE ENSINO Disciplina Seminários em Métodos de Análise de Imagem para a Extração de Informações Espaciais Semestre Código Ano Letivo Área de Concentração Aquisição, análise e representação da informação
Leia maisUNIVERSIDADE ESTADUAL DE MARINGÁ PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO. Prof. Yandr re Costa - 1. Prof. Yandre Costa.
UNIVERSIDADE ESTADUAL DE MARINGÁ PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO Prof. Yandr re Costa - 1 Textura Prof. Yandre Costa Prof. Yandr re Costa - 2 Textura é um importante atributo visual
Leia maisAula 7 - Representação e Descrição de Estruturas Bi-dimensionais. Prof. Adilson Gonzaga
Aula 7 - Representação e Descrição de Estruturas Bi-dimensionais Prof. Adilson Gonzaga 1 Introdução Objetos ou Segmentos são representados como uma coleção de pixels em uma imagem. Para o reconhecimento
Leia maisProcessamento de Imagem. Relaçionamentos entre pixels e Operações Aritméticas e Lógicas Professora Sheila Cáceres
Processamento de Imagem Relaçionamentos entre pixels e Operações Aritméticas e Lógicas Professora Sheila Cáceres Relacionamentos básicos entre elementos de uma imagem Vizinhança Conectividade Adjacência
Leia maisReconhecimento de texturas utilizando padrão binário local e classificador knn.
Reconhecimento de texturas utilizando padrão binário local e classificador knn. Vinicius Santos Andrade 1 Resumo. Através de uma imagem é possível obter inúmeras informações. Portanto, é cada vez mais
Leia maisExtração de características de imagens. Descritores de cor
Extração de características de imagens Descritores de cor Descritores de imagens Problema: computar, de forma eficiente, valores que descrevam uma imagem (ou parte dela) Vetores de características (feature
Leia mais(b) { (ρ, θ);1 ρ 2 e π θ } 3π. 5. Representar graficamente
Universidade Federal de Uberlândia Faculdade de Matemática isciplina : Geometria nalítica (GM003) ssunto: sistemas de coordenadas; vetores: operações com vetores, produto escalar, produto vetorial, produto
Leia maisAuto-Fusão na Recuperação de Imagens Baseadas em Conteúdo.
Auto-Fusão na Recuperação de Imagens Baseadas em Conteúdo. Severino Jr, Osvaldo IMES - FAFICA osvaldo@fafica.br Gonzaga, Adilson Escola de Engenharia de São Carlos - USP adilson@sc.usp.br Resumo Neste
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 / 40 Descritores baseados em textura Local Activity
Leia maisSISTEMA DE EXTRAÇÃO E SELEÇÃO DE ATRIBUTOS EM IMAGENS
SISTEMA DE EXTRAÇÃO E SELEÇÃO DE ATRIBUTOS EM IMAGENS Flávia Gonçalves Fernandes, João Ludovico Maximiano Barbosa, Ana Cláudia Patrocínio Universidade Federal de Uberlândia - UFU Faculdade de Engenharia
Leia maisExtração de características: textura
Extração de características: textura Image Processing scc0251 www.icmc.usp.br/ moacir moacir@icmc.usp.br ICMC/USP São Carlos, SP, Brazil 2011 Moacir Ponti (ICMCUSP) Extração de características: textura
Leia 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: texture
Image Descriptors: texture 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: texture 2011 1 / 28 Agenda
Leia maisOrientação de Bordas em Imagens Digitais: Abordagem por Análise de Vizinhança Local
Orientação de Bordas em Imagens Digitais: Abordagem por Análise de Vizinhança Local Inês Aparecida Gasparotto Boaventura DCCE-IBILCE-UNESP Rua Cristovão Colombo, 2265 15054-000, São José do Rio Preto,
Leia maisProcessamento de Imagem. A Imagem digital Professora Sheila Cáceres
Processamento de Imagem A Imagem digital Professora Sheila Cáceres Visão Humana Processamento de Imagens 2 Semelhança entre o sistema visual humano e uma câmera fotográfica Várias semelhanças podem ser
Leia maisUniversidade Federal do Paraná Departamento de Informática. Reconhecimento de Padrões. Segmentação. Luiz Eduardo S. Oliveira, Ph.D.
Universidade Federal do Paraná Departamento de Informática Reconhecimento de Padrões Segmentação Luiz Eduardo S. Oliveira, Ph.D. http://lesoliveira.net Objetivos Introduzir os conceitos básicos de segmentação
Leia maisA Fotogrametria Digital
A Fotogrametria Digital Fotogrametria Digital O que é a fotogrametria Digital? A Fotogrametria Digital é a parte da fotogrametria que trata dos aspectos geométricos do uso de fotografias, com a finalidade
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 maisExtração automática da malha viária em imagens de média e alta resolução de cenas rurais
Extração automática da malha viária em imagens de média e alta resolução de cenas rurais Aluir Porfírio Dal Poz Rodrigo Bruno Zanin Giovane Maia do Vale Universidade Estadual Paulista - UNESP Programa
Leia maisProcessamento de Imagem. Histograma da Imagem Professora Sheila Cáceres
Processamento de Imagem Histograma da Imagem Professora Sheila Cáceres Histograma É a distribuição de frequência dos níveis de cinza da imagem onde cada entrada no eixo x representa o nível de cinza específico
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 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 maisProcessamento de Imagens CPS755
Processamento de Imagens CPS755 aula 01 - geometria projetiva e transformações 2D Antonio Oliveira Ricardo Marroquim 1 / 44 laboratório de processamento de imagens tópicos geometria projetiva transformações
Leia maisRecuperação de texturas coloridas trasladadas, rotacionadas e escaladas
Recuperação de texturas coloridas trasladadas, rotacionadas e escaladas Página 1 de 22 Alexadre Leão Guillermo Cámara Chávez Processamento digital de imagens DCC UFMG Maio 2003 Recuperação de texturas
Leia maisExtração Semi-Automática de Feições Lineares e a Calibração dos Parâmetros Intrínsecos de Câmeras
Extração Semi-Automática de Feições Lineares e a Calibração dos Parâmetros Intrínsecos de Câmeras Leonardo Ercolin Filho 1 1 Escola Politécnica Universidade de São Paulo (USP) Caixa Postal São Paulo SP
Leia maisExemplos. Propagação (Reconstrução)
Processamento de Imagens Médicas Morfologia Matemática em Imagens Prof. Luiz Otavio Murta Jr. Informática Biomédica Depto. de Física e Matemática (FFCLRP/USP) Propagação (Reconstrução) lgoritmos Baseados
Leia maisDr. Sylvio Barbon Junior. Departamento de Computação - UEL. 1 o Semestre de 2015
Introdução a Computação Gráfica [5COP100] Dr. Sylvio Barbon Junior Departamento de Computação - UEL 1 o Semestre de 2015 Assunto Aula 6 Histograma de Imagem Digital 2 de 18 Sumário Conceitos Sistema de
Leia maisSistema de Reconhecimento de Logotipos
Sistema de Reconhecimento de Logotipos Fellipe Duarte, Saulo T. Oliveira {duartefellipe,sto}@cos.ufrj.br Relatório Técnico, Introdução ao Processamento de Imagens Programa de Engenharia de Sistemas e Computação
Leia maisUniversidade Federal do Paraná Departamento de Informática. Reconhecimento de Padrões. Extração de Características
Universidade Federal do Paraná Departamento de Informática Reconhecimento de Padrões Extração de Características Luiz Eduardo S. Oliveira, Ph.D. http://lesoliveira.net Objetivos Entender os conceitos de
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 / 18 Descritores Locais e Frameworks SIFT SURF Viola-Jones
Leia maisFace Recognition using RGB-D Images
Face Recognition using RGB-D Images Helder C. R. de Oliveira N.USP: 7122065 Polyana Nunes N.USP: 9043220 Sobre o Artigo Publication: 2013 IEEE Sixth International Conference Author(s) Goswami, G. (Índia
Leia maisUniversidade Católica Dom Bosco
Universidade Católica Dom Bosco Curso de Bacharelado em Engenharia de Computação Comparação entre Técnicas de Reconhecimento de Faces para Controle de Acesso a Computadores Vinícius Assis Saueia da Silva
Leia maisSEL-0339 Introdução à Visão Computacional. Aula 5 Segmentação de Imagens
Departamento de Engenharia Elétrica - EESC-USP SEL-0339 Introdução à Visão Computacional Aula 5 Segmentação de Imagens Prof. Dr. Marcelo Andrade da Costa Vieira Prof. Dr. Adilson Gonzaga Segmentação de
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 maisMétodos de Segmentação de Imagem para Análise da Marcha
Métodos de Segmentação de Imagem para Análise da Marcha Maria João M. Vasconcelos, João Manuel R. S. Tavares maria.vasconcelos@fe.up.pt, tavares@fe.up.pt 3º Congresso Nacional de Biomecânica 11-12 Fevereiro
Leia maisPerson Re-Identification. Autor: Guilherme Zasyeki Machado
Person Re-Identification Autor: Guilherme Zasyeki Machado Sumário - Introdução ao problema - Visão geral ao processo de Re-Identificação - Evolução estado da arte - Datasets disponíveis - Análise estado
Leia maisCLASSIFICAÇÃO MULTIESPECTRAIS
CLASSIFICAÇÃO EM IMAGENS MULTIESPECTRAIS Classificação em imagens multiespectrais Imagens multiespectrais Padrão (vetor) Espaço de atributos Classificação Classificação em imagens multiespectrais Imagens
Leia maisProcessamento de Imagens. Texturas
Processamento de Imagens Texturas Exemplos Introdução Texturas Não existe abordagem formal Não existe definição formal São definidas qualitativamente e não há consenso quanto a sua definição quantitativa
Leia maisExtração de atributos usando o método LBP - Local Binary Pattern
Extração de atributos usando o método LBP - Local Binary Pattern Lia Nara Balta Quinta. 2 de maio de 2006 1 Antecedentes e Justificativa O Brasil possui, atualmente, um grande rebanho bovino, porém em
Leia maisIDENTIFICAÇÃO DE MARCADORES DE PAVIMENTAÇÃO NA ORIENTAÇÃO DE CEGOS. André Zuconelli 1 ; Manassés Ribeiro 2
IDENTIFICAÇÃO DE MARCADORES DE PAVIMENTAÇÃO NA ORIENTAÇÃO DE CEGOS André Zuconelli 1 ; Manassés Ribeiro 2 INTRODUÇÃO As tecnologias assistivas têm a finalidade de auxiliar pessoas com deficiência a alcançar
Leia maisProcessamento de Imagens. Segmentação por regiões
Processamento de Imagens Segmentação por regiões Inúmeros Métodos Clusterização Baseados em histograma Detecção de bordas Crescimento de regiões Level Set Particionamento de grafos Watershed Baseados em
Leia maisMÉTODO PARA CLASSIFICAÇÃO DE IMAGENS BASEADA EM MATRIZES DE CO-OCORRÊNCIA UTILIZANDO CARACTERÍSTICAS DE TEXTURA
MÉTODO PARA CLASSIFICAÇÃO DE IMAGENS BASEADA EM MATRIZES DE CO-OCORRÊNCIA UTILIZANDO CARACTERÍSTICAS DE TEXTURA William Robson Schwartz 1 Hélio Pedrini 2 1 Universidade Federal do Paraná william@pet.inf.ufpr.br
Leia maisUNIVERSIDADE FEDERAL DE UBERLÂNDIA UFU
UNIVERSIDADE FEDERAL DE UBERLÂNDIA UFU PLANO DE TRABALHO EM INICIAÇÃO CIENTÍFICA Desenvolvimento e aplicação de um modelo gravitacional simplificado para análise de formas. Uberlândia 17/05/2013 IDENTIFICAÇÃO
Leia maisCAPÍTULO 4 SEGMENTAÇÃO DE IMAGENS SAR
CAPÍTULO 4 SEGMENTAÇÃO DE IMAGENS SAR Segundo Gonzales e Wintz (1987), um dos primeiros passos do processo de análise de uma imagem digital consiste em particioná-la em seus elementos constituintes. O
Leia maisX Colóquio Brasileiro de Ciências Geodésica. Curitiba-Pr, 06-08/Junho/2018 SNAKES: FUNDAMENTOS E APLICAÇÕES NA EXTRAÇÃO DE FEIÇÕES LINEARES
X Colóquio Brasileiro de Ciências Geodésica Curitiba-Pr, 06-08/Junho/018 SNAKES: FUNDAMENTOS E APLICAÇÕES NA EXTRAÇÃO DE FEIÇÕES LINEARES ALUIR P. DAL POZ (1) ÉRICO F. O. MARTINS () (1) FCT/UNESP Depto.
Leia maisDescritores de Imagem (introdução)
Descritores de Imagem (introdução) André Tavares da Silva andre.silva@udesc.br Roteiro da aula Definição de descritor de imagem Extração de Característica Tipos Geral x Específico Global (cor, textura,
Leia maisSEGMENTAÇÃO DE IMAGENS
SEGMENTAÇÃO DE IMAGENS Definição Segmentação é o processo que divide uma imagem em regiões distintas, cada uma com pixels com atributos similares Particiona os pixels de uma imagem em grupos, geralmente
Leia maisComputação Gráfica - 09
Universidade Federal do Vale do São Francisco Curso de Engenharia da Computação Computação Gráfica - 9 jorge.cavalcanti@univasf.edu.br www.univasf.edu.br/~jorge.cavalcanti www.twitter.com/jorgecav Objetos
Leia maisComparação de Descritores de Forma aplicados na Classificação de Grãos de Café
Comparação de Descritores de Forma aplicados na Classificação de Grãos de Café Pedro Ivo de Castro Oyama 1 ; Evandro Luís Linhari Rodrigues 2 ; Lúcio André de Castro Jorge 3 1- Mestrando, Escola de Engenharia
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 maisJoão Paulo Ribeiro do Nascimento Heraldo Maciel França Madeira Hélio Pedrini. Keywords: texture, co-occurrence matrix, image classification.
CLASSIFICAÇÃO DE IMAGENS UTILIZANDO DESCRITORES ESTATÍSTICOS DE TEXTURA João Paulo Ribeiro do Nascimento Heraldo Maciel França Madeira Hélio Pedrini Universidade Federal do Paraná Departamento de Informática
Leia maisAQUISIÇÃO E REALCE EM IMAGENS UTILIZANDO JAVA COM AUXILIO DO OPENCV
AQUISIÇÃO E REALCE EM IMAGENS UTILIZANDO JAVA COM AUXILIO DO OPENCV Rafael Aquino 1 Fabio Gomes 2 Ciência da Computação ciências exatas e tecnológicas ISSN IMPRESSO 1980-1777 ISSN ELETRÔNICO 2316-3135
Leia 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 maisProcessamento de Imagens: fundamentos. Julio C. S. Jacques Junior
Processamento de Imagens: fundamentos Julio C. S. Jacques Junior juliojj@gmail.com Fronteiras do Processamento de Imagens Processamento de dados Dados / Informação Visão Computacional Computação Gráfica
Leia maisINFORMAÇÕES DO ACADÊMICO PLANO DE TRABALHO. 1. Justificativa
INFORMAÇÕES DO ACADÊMICO Nome: Kleber Padovani de Souza Curso: Engenharia de Computação Semestre: R.A.: Título do plano de trabalho: Extração de atributos da imagem através de momentos de imagem. Nome
Leia maisSensoriamento Remoto
LABORATÓRIOS DIDÁTICOS DE GEOPROCESSAMENTO Sensoriamento Remoto Classificação Supervisionada de Imagens de Sensoriamento Remoto Elaboração: Cláudia Soares Machado Mariana Giannotti Rafael Walter de Albuquerque
Leia maisProcessamento de Imagens COS756 / COC603
Processamento de Imagens COS756 / COC603 aula 13 - Transformada de Hough e SIFT Antonio Oliveira Ricardo Marroquim 1 / 41 aula de hoje descritores Transformada de Hough SIFT 2 / 41 transformada de Hough
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 maisUNIVERSIDADE FEDERAL DE UBERLÂNDIA UFU
UNIVERSIDADE FEDERAL DE UBERLÂNDIA UFU PLANO DE TRABALHO EM INICIAÇÃO CIENTÍFICA Desenvolvimento e aplicação de um modelo gravitacional simplificado para análise de texturas coloridas. Uberlândia 30/04/2014
Leia maisSegmentação de imagens aéreas de alta-resolução para a detecção de telhados de edifícios. Vanessa Jordão Marcato 1 Aluir Porfírio Dal Poz 1
Segmentação de imagens aéreas de alta-resolução para a detecção de telhados de edifícios Vanessa Jordão Marcato 1 Aluir Porfírio Dal Poz 1 1 Universidade Estadual Paulista - UNESP Faculdade de Ciências
Leia maisExtração de características utilizando filtros de Gabor aplicado a identificação de defeitos no couro bovino
Extração de características utilizando filtros de Gabor aplicado a identificação de defeitos no couro bovino André Luiz Pasquali 24 de abril de 2006 1 Antecedentes e Justificativa Atualmente o Brasil vem
Leia maisProcessamento de Imagens Termais Aplicado à Navegação Autônoma. Wanessa da Silva
Processamento de Imagens Termais Aplicado à Navegação Autônoma Wanessa da Silva Outubro, 2016 Introdução Roteiro Métodos Imagens Utilizadas Resultados Considerações Finais 1. Introdução 2. Métodos 4. Imagens:
Leia maisConceitos e Classificação da Fotogrametria. Fotogrametria e Fotointerpretação Prof. Dr. Raoni W. D. Bosquilia
Conceitos e Classificação da Fotogrametria Fotogrametria e Fotointerpretação Prof. Dr. Raoni W. D. Bosquilia Conceituação Até a década de 60: ciência e arte de obter medidas confiáveis por meio de fotografias
Leia maisUniversidade Federal do Paraná (UFPR) Bacharelado em Informática Biomédica. Representação. David Menotti.
Universidade Federal do Paraná (UFPR) Bacharelado em Informática Biomédica Representação David Menotti www.inf.ufpr.br/menotti/ci171-182 Representação Agenda Introdução Extraindo Representações de Imagens
Leia maisAprendizagem de Máquinas. Extração de Características
Universidade Federal do Paraná (UFPR) Departamento de Informática (DInf) Aprendizagem de Máquinas Extração de Características David Menotti, Ph.D. http://web.inf.ufpr.br/menotti 1 Objetivos Entender os
Leia maisObjetivos. 1. O método desenvolvido usa características de pares de pixeis para fazer estatísticas e formar
Introdução Comidas podem apresentar deformações e variações em sua forma, além de conter muitos ingredientes, nem todos visíveis; Métodos tradicionais de reconhecimento requerem a detecção de características
Leia maisRealce de imagens parte 1: operações pontuais SCC0251 Processamento de Imagens
Realce de imagens parte 1: operações pontuais SCC0251 Processamento de Imagens Prof. Moacir Ponti Jr. www.icmc.usp.br/~moacir Instituto de Ciências Matemáticas e de Computação USP 2013/1 Moacir Ponti Jr.
Leia maisPropriedades da Imagem Amostragem & Quantização (Quantificação) Histograma Imagem Colorida x Imagem Monocromática. Propriedades da Imagem
Proc. Imagem Prof. Júlio C. Klafke [1] TÓPICOS DESENVOLVIDOS NESTE MÓDULO PROCESSAMENTO DE IMAGEM #02 Propriedades da Imagem Amostragem & Quantização (Quantificação) Histograma Imagem Colorida x Imagem
Leia maisO quadro abaixo destina-se à correcção da prova. Por favor não escreva nada.
Instituto Superior Técnico Departamento de Matemática 2 o semestre 08/09 Nome: Número: Curso: Sala: 1 o TESTE DE CÁLCULO DIFERENCIAL E INTEGRAL-II LEIC-Taguspark, LERC, LEGI, LEE 4 de Abril de 2009 (11:00)
Leia mais- lnteligência Artificial. Seminário sobre o artigo: Beans quality inspection using correlationbased granulometry
PCS - 5689 - lnteligência Artificial Seminário sobre o artigo: Beans quality inspection using correlationbased granulometry Autores: Sidnei Alves de Araújo, Jorge Henrique Pessota, Hae Yong Kim Aluno:
Leia maisProcessamento Digital de Imagens. Análise de Imagens
Processamento Digital de Imagens Análise de Imagens Eduardo A. B. da Silva Programa de Engenharia Elétrica - COPPE/UFRJ Laboratório de Sinais, Multimídia e Telecomunicações eduardo@smt.ufrj.br Sergio L.
Leia 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 maisUm sistema de identificação biométrica utilizando reconhecimento de íris e OpenCV
Um sistema de identificação biométrica utilizando reconhecimento de íris e OpenCV Rodrigo Mendes Garcês 1, Geraldo Braz Júnior 2 1 Laboratório de métodos de otimização e robótica Universidade Federal do
Leia maisLip Recognition. Victor Mocelin
Lip Recognition Victor Mocelin Sumário 1. Introdução do problema 2. Por que usar os lábios? 3. Dificuldades 4. Artigos relacionados 5. Referências 2 Introdução do problema Entradas Credencial Imagem dos
Leia maisResolução da Questão 1 Item I (Texto Definitivo)
Questão Na teoria econômica, uma função de demanda y = P(x) representa a relação entre a quantidade x produzida de determinado bem e o seu preço y. O excedente do consumidor que é uma maneira de avaliar
Leia maisReconhecimento Facial 3D utilizando o Simulated Annealing com as Medidas Surface Interpenetration Measure e M-Estimator Sample Consensus
Reconhecimento Facial 3D utilizando o Simulated Annealing com as Medidas Surface Interpenetration Measure e M-Estimator Sample Consensus Dissertação de Mestrado em Informática Sídnei Augusto Drovetto Jr.
Leia maisUNIVERSIDADE FEDERAL DE ALAGOAS INSTITUTO DE MATEMÁTICA Aluno(a): Professor(a): Curso:
5 Geometria Analítica - a Avaliação - 6 de setembro de 0 Justique todas as suas respostas.. Dados os vetores u = (, ) e v = (, ), determine os vetores m e n tais que: { m n = u, v u + v m + n = P roj u
Leia maisPROCESSAMENTO DIGITAL DE IMAGENS
UNIVERSIDADE DE SÃO PAULO ESCOLA SUPERIOR DE AGRICULTURA LUIZ DE QUEIROZ DEPARTAMENTO DE ENGENHARIA DE BIOSSISTEMAS DISCIPLINA: LEB450 TOPOGRAFIA E GEOPROCESSAMENTO II PROF. DR. CARLOS ALBERTO VETTORAZZI
Leia maisReconhecimento e diagnóstico automático de melanoma
Reconhecimento e diagnóstico automático de melanoma Bruno S. Ferreira 1, Paulo V. Vieira 1 1 Universidade Federal do Maranhão(UFMA) Av. dos Portugueses, 1966 - Bacanga, São Luís-MA, 65080-805 Abstract.
Leia maisDr. Sylvio Barbon Junior. Departamento de Computação - UEL. 1 o Semestre de 2015
Introdução a Computação Gráfica [5COP100] Dr. Sylvio Barbon Junior Departamento de Computação - UEL 1 o Semestre de 2015 Assunto Aula 6 Histograma de Imagem Digital 2 de 32 Sumário Conceitos Sistema de
Leia maisVisão Computacional. Alessandro L. Koerich. Programa de Pós-Graduação em Engenharia Elétrica Universidade Federal do Paraná (UFPR)
Visão Computacional Alessandro L. Koerich Programa de Pós-Graduação em Engenharia Elétrica Universidade Federal do Paraná (UFPR) Processamento da Informação Capturei uma Imagem! E agora? Assumindo que
Leia maisResoluções das Imagens fotogramétricas e digitais. Fotogrametria e Fotointerpretação Prof. Dr. Raoni W. D. Bosquilia
Resoluções das Imagens fotogramétricas e digitais Fotogrametria e Fotointerpretação Prof. Dr. Raoni W. D. Bosquilia Classificação dos filmes aerofotogramétricos Os filmes podem ser: preto e branco ou coloridos.
Leia maisPMR2560 Visão Computacional Visão estéreo. Prof. Eduardo L. L. Cabral
PMR2560 Visão Computacional Visão estéreo Prof. Eduardo L. L. Cabral Objetivos Introdução Equações básicas Processo de correspondência Geometria epipolar Retificação de imagens Reconstrução 3D Visão estéreo
Leia maisExtração de Características
Extração de Características Alceu S. Britto Jr. Alessandro L. Koerich Aprendizagem de Máquina Mestrado/Doutorado em Informática 2009 Definição Característica: variável ou atributo utilizado na descrição
Leia maisDescrições Espaciais e Transformações
4 o Engenharia de Controle e utomação FCI / 29 rof. Maurílio J. Inácio Descrição de posição e orientação O estudo de robótica envolve constantemente a localização de objetos (as partes e ferramentas) em
Leia maisEXTRAÇÃO E REGULARIZAÇÃO AUTOMÁTICA DE POLÍGONOS REPRESENTANDO CONTORNOS DE TELHADO A PARTIR DE UM MDS NORMALIZADO
p. 187-192 EXTRAÇÃO E REGULARIZAÇÃO AUTOMÁTICA DE POLÍGONOS REPRESENTANDO CONTORNOS DE TELHADO A PARTIR DE UM MDS NORMALIZADO MICHELLE SAYURI YANO 1 ALUIR PORFÍRIO DAL POZ 2 TATIANA SUSSEL GONÇALVES MENDES
Leia maisMAT 3210 Cálculo Diferencial e Integral II. Prova SUB B
MAT 3210 Cálculo Diferencial e Integral II Prof. Paolo Piccione 25 de Novembro de 2011 Prova SUB B Nome: Número USP: Assinatura: Instruções A duração da prova é de uma hora e quarenta minutos. Assinale
Leia maisMAT 3210 Cálculo Diferencial e Integral II. Prova SUB C
MAT 3210 Cálculo Diferencial e Integral II Prof. Paolo Piccione 25 de Novembro de 2011 Prova SUB C Nome: Número USP: Assinatura: Instruções A duração da prova é de uma hora e quarenta minutos. Assinale
Leia maisMAT 3210 Cálculo Diferencial e Integral II. Prova SUB D
MAT 3210 Cálculo Diferencial e Integral II Prof. Paolo Piccione 25 de Novembro de 2011 Prova SUB D Nome: Número USP: Assinatura: Instruções A duração da prova é de uma hora e quarenta minutos. Assinale
Leia maisCLASSIFICAÇÃO DE PADRÕES UTILIZANDO DESCRITORES DE TEXTURA
XI Simpósio de Mecânica Computacional II Encontro Mineiro de Modelagem Computacional Juiz De Fora, MG, 28-30 de Maio De 2014 CLASSIFICAÇÃO DE PADRÕES UTILIZANDO DESCRITORES DE TEXTURA Weiner Esmerio Batista
Leia maisCorreção geométrica de imagem Quickbird para áreas urbanas utilizando modelos geométricos generalizados e dados de laser scanning
Correção geométrica de imagem Quickbird para áreas urbanas utilizando modelos geométricos generalizados e dados de laser scanning Suelen Cristina Movio Huinca Hideo Araki Anna Carolina Cavalheiro Universidade
Leia mais