Redu o de Speckle em Imagem de Radar Usando um Algoritmo de Detec o de Bordas
|
|
- Nina Delgado Sintra
- 6 Há anos
- Visualizações:
Transcrição
1 COBRAC 2000 Congresso Brasileiro de Cadastro T nico Multifinalit io UFSC Florianolis 15 a 19 de Outubro 2000 Redu o de Speckle em Imagem de Radar Usando um Algoritmo de Detec o de Bordas Taciana A. Malheiros Vannucci 1 Prof. Jorge A. Silva Centeno 2 Prof. Hideo Araki 3 Departamento de Geom ica Universidade Federal do Paran br> Centro Polit nico Caixa Postal CEP Curitiba - PR 2 centeno@geoc.ufpr.br 3 haraki@geoc.ufpr.br Conte o 1 Introdu o 2 Filtragem 3 Filtro com detetor de bordas (FDB) 3.1 Caracteriza o da vizinhan 3.2 Atribui o do novo valor 4 Teste do filtro com detector de bordas (FDB) 5 Aplica o do filtro a uma imagem real 6 Concluss 7 Refer cias Bibliogr icas Resumo: O speckle um ru o multiplicativo que altera os n eis de cinza de imagens de radar causando um efeito de textura na imagem. A presen deste ru o um fator limitante na identifica o de objetos em tais imagens. No presente trabalho, um filtro adaptativo, baseado na discrimina o de prov eis bordas e eas homog eas apresentado. Se a regi for considerada homog ea, realizada uma filtragem passa-baixa; se uma borda for encontrada na vizinhan do pixel, um valor deduzido de uma das classes que formam a borda usado. S apresentados resultados de testes realizados com imagens sint icas e reais. A faixa de varia o do par etro que controla o algoritmo de detec o de bordas foi estimada a partir de imagens sint icas, onde a localiza o das bordas conhecida. A qualidade da imagem filtrada foi avaliada analisando-se os efeitos de suaviza o de eas homog eas e de preserva o de bordas. Com base no valor imo do par etro, o filtro foi aplicado sobre imagens reais. Palavras chave: Speckle, processamento de imagens, radar
2 1 Introdu o O speckle um ru o que pode ser detectado em qualquer tipo de imagem de sensoriamento remoto, por mais comum em imagens de RADAR e causa na imagem uma apar cia granulosa, diminuindo assim sua nitidez. Ele causado pelo espalhamento dos sinais devido a rugosidade da superf ie. Para amenizar este ru o existem dois m odos: multi-look e filtragem. O multilook pode ser utilizado quando se tem imagens obtidas por meio do Synthetic Aperture RADAR ( SAR), sendo que a imagem corrigida composta da m ia de v ias imagens geradas separadamente. O segundo m odo consiste em reduzir o Speckle a partir dos valores (Digital Number, DN) dos pixels vizinhos. Uma proposta de filtro, baseado na an ise da vizinhan, ser apresentada a seguir. 2 Filtragem As t nicas de filtragem s transforma es onde cada pixel da imagem original modificado em fun o dos valores de cinza dos pixels vizinhos. Para o processo de filtragem inicialmente definida uma vizinhan em torno do pixel (janela mel). A partir dos valores dos DN s nesta regi calculado um novo valor para o pixel central. V ios filtros tem sido desenvolvidos para a redu o do ru o Speckle e para o aumento da rela o sinal-ru o, objetivando uma melhoria na separabilidade entre classes presentes em uma imagem com uma m ima perda de informa es. Estes filtros s divididos em dois grupos: filtros gerais e filtros espec icos. Entre os filtros gerais est os filtros M ia e Mediana. Os filtros espec icos mais utilizados s os filtros Frost, Lee e Kuan. (LOPES, TOUZI e NEZRY, 1990). 3 Filtro com detetor de bordas (FDB) O processo de filtragem pode afetar significativamente a imagem original, chegando ao ponto de distorcer o valor real do pixel, quando utilizado sem os devidos cuidados. As propriedades desejadas de um filtro s : manter o valor m io do retorno do RADAR (backscatter); preservar as bordas presentes na imagem e a informa o de textura. Com o intuito de efetuar uma suaviza o seletiva da imagem, foi implementado um filtro que basicamente consta de duas etapas. Na primeira, a regi em torno do pixel analisada na procura de eventuais bordas e eas homog eas. Na Segunda fase, um novo valor calculado em fun o do resultado da primeira fase. Quando a regi em torno do pixel for considerada homog ea, uma filtragem passa-baixa efetuada. J quando a an ise apontar a presen de uma borda na vizinhan, ou seja, a regi contem dois objetos diferentes, considerado que existem duas sub-regis: uma clara e outra escura. Neste caso o pixel central
3 comparado m ia destas duas sub-regis e um novo valor calculado a partir da m ia da regi espectralmente mais prima. 3.1 Caracteriza o da vizinhan Os n eis de cinza de uma imagem digital podem ser escritos como uma fun o z = f(x,y), onde x e y denotam a posi o do pixel na imagem (linha/coluna) e z o valor do pixel. Numa imagem ideal os objetos apareceriam como regis planas, com o mesmo valor de n el de cinza. A presen de bordas entre objetos causaria uma mudan brusca deste valor, pois o objeto vizinho tem uma apar cia diferente, mais clara ou mais escura. A princ io a localiza o das bordas na imagem desconhecida, motivo pelo qual elas devem ser identificadas. Para isto, a varia o dos n eis de cinza na vizinhan de cada pixel analisada deslocando uma janela mel 3x3 ao longo da imagem. Para caracterizar uma borda, necess io diferenciar regis "planas" (ou seja, onde os DN s dos pixels sejam iguais) de regis de transi o. Lastimosamente, dificilmente s encontradas regis totalmente homog eas em imagens reais imagens reais. As regis correspondentes a um objeto ou uma mesma classe geralmente podem ser descritas como uma regi homog ea (ideal), com ru o superposto mesma. Utilizando a formula o de um plano, pode-se descrever uma regi homog ea na imagem como: Z = f(x,y) = a 1.x + a 2.y + a 3 + e(x,y) (1) Onde e(x,y) o ru o, cuja distribui o normal. Estimativas dos par etros da equa o deste plano ( sub>1, sub>2 e sub>3) podem ser obtidas atrav do procedimento dos m imos quadrados. A solu o procurada aquela que minimiza a soma dos quadrados dos res uos em cada pixel. S 2 = Σ x Σ y [ sub>1.x + sub>2.y + sub>3 - f(x,y)] (2) A partir do resultado desta estimativa, duas hipeses s verificadas: H 0 : A regi homog ea, ou seja, a 1 = a 2 = 0 H 1 : A regi n homog ea, isto a 1 0 e/ou a 2 0. O resultado deste teste aponta a presen de eas homog eas ou bordas na regi definida pela janela mel. Este procedimento baseado no algoritmo de detec o de bordas proposto por Haralick (1981) e descrita em Centeno (1997). As imagens de RADAR s caracterizadas pela textura granulada, prria do Speckle, que um ru o multiplicativo. Para tornar este ru o linear, o valor do logar mo dos n eis de cinza utilizado em lugar do valor lido diretamente na imagem. Assim, a equa o (2) pode ser aplicada.
4 A verifica o das hipeses H 0 e H 1 efetuada utilizando um teste de Fisher. Como em outros testes estat ticos, o resultado do teste de Fisher depende do grau de signific cia do teste. Um teste r ido ir fornecer a detec o de bordas, enquanto um valor da estat tica de Fisher mais tolerante favorece as eas homog eas. 3.2 Atribui o do novo valor O teste de Fisher revela a presen de uma borda ou uma regi homog ea na imagem. Quando a regi considerada homog ea, o novo valor a m ia de toda a vizinhan (janela 3x3). Z = 1/9 Σ x Σ y f(x,y) (3) Quando uma borda existe, suposto que a vizinhan ocupada por duas classes de n eis de cinza, cada uma delas corresponde a um objeto na imagem. Como a princ io n se conhece quais pixels pertencem a cada classe, uma an ise de agrupamento efetuada para separar os pixels em dois grupos, pixels "claros" e "escuros". Adotando como refer cia os valores extremos da vizinhan : E = m (f(x,y)) na vizinhan (4) C = m (f(x,y)) na vizinhan O pixel (x,y) pertence classe 1 (escuro) se a dist cia entre o seu n el de cinza e o valor m imo (E) for menor que a dist cia que o separa do valor m imo (C). Com isto a vizinhan separada em dois grupos e o pixel central enquadrado num deles. O novo valor atribu o ao pixel a m ia do grupo no qual o pixel central foi classificado, ou seja, o grupo mais primo. 4 Teste do filtro com detector de bordas (FDB) Para avaliar o filtro com detector de bordas (FDB) usou-se uma imagem sint ica ideal (128x128 pixels), conforme mostra a fig. 1a. Os valores desta imagem foram adulterados adicionando a cada pixel uma por o de ru o aleatio com m ia zero e diferentes vari cias. As figuras 1b e 1c mostram as imagens com ru o com vari cia de 15 e 20 respectivamente. (a)
5 (b) (c) Figura 1 :(a) Imagem sint ica ideal (sem ru o), (b) Imagem sint ica com ru o=15, (c) Imagem sint ica com ru o=20. : O par etro que controla o filtro grau de signific cia de Teste de Fisher. V ios testes foram realizados com as imagens sint icas variando o grau de signific cia. A figura 2 apresenta um destes testes. As eas cinzas correspondem regis homog eas, enquanto que as eas claras mostram as regis consideradas bordas. Nota-se que medida em que o valor do par etro do filtro cresce, uma maior parte da imagem considerada homog ea. Isto se deve ao fato de um valor alto da estat tica de Fisher ser mais tolerante no teste. Com isto, mesmo regis com pequena varia o dos n eis de cinza s consideradas planas, ficando apenas as regis com elevada varia o como bordas. F = 10 F=30 F=50 Figura 2 :Discrimina o de regis na imagem 1b. F representa o valor da estat tica de Fisher. Um teste r ido (ex. F=10 na fig. 2) identifica um elevado n ero de eas heterog eas, mesmo onde originalmente havia uma ica classe. Isto se deve a altera o introduzida pelo ru o. A situa o ideal aquela na qual as bordas sejam detectadas (para garantir sua preserva o no seguinte passo) e ao mesmo tempo as regis homog eas sejam bem caracterizadas. No exemplo da Fig. 2, a imagem central (F=30) mostra uma situa o melhor que as outras, pois nela as bordas podem ser bem vistas e poucas bordas aparecem dentro das eas homog eas. Para avaliar o efeito do valor do par etro na qualidade da imagem, fez-se uma an ise comparativa entre a imagem resultante e a original. O teste consiste em quantificar o grau de semelhan entre as eas homog eas da imagem resultante das mesmas na imagem original e paralelamente avaliar quanto as bordas foram suavizadas. Como trata-se de uma imagem sint ica, a localiza o exata das bordas e eas homog eas conhecida e o teste vi el. O mesmo n ocorre com imagens reais. O teste consiste de duas componentes: Avalia o da suaviza o das eas homog eas: A diferen entre os n eis de cinza originais f(x,y) e ap a filtragem g(x,y) numa ea homog ea medida d = [ f(x,y) 2 g(x,y) 2 ] (5) Um valor para toda a imagem (Q 1 ) obtido a partir da diferen m ia:
6 Q 1 = m ia (d) (6) Avalia o da presen de bordas: O grau no qual as bordas foram deformadas avaliado calculando a varia o do gradiente m io ao longo das bordas da imagem. O gradiente de uma borda horizontal calculado como : g = f(x,y) f(x, y+1) (7) O gradiente de uma borda vertical: g = f(x,y) f(x+1, y) (10) logo: Q 2 = m ia (g) (11) A figura 3 mostra o desempenho do filtro em rela o preserva o de bordas (Q 2 ) e a suaviza o de eas homog eas (Q 1 ). Os resultados mostram que a varia o do par etro do filtro influencia o resultado, podendo favorecer a preserva o de bordas ou a suaviza o da imagem (Fig. 3). O valor imo seria aquele que possibilitasse um balan entre os dois efeitos, aproximando o imagem resultante da imagem original. O valor do par etro a ser usado depende do ru o na imagem. Uma compara o visual revelou que as imagens sint icas geradas com ru o (F=20) tem caracter ticas similares imagens reais de RADAR. Assim pode-se verificar que o valor do par etro F=45, pode ser usado para filtrar uma imagem real. Figura 3 : Avalia o da qualidade da imagem filtrada em termos de preserva o de bordas e suaviza o de eas homog eas, para ru o = 20 5 Aplica o do filtro a uma imagem real
7 Uma imagem real de RADAR (512x512 pixels) da regi de Bonn na Alemanha (Fig. 4), adquirida em 17 de novembro de 1995 pelo RADARSAT-1, com resolu o de 6,25 metros. Figura 4 : Imagem original - Regi de Bonn/Alemanha. O resultado da filtragem pode ser visto na figura 5. Com esta imagem pode-se verificar a efici cia do filtro FDB. reas homog eas foram suavizadas reduzindo o Speckle e as bordas foram real das. As regis homog eas, como a ua do rio, foram suavizadas, pois a varia o dos DN s nestes locais pequena, logo o teste consegue caracteriz las como uma ica regi. J nas eas de bordas bem definidas, como ocorre na regi clara na parte superior da imagem, as bordas foram bem preservadas, salientando com isso a forma dos objetos. Nota-se tamb que as ruas e pontes foram preservadas e at destacadas em rela o imagem original.
8 Figura 5 : Resultado do filtro FDB aplicado imagem real 6 Concluss Um filtro para a redu o do Speckle, que baseia-se no princ io da detec o de bordas e eas homog eas na vizinhan adjacente ao pixel, foi testado com imagens reais e sint icas. O referido filtro possui um par etro, associado estat tica de Fisher, que permite controlar o efeito da filtragem, favorecendo ou n, a preserva o de bordas e detalhes. A fixa o de um valor imo do par etro foi pesquisada, verificando-se que valores entre 15 e 45 s os que proporcionam melhores resultados. No entanto, o valor imo depende da intensidade do ru o na imagem. O processo foi testado com uma imagem sint ica, com ru o similar ao ru o presente numa imagem real e a partir deste teste foi obtido um valor que posteriormente foi utilizado na imagem real (F=45). A vantagem do filtro proposto que, como ele detecta as bordas na imagem, os objetos aparecem melhor definidos. 7 Refer cias Bibliogr icas CENTENO, J.A.S. e HAERTEL, V.. (1997) An adaptative Image enhancement Algorithm. Pattern Recognition, Vol 30 N o 7, pp
9 HARALICK R.M.. Edge and Region Analysis for Digital Image Data. In: Image Modelling, A.Rosenfeld, Ed. Pp Academic Press, New York LOPES, A., TOUZI, R. e NEZRY, E.. (1990) Adaptative Speckle Filters and Scene Heterogeneity. IEEE Transactions on Geoscience and Remote Sensing, Vol 28, N o 6. pp COBRAC 2000
PROCESSAMENTO DE IMAGENS SAR AULA 13
PROCESSAMENTO DE IMAGENS SAR AULA 13 Prof. Daniel C. Zanotta Daniel C. Zanotta 18/08/2016 RADAR RADIO DETECTION AND RANGING (DETECÇÃO E LOCALIZAÇÃO POR MEIO DE ONDAS DE RADIO) SENSOR ÓPTICO: CAPTA A RADIAÇÃO
Aula 6 - Processamento de Imagens de Radar
Aula 6 - Processamento de Imagens de Radar 1. Eliminação de Ruído Speckle A qualidade radiométrica do dado SAR é afetada por fatores inerentes ao instrumento, bem como à geometria de iluminação. As duas
Filtros Redutores de Speckle. Conceitos e Ferramentas para Análise de Imagens de Radar de Abertura Sintética (SAR)
1 Sumário Extração de Informação das Imagens Ruído Speckle Filtragem Digital Espacial Filtros Redutores de Speckle Formatos da Imagem de Radar Diferentes formatos Ruído Speckle Multilook Filtragem Z i
Filtragem. Processamento digital de imagens. CPGCG/UFPR Prof. Dr. Jorge Centeno
Filtragem Processamento digital de imagens CPGCG/UFPR Prof. Dr. Jorge Centeno Operações de vizinhança (Filtros) Filtros lineares Filtro passa-baixas (suavização) Filtro passa-altas (realce) Filtros direcionais
SEL-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
PROCESSAMENTO DE IMAGENS SAR AULA 14
PROCESSAMENTO DE IMAGENS SAR AULA 14 Prof. Daniel C. Zanotta Daniel C. Zanotta 29/08/2017 RADAR RADIO DETECTION AND RANGING (DETECÇÃO E LOCALIZAÇÃO POR MEIO DE ONDAS DE RADIO) SENSOR ÓPTICO: CAPTA A RADIAÇÃO
CAPÍTULO 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
FILTROS 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
Filtragem de Imagens Fixas
FEUP 2006/2007 TELEVISÃO DIGITAL Filtragem de Imagens Fixas Nuno Miguel da Cunha Pássaro Nuno Miguel Dantas de Faria nº de aluno: 010503228 email: ee01228@fe.up.pt nº de aluno: 010503160 email: ee01160@fe.up.pt
Trabalho de Grupo de Otimização Ano letivo: 2014/2015
1. Formule o problema de Programação Linear. Defina convenientemente as variáveis que achar mais relevantes e explique as restrições utilizadas. Através da análise do problema torna-se relevante definir
Processamento Digital de Imagens
Ciência da Computação Processamento Digital de Imagens Tópicos Detecção de Pontos Isolados Detecção de Linhas Prof. Sergio Ribeiro 2 Operações lógicas e aritméticas orientadas a vizinhança utilizam o conceito
Modelagem Computacional. Parte 4 2
Mestrado em Modelagem e Otimização - RC/UFG Modelagem Computacional Parte 4 2 Prof. Thiago Alves de Queiroz 2/2016 2 [Cap. 5] BURDEN, R. L.; FAIRES, J. D. Numerical Analysis (9th ed). Cengage Learning,
Comparação de filtros adaptativos para redução do ruído speckle em imagens SAR. Carina Regina de Macedo 1 Igor Ogashawara 1
Comparação de filtros adaptativos para redução do ruído speckle em imagens SAR Carina Regina de Macedo 1 Igor Ogashawara 1 1 Instituto Nacional de Pesquisas Espaciais - INPE Caixa Postal 515-12227-010
Seja um corpo de massa m que se move em linha reta sob ação de uma força F que atua ao longo da linha.
Energia Potencial Elétrica Física I revisitada 1 Seja um corpo de massa m que se move em linha reta sob ação de uma força F que atua ao longo da linha. O trabalho feito pela força para deslocar o corpo
Processamento 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
Comparação do Desempenho de Filtros Redutores de Speckle
Comparação do Desempenho de Filtros Redutores de Speckle SIDNEI J.S. SANT ANNA 1 NELSON D. A. MASCARENHAS 1 INPE - Instituto Nacional de Pesquisas Espaciais DPI - Divisão de Processamento de Imagens Avenida
Descritores 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
SEL-0339 Introdução à Visão Computacional. Aula 2 Processamento Espacial (Parte 2)
Departamento de Engenharia Elétrica - EESC-USP SEL-0339 Introdução à Visão Computacional Aula 2 Processamento Espacial (Parte 2) Prof. Dr. Marcelo Andrade da Costa Vieira Prof. Dr. Adilson Gonzaga mvieira@sc.usp.br
Problemas de Mecânica e Ondas MOAer 2015 Série 8
Problemas de Mecânica e Ondas MOAer 2015 Série 8 Problemas 8.1 a 8.9 são do livro Introdução à Física, J. Dias de Deus et. al.. As soluções estão disponíveis no final dos enunciados. P 8.1 a) A figura
Breves noções de Mecânica Quântica
Aula Teórica nº 38 LEM-2006/2007 Prof. responsável de EO: Mário J. Pinheiro Breves noções de Mecânica Quântica Hipótese de De Broglie A ideia que esteve na base da Mecânica Quântica foi a seguinte: visto
Processamento de Imagens Filtragem Digital
Filtragem Digital Consiste na aplicação de técnicas de transformação (operadores máscaras) com o objetivo de corrigir, suavizar ou realçar determinadas características de uma imagem dentro de uma aplicação
Eletromagnetismo I. Prof. Daniel Orquiza. Eletromagnetismo I. Prof. Daniel Orquiza de Carvalho
de Carvalho - Eletrostática Distribuições Contínuas de Cargas (Páginas 33 a 41 no livro teto) Densidade Volumétrica de Cargas Campo Elétrico de uma densidade volumétrica de cargas Densidade Superficial
UMA VISÃO SOBRE O PROCESSAMENTO DE IMAGENS. Rogério Vargas DCET UESC Home page: rogerio.in
UMA VISÃO SOBRE O PROCESSAMENTO DE IMAGENS Rogério Vargas DCET UESC Home page: rogerio.in Exemplo de aplicações: automação e visão artificial reconhecimento de caracteres análise de cromossomos veículos
PSI2651 PROCESSAMENTO, ANÁLISE E SÍNTESE DE IMAGENS. 1 o período de 2005 LISTA DE EXERCÍCIOS
PSI PROCESSAMENTO, ANÁLISE E SÍNTESE DE IMAGENS o período de LISTA DE EXERCÍCIOS ) Considerando imagens do tipo da figura abaixo. Descreva um procedimento que identifique quantas células com furo e quantas
Filtragem linear. jorge s. marques, questão: como remover artefactos?
Filtragem linear questão: como remover artefactos? redução de ruído como reduzir o ruído de uma imagem? ideia: substituir cada piel por uma média Jm,n = m+ k n+ k k + p= m kq= n k Ip,q k= k+ k+ k= filtro
4) Reobtenha e reanalise os resultados auferidos nos problemas nº 1, nº 2 e nº 3 quando (a) Z! Z!, (b)
LISTA DE EXERCÍCIOS Nº 1 Problemas 1) Uma onda eletromagnética plana linearmente polarizada incide de forma normal em uma interface existente entre um meio 1 e um meio 2. A impedância do meio 1 é Z! e
Extração 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
Enquanto que para o potencial, função apenas das molas:
Laboratório de Dinâmica e Simulação Veicular SISTEMA MECÂNICO NÃO LINEAR COM MOVIMENTO CAÓTICO EM TORNO DE ATRATORES Por: Manoel Rodrigues Trigueiro Orientador: Professor Doutor Roberto Spinola Barbosa
2ª. Prova de Física 1 FCM 0501 (Peso 0,35) 2013
ª. Prova de Física 1 FCM 001 (Peso 0,3) 013 Nome do Aluno Número USP Valor das Questões 1ª. a) 1, ª. a) 1, b) 1, Bônus 0, 3ª. a) 1, 4ª. a) 1,0 c) 0, Nota Nota Final Boa Prova A prova é sem consulta. As
Processamento de Imagem. Prof. MSc. André Yoshimi Kusumoto
Processamento de Imagem Prof. MSc. André Yoshimi Kusumoto andrekusumoto.unip@gmail.com Filtragem de Imagens A utilização de filtros tem como objetivo melhorar a qualidade das imagens através da: ampliação
UNIDADE 6 Defeitos do Sólido Cristalino
UNIDADE 6 Defeitos do Sólido Cristalino 1. Em condições de equilíbrio, qual é o número de lacunas em 1 m de cobre a 1000 o C? Dados: N: número de átomos por unidade de volume N L : número de lacunas por
6. FILTRAGEM DE FREQUÊNCIAS ESPACIAIS
6. FILTRAGEM DE FREQUÊNCIAS ESPACIAIS 6.1 Introdução A. P. Crósta, Processamento Digital de Imagens de Sensoriamento Remoto 1992 Em uma imagem qualquer de sensoriamento remoto, considerada em uma de suas
Processamento 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
Prova de Análise de Dados
Prova de Análise de Dados Página 1 de (D1) Pulsar Binário Através de buscas sistemáticas ao longo das últimas décadas, astrônomos encontraram um grande número de pulsares de milissegundo (período de rotação
Orientação 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,
Filtragem de Imagens no Domínio Espacial. 35M34 Sala 3D5 Bruno Motta de Carvalho DIMAp Sala 15 Ramal 227
Filtragem de Imagens no Domínio Espacial 35M34 Sala 3D5 Bruno Motta de Carvalho DIMAp Sala 15 Ramal 227 Image Enhancement 2 Image enhancement em Português significa algo como melhoria de imagens, mas o
PROPOSTA DE RESOLUÇÃO DA PROVA DE MATEMÁTICA A DO ENSINO SECUNDÁRIO (CÓDIGO DA PROVA 635) 1ª FASE 23 DE JUNHO
PROPOSTA DE RESOLUÇÃO DA PROVA DE MATEMÁTICA A DO ENSINO SECUNDÁRIO (CÓDIGO DA PROVA 65) ª FASE DE JUNHO 05. Grupo I Os dois rapazes devem estar sentados nas etremidades do banco. Há maneiras de isso acontecer.
Simulação Gráfica. Segmentação de Imagens Digitais. Julio C. S. Jacques Junior
Simulação Gráfica Segmentação de Imagens Digitais Julio C. S. Jacques Junior Segmentação Subdivide uma imagem em suas partes ou objetos constituintes. O nível até o qual essa subdivisão deve ser realizada
Processamento 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
UNIVERSIDADE ESTADUAL PAULISTA Campus de Sorocaba. Segmentação
UNIVERSIDADE ESTADUAL PAULISTA Campus de Sorocaba Segmentação A separação dos pixeis relativos a cada objeto, ou região, é uma etapa fundamental para o sucesso do processo de análise da imagem. Embora
Prova de Recuperação de Física 1 FCM
Prova de Recuperação de Física 1 FCM 0501 013 Nome do Aluno Número USP Valor das Questões 1ª. a) 1,5 b) 1,0 ª. a) 1,5 b) 1,75 3ª. a) 1,0 b) 0,5 c) 1,0 4ª. a) 1,0 b) 1,0 c) 0,5 Nota Nota Final Boa Prova
PROCESSAMENTO 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
AVALIAÇÃO DA ESTIMATIVA DE PARÂMETROS PARA MODELOS AR2D APLICADOS NA EXTRAÇÃO DE ATRIBUTOS DE TEXTURA EM IMAGENS DE SENSORIAMENTO REMOTO
AVALIAÇÃO DA ESTIMATIVA DE PARÂMETROS PARA MODELOS AR2D APLICADOS NA EXTRAÇÃO DE ATRIBUTOS DE TEXTURA EM IMAGENS DE SENSORIAMENTO REMOTO GUSTAVO TADEU ZANIBONI 1 LUCIANO VIEIRA DUTRA 1 1 INPE - Instituto
TELEVISÃO DIGITAL LEEC 2006/2007
TELEVISÃO DIGITAL LEEC 2006/2007 DETECÇÃO DE CONTORNOS GRUPO 6: Hugo Miguel Rodrigues Gonçalves Dinis Guedes Afonso ee01171 ee01148 Introdução Este trabalho tem como objectivo a implementação de métodos
Processamento Digital de Imagens Aula 04
exatasfepi.com.br Processamento Digital de Imagens Aula 04 André Luís Duarte A sabedoria oferece proteção, como o faz o dinheiro, mas a vantagem do conhecimento é esta: a sabedoria preserva a vida de quem
SEL5886 Visão Computacional Prof. Dr. Marcelo Andrade da Costa Vieira
SEL5886 Visão Computacional Prof. Dr. Marcelo Andrade da Costa Vieira Prática 2 Processamento no Domínio do Espaço Instruções: Essa prática consiste de 12 exercícios (E_1 a E_12). Deve ser gerado um arquivo
SELEÇÃO DE JANELAS DE PROCESSAMENTO PARA UM FILTRO POLARIMÉTRICO
SELEÇÃO DE JANELAS DE PROCESSAMENTO PARA UM FILTRO POLARIMÉTRICO SIDNEI JOÃO SIQUEIRA SANT ANNA 1,2 CORINA DA COSTA FREITAS 1 J. C. DA S. LACAVA 2 DAVID FERNANDES 2 1 INPE - Instituto Nacional de Pesquisas
Processamento Digital de Imagens
Ciência da Computação Processamento Digital de Imagens Prof. Sergio Ribeiro Tópicos Transformações de Intensidade Transformações Logarítmicas Comparação entre Diversas Técnicas 2 Transformações de Intensidade
PMR2560 Visão Computacional Filtragem e Suavização. Prof. Eduardo L. L. Cabral
PMR50 Visão Computacional Filtragem e Suavização Prof. Eduardo L. L. Cabral Objetivos Processamento de imagens: Convolução; Filtragem D; Suavização de imagens. Convolução Definição de convolução no tempo
Processamento 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
Fi ch a do p ro fe s so r
AL 2.3 Atrito e variação de Energia Mecânica TI-Nspire Autora : Fernanda Neri Palavras-chave: Energia Cinética; Energia Potencial; Transferência de energia; Transformação de energia; Energia Mecânica;
Reconhecimento 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
Resistência dos Materiais
Resistência dos Materiais Prof. Antonio Dias Antonio Dias / Resistência dos Materiais / Torção 1 Torção Antonio Dias / Resistência dos Materiais / Torção 2 Introdução A princípio vamos estudar eixos circulares
FILTRAGEM NO DOMÍNIO ESPACIAL. Daniel C. Zanotta 22/05/2017
FILTRAGEM NO DOMÍNIO ESPACIAL Daniel C. Zanotta 22/05/2017 FREQUÊNCIA EM IMAGENS DIGITAIS Análise da intensidade dos NCs da imagem Banda 7 Landsat TM ao longo da distância: FREQUÊNCIA EM IMAGENS DIGITAIS
INTELIGÊNCIA IMOBILIÁRIA
RELATÓRIO DE INTELIGÊNCIA IMOBILIÁRIA Rio de Janeiro Junho - 2017 Ano 2 Edição 15 Somos referência e uma das maiores empresas em gestão condominial e negócios imobiliários do Brasil, levando solidez e
PROGRESSÃO ARITMÉTICA
Hewlett-Packard PROGRESSÃO ARITMÉTICA Aulas 01 a 04 Elson Rodrigues, Gabriel Carvalho e Paulo Luiz Ramos Ano: 016 Sumário Progressão Aritmética... 1 PRELIMINAR 1... 1 Definição de progressão aritmética
PROCESSAMENTO DIGITAL DE IMAGENS (SERP11) FILTRAGEM NO DOMÍNIO ESPACIAL E DAS FREQUÊNCIAS. Daniel C. Zanotta
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
Introdução FILTRAGEM NO DOMÍNIO DA FREQUÊNCIA
FILTRAGEM NO DOMÍNIO DA FREQUÊNCIA Introdução Um sinal no domínio do espaço (x,y) pode ser aproximado através de uma soma de senos e cossenos com frequências (f, f2, f3,...fn) de amplitudes (a, a2,...
SEL Visão Computacional. Aula 2 Processamento Espacial
Departamento de Engenharia Elétrica - EESC-USP SEL-5895 - Visão Computacional Aula 2 Processamento Espacial Prof. Dr. Adilson Gonzaga Prof. Dr. Evandro Linhari Rodrigues Prof. Dr. Marcelo Andrade da Costa
Processamento 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.
Filtros espaciais. Processamento e Recuperação de Imagens Médicas. Prof. Luiz Otavio Murta Jr. Depto. De Computação e Matemática (FFCLRP/USP)
Processamento e Recuperação de Imagens Médicas Prof. Luiz Otavio Murta Jr. Depto. De Computação e Matemática (FFCLRP/USP) 1 Propriedades Operadores de suavização os elementos da máscara são positivos e
Colégio Politécnico da UFSM DPADP0024 : Processamento Digital de Imagens (Prof. Dr. Elódio Sebem)
A filtragem digital é uma transformação da imagem mediante operações locais. Na imagem filtrada o ND de cada pixel está em função do NDs dos pixels do seu entorno na imagem inicial, sem modificações de
Processamento Digital de Imagens
Ciência da Computação Processamento Digital de Imagens Propriedades de Imagem Digital Prof. Sergio Ribeiro Tópicos Propriedades de uma Imagem Digital Vizinhança Conectividade Operações Lógicas e Aritméticas
Processamento Digital de Imagens
Ciência da Computação Processamento Digital de Imagens Propriedades de Imagem Digital Prof. Sergio Ribeiro Tópicos Propriedades de uma Imagem Digital Vizinhança e Aritméticas Efeitos de em Pixel a Pixel
Universidade 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
Quadro Segmentação de Imagens
UNIVERSIDADE DE SÃO PAULO - SÃO CARLOS INSTITUTO DE CIÊNCIAS Processamento de Imagens - SCC0251 2013/1 Prof. Dr. Mario Gazziro Monitor PAE: Vinicius Ruela Pereira Borges - viniciusrpb@icmc.usp.br 1 Método
Colégio Militar do Rio de Janeiro Concurso de Admissão ao 6º Ano 2014/2015 Prova de Matemática 21 de Setembro de 2014.
Colégio Militar do Rio de Janeiro Concurso de Admissão ao 6º Ano 2014/2015 Prova de Matemática 21 de Setembro de 2014 Prova Resolvida http://estudareconquistar.wordpress.com/ Prova e Gabarito: http://estudareconquistar.wordpress.com/downloads/
INTRODUÇÃO AO PROCESSAMENTO DIGITAL DE IMAGENS SENSORIAMENTO REMOTO
INTRODUÇÃO AO PROCESSAMENTO DIGITAL DE IMAGENS SENSORIAMENTO REMOTO PROCESSAMENTO DE IMAGENS Introdução Conceitos básicos Pré-processamento Realce Classificação PROCESSAMENTO DE IMAGENS Extração de Informações
8 Conclus es e recomenda
79 8 Conclus es e recomenda es 8.1 An lise de sensibilidade Das an lises realizadas neste trabalho pode-se concluir que para altas press es de entrada, ou seja, um sistema perto da cabe a de po o, ou em
Mecânica Clássica. (Notas de Aula) MÓDULO 6 (Dinâmica 3)
UNIVERSIDADE FEDERAL DO PARÁ INSTITUTO DE CIÊNCIAS EXATAS E NATURAIS COORDENAÇÃO DO CURSO LICENCIATURA EM FÍSICA - MODALIDADE A DISTÂNCIA- Mecânica Clássica (Notas de Aula) MÓDULO 6 (Dinâmica 3) 2015 Neste
Aula 3 Processamento Espacial
SEL 0449 - Processamento Digital de Imagens Médicas Aula 3 Processamento Espacial Prof. Dr. Marcelo Andrade da Costa Vieira mvieira@sc.usp.br EESC/USP Processamento Espacial Transformações ponto a ponto
Resultados do modelo MesoNH para tempestade de 03/01/2017
Resultados do modelo MesoNH para tempestade de 03/01/2017 2ª Reunião Científica do Projeto SOS-Chuva 1 de Dezembro de 2017 Kleber P. Naccarato & André A. R. Morais Meso-NH Modelo mesoescala não-hidrostático
Universidade Federal de Minas Gerais Colégio Técnico Plano de Ensino
Disciplina: Carga horária total: Universidade Federal de Minas Gerais Plano de Ensino 4 horas/aula semanais (3 horas e 20 minutos) Ano: 2015 Curso: Matemática Regime: anual (anual/semestral/outro) Série:
Universidade 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
Roteiro de estudos 2º trimestre. Matemática-Física-Química. Orientação de estudos
Roteiro de estudos 2º trimestre. Matemática-Física-Química O roteiro foi montado especialmente para reforçar os conceitos dados em aula. Com os exercícios você deve fixar os seus conhecimentos e encontrar
Canal do YouTube Prof. Guilherme Neves
Oi, pessoal!! Aqui quem vos fala é o professor Guilherme Neves. Vamos resolver a prova de Estatística Aplicada do concurso da SEFAZ-BA (Administração Tributária). Para tirar dúvidas e ter acesso a dicas
Processamento de Imagens COS756 / COC603
Processamento de Imagens COS756 / COC603 aula 09 - curvatura Antonio Oliveira Ricardo Marroquim 1 / 1 aula de hoje feature detection overview curvatura espaço de escala block matching 2 / 1 curvatura o
Dr. 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 7 Filtros de Imagens Digitais 2 de 47 Sumário Conceitos Filtragem no
Programa de Pós-Graduação Processo de Seleção 2º Semestre de 2018 Exame de Conhecimentos em Física. Candidato(a):
1 Programa de Pós-Graduação Processo de Seleção 2º Semestre de 2018 Exame de Conhecimentos em Física Candidato(a): Curso: ( ) Mestrado ( ) Doutorado Observações: O Exame de Conhecimentos em Física consiste
SEL-0339 Introdução à Visão Computacional. Aula 2 Processamento Espacial
Departamento de Engenharia Elétrica - EESC-USP SEL-0339 Introdução à Visão Computacional Aula 2 Processamento Espacial Prof. Dr. Marcelo Andrade da Costa Vieira Prof. Dr. Adilson Gonzaga mvieira@sc.usp.br
Imagens Ópticas QUAL O PROBLEMA DESTA CENA...? 3B 4G 5R Sul de Santarém Pará. TM/Landsat
Radar imageador Imagens Ópticas QUAL O PROBLEMA DESTA CENA...? TM/Landsat 3B 4G 5R Sul de Santarém Pará Imagens de Radar E QUAL O PROBLEMA DESTA CENA...? JERS-1 SAR Banda L (23 cm) Radar Conceito O termo
Textura. 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,
PROPOSTA DE RESOLUÇÃO DA PROVA DE MATEMÁTICA A DO ENSINO SECUNDÁRIO (CÓDIGO DA PROVA 635) 1ª FASE 23 DE JUNHO Grupo I
Associação de Professores de Matemática Contactos: Rua Dr. João Couto, n.º 7-A 500-6 Lisboa Tel.: +5 76 6 90 / 7 0 77 Fa: +5 76 64 4 http://www.apm.pt email: geral@apm.pt PROPOSTA DE RESOLUÇÃO DA PROVA
Segmentação e Classificação. Prof. Herondino
Segmentação e Classificação Prof. Herondino Segmentação Neste processo, divide-se a imagem em regiões que devem corresponder às áreas de interesse da aplicação. Entende-se por regiões um conjunto de "pixels"
Filtros Digitais. Filtros básicos, parâmetros no domínio do tempo e frequência, classificação de filtros
Filtros Digitais Filtros básicos, parâmetros no domínio do tempo e frequência, classificação de filtros Filtros são usados basicamente para dois propósitos: Separação de sinais combinados; Restauração
UNIVERSIDADE 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
UNIVERSIDADE 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
Fundamentos da Computação Gráfica
Fundamentos da Computação Gráfica Trabalho 2 Visão. Detecção de cantos. Manuel Alejandro Nodarse Moreno (1322198) Introdução. Detecção de cantos é uma abordagem utilizada em sistemas de visão computacional
SEMINÁRIO DOS ARTIGOS:
SEMINÁRIO DOS ARTIGOS: Text Detection and Character Recognition in Scene Images with Unsupervised Feature Learning End-to-End Text Recognition with Convolutional Neural Networks Fernanda Maria Sirlene
Processamento digital de. Distorções
Processamento digital de imagens Distorções Distorções radiométricas No processo de aquisição, o verdadeiro valor da energia é distorcido por diferentes fatores entre os quais podem ser citados: calibração
Image 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
Sensoriamento remoto 1. Prof. Dr. Jorge Antonio Silva Centeno Universidade Federal do Paraná 2016
Sensoriamento remoto 1 correções geométricas Prof. Dr. Jorge Antonio Silva Centeno Universidade Federal do Paraná 2016 Correções geométricas Uma imagem digital de sensoriamento remoto é uma representação
Problemas de Mecânica e Ondas MEAer 2015 Série 10
Problemas de Mecânica e Ondas MEAer 015 Série 10 P 10.1. Um comboio rápido de passageiros, viaja inicialmente a uma velocidade de 40 km/h, quando é forçado a realizar uma travagem até uma velocidade de
Filtragem. pixel. perfil de linha. Coluna de pixels. Imagem. Linha. Primeiro pixel na linha
Filtragem As técnicas de filtragem são transformações da imagem "pixel" a "pixel", que dependem do nível de cinza de um determinado "pixel" e do valor dos níveis de cinza dos "pixels" vizinhos, na imagem
Processamento Digital de Imagens
Ciência da Computação Processamento Digital de Imagens Prof. Sergio Ribeiro Tópicos Técnicas de Modificação do Histograma Compressão de Histograma 2 Veremos a definição e utilização do conceito de histograma.
Processamento Digital de Imagens Aula 04
exatasfepi.com.br Processamento Digital de Imagens Aula 04 André Luís Duarte A sabedoria oferece proteção, como o faz o dinheiro, mas a vantagem do conhecimento é esta: a sabedoria preserva a vida de quem
LINHA DE AERADORES E MISTURADORES
LINHA DE AERADORES E MISTURADORES Os aeradores e misturadores fabricados pela HIGRA são construídos com material 100% reciclável, seguem as mais altas exigências internacionais de qualidade e foram concebidos