Processamento Digital de Imagens. Restauração de Imagens
|
|
- Aurélia Gesser Freire
- 5 Há anos
- Visualizações:
Transcrição
1 Processamento Digital 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. Netto Programa de Engenharia Elétrica - COPPE/UFRJ Laboratório de Sinais, Multimídia e Telecomunicações sergioln@smt.ufrj.br Abril de 2017 (SMT COPPE/UFRJ) UFRJ Abril de / 51
2 Sumário Sumário 1 Filtragem Inversa Filtragem de Wiener (SMT COPPE/UFRJ) UFRJ Abril de / 51
3 Recuperação de degradações na imagem causadas pelo ambiente de aquisição de imagem: Ruído de sensores; Embaçamento devido à falta de foco da câmera; Movimento relativo entre câmera e objeto; Turbulência atmosférica aleatória; Etc... Sua validade depende da acurácia com que se conhece o processo de degradação e do processo do projeto de filtros. A medida de fidelidade utilizada é, usualmente, o erro médio quadrático (MSE). Se usa às vezes os critérios de máxima entropia e weighted MSE. (SMT COPPE/UFRJ) UFRJ Abril de / 51
4 Qual a diferença para Image Enhancement? Enhancement envolve mais o realce ou extração de características da imagem do que restauração de degradações; Problemas de restauração de imagens podem ser quantificados precisamente, enquanto critérios de realce são difíceis de representar matematicamente; Técnicas de restauração de imagens frequentemente dependem das propriedades de uma classe ou conjunto de dados, enquanto as técnicas de realce dependem muito mais de cada imagem. (SMT COPPE/UFRJ) UFRJ Abril de / 51
5 Modelos de Observação de Imagens u(x,y) sistema linear h(x,y;x,y ) w(x,y) nao linearidade g( ) v(x,y) modelos de formacao de imagem modelos dos detectores e gravadores nao linearidade f( ) n(x,y) n1(x,y) n2(x,y) modelo de ruido (SMT COPPE/UFRJ) UFRJ Abril de / 51
6 Tipicamente: Restauração: (SMT COPPE/UFRJ) UFRJ Abril de / 51
7 Modelos de Formação de Imagens Exemplo: Motion Blur movimento no eixo x com velocidade ϑ. v(x, y) = 1 T v(x, y) = 1 T Seja P a (α) = v(x, y) = T 0 ϑt v(x ϑt, y)dt, v(x α, y) dα { 0 ϑ 1 a, 0 α a 0, n.d.p. α = ϑt P ϑt (α)v(x α, y)dα = P ϑt (α)δ(β)v(x α, y β)dαdβ Equivale a filtrar com um filtro com resposta ao impulso h(x, y) = P ϑt (x)δ(y) (sinc na frquência); Para movimento linear uniforme em direções arbitrárias, temos (na frequência): H(m, n) = T sin(π(αm + βn))e jπ(αm+βn) π(αm + βn) (SMT COPPE/UFRJ) UFRJ Abril de / 51
8 Exemplo: Turbulência atmosférica (SMT COPPE/UFRJ) UFRJ Abril de / 51
9 Outros Modelos de Formação de Imagens (SMT COPPE/UFRJ) UFRJ Abril de / 51
10 Exemplos: (SMT COPPE/UFRJ) UFRJ Abril de / 51
11 Modelos de Detectores e Gravadores Para filmes fotográficos, scanners e displays, a resposta a uma entrada w é geralmente não-linear: g = αω β Ex: Para filmes, um modelo mais acurado é d = γ log 10 ω d 0 ω : intensidade de luz incidente; d : densidade ótica; γ : intensidade de luz incidente; Luz refletida ou transmitida g = 10 d (SMT COPPE/UFRJ) UFRJ Abril de / 51
12 Modelos de Ruído Ruído aparece tipicamente durante a aquisição de imagens e/ou trasmissão; ; Ex: ruído num feixe de elétrons: η(x, y) = g(x, y)η 1 (x, y) + η 2 (x, y) }{{}}{{} emissão aleatória de elétrons ruído térmico Podemos assumir (simplificadamente) que: O ruído é independente das coordenadas espaciais; Não há correlação entre os valores dos pixels e os valores do ruído (não é verdade para ruído periódico); (SMT COPPE/UFRJ) UFRJ Abril de / 51
13 Principais modelos de ruído: (SMT COPPE/UFRJ) UFRJ Abril de / 51
14 Diferentes modelos de ruído podem surgir devido à efeitos de ruído térmico, de circuitos eletrônicos, em range imaging, imageamento por laser, erro de chaveamento de circuitos ou registradores, etc.. (SMT COPPE/UFRJ) UFRJ Abril de / 51
15 Exemplo: considere a seguinte imagem: Qual a aparência de seu histograma? Adicione ruído com diferentes distribuições. (SMT COPPE/UFRJ) UFRJ Abril de / 51
16 (SMT COPPE/UFRJ) UFRJ Abril de / 51
17 (SMT COPPE/UFRJ) UFRJ Abril de / 51
18 Estimação de modelos de ruído Dada uma imagem, como posso estimar o modelo do ruído? (SMT COPPE/UFRJ) UFRJ Abril de / 51
19 Ruído periódico Surge devido à interferência elétrica ou eletromecânica durante aquisição. (SMT COPPE/UFRJ) UFRJ Abril de / 51
20 Restauração de Ruído Periódico Operamos no domínio da frequência. (SMT COPPE/UFRJ) UFRJ Abril de / 51
21 (SMT COPPE/UFRJ) UFRJ Abril de / 51
22 Filtros: (SMT COPPE/UFRJ) UFRJ Abril de / 51
23 Filtros: (SMT COPPE/UFRJ) UFRJ Abril de / 51
24 Filtragem Inversa Filtragem Inversa Filtro Inverso Considere nosso modelo típico de distorção: Na ausência de ruído (η(x, y) = 0), temos:. V (ω 1, ω 2 ) = H(ω 1, ω 2 )U(ω 1, ω 2 ) Uma solução para corrigir as distorções introduzidas pelo sistema H(ω 1, ω 2 ) é então utilizar um filtro de restauração inverso: H I (ω 1, ω 2 ) = 1 H(ω 1, ω 2 ) (SMT COPPE/UFRJ) UFRJ Abril de / 51
25 Filtragem Inversa Assim: Û(ω 1, ω 2 ) = H I (ω 1, ω 2 )V (ω 1, ω 2 ) = 1 H(ω 1, ω 2 ) H(ω 1, ω 2 )U(ω 1, ω 2 ) = F (ω 1, ω 2 ) Problema: o projeto de filtros inversos é difícil porque eles são usualmente instáveis (H I (ω 1, ω 2 ) não existe se H(ω 1, ω 2 ) = 0); (SMT COPPE/UFRJ) UFRJ Abril de / 51
26 Filtragem Inversa (SMT COPPE/UFRJ) UFRJ Abril de / 51
27 Filtragem Inversa (SMT COPPE/UFRJ) UFRJ Abril de / 51
28 Filtragem Inversa Na presença de ruído, nosso modelo é:. Utilizando o filtro inverso: V (ω 1, ω 2 ) = H(ω 1, ω 2 )U(ω 1, ω 2 ) + N(ω 1, ω 2 ). Û(ω 1, ω 2 ) = V (ω 1, ω 2 )H I (ω 1, ω 2 ) = U(ω 1, ω 2 ) + N(ω 1, ω 2 ) H(ω 1, ω 2 ) Se H(ω 1, ω 2 ) é pequeno, amplifico (muito) o ruído; (SMT COPPE/UFRJ) UFRJ Abril de / 51
29 Filtragem Inversa Ex: (SMT COPPE/UFRJ) UFRJ Abril de / 51
30 Filtragem Inversa Filtro Pseudo-Inverso Uma solução é fazer: 1 H (ω 1, ω 2 ) = H(ω 1, ω 2 ), H(ω 1, ω 2 ) 0 0, H(ω 1, ω 2 ) = 0 Na prática, considero H(ω 1, ω 2 ) < ε Seja V (ω 1, ω 2 ) = H(ω 1, ω 2 )U(ω 1, ω 2 ) Û(ω 1, ω 2 ) = V (ω 1, ω 2 ) H(ω 1, ω 2 ) Se adiciono ruído Û(ω 1, ω 2 ) = V (ω 1, ω 2 ) H(ω 1, ω 2 ) + N(ω 1, ω 2 ) H(ω 1, ω 2 ) Ainda assim, se H(ω 1, ω 2 ) é muito pequeno, mesmo uma pequena quantidade de ruído pode ser muito amplificada. Posso aumentar ε, piorando o desempenho do filtro; (SMT COPPE/UFRJ) UFRJ Abril de / 51
31 Ex: Na ausência de ruído: Filtragem Inversa (SMT COPPE/UFRJ) UFRJ Abril de / 51
32 Filtragem Inversa Ex: Na presença de ruído: (SMT COPPE/UFRJ) UFRJ Abril de / 51
33 Filtragem de Wiener Filtragem de Wiener Usada para restaurar imagens na presença de embaçamento e ruído. Olha a imagem e o ruído como dois processos estocásticos: v(m, n) é uma observação do processo u(m, n), E[u(m, n)] = E[v(m, n)] = 0. Nosso problema é: a partir da observação de v(m, n), qual a estimativa û(m, n) de u(m, n) que minimiza o erro médio quadrático σ 2 e = E[ u(m, n) û(m, n) 2 ] A estimativa que minimiza o erro é dada por: û(m, n) = E[u(m, n) v(k, l)], k, l. }{{} difícil de calcular (preciso de p u v ) (SMT COPPE/UFRJ) UFRJ Abril de / 51
34 Filtragem de Wiener Uma solução é trabalhar com a melhor estimativa linear para û(m, n): Assumo que û(m, n) é do tipo g(m, n; k, l)v(k, l) k l Acho g(m, n; k, l) tal que σ 2 e é mínimo. Assumindo que os procesos u(m, n) e v(m, n) são gaussianos, do princípio da ortogonalidade temos que: E{[(u(m, n) û(m, n)]v(m, n )} = 0, m, n, m, n (o erro de estimação é ortogonal à estimativa) k g(m, n; k, l)r vv (k, l; m, n ) = r uv (m, n; m, n ) l Equação de Wiener (SMT COPPE/UFRJ) UFRJ Abril de / 51
35 Filtragem de Wiener Se u e v são conjuntamente estacionários: r uv (m, n; m, n ) = r uv (m m, n n ) g(m k, n l)r vv (k, l) = r uv (m, n) k l Calculando a transformada de Fourier: G(ω 1, ω 2 )S vv (ω 1, ω 2 ) = S uv (ω 1, ω 2 ) G(ω 1, ω 2 ) = S uv (ω 1, ω 2 )S 1 vv (ω 1, ω 2 ) Temos ainda que: û(m, n) = k g(m k, n l)v(k, l) Û(ω 1, ω 2 ) = G(ω 1, ω 2 )V (ω 1, ω 2 ) l Supondo o sistema linear com ruído aditivo: v(m, n) = h(m k, n l)u(k, l) + η(m, n), k l Assim, temos que: S vv (ω 1, ω 2 ) = H(ω 1, ω 2 ) 2 S uu (ω 1, ω 2 ) + S ηη (ω 1, ω 2 ) S uv (ω 1, ω 2 ) = H (ω 1, ω 2 )S uu (ω 1, ω 2 ) (Se η é descorrelatado de u) (SMT COPPE/UFRJ) UFRJ Abril de / 51
36 Filtragem de Wiener G(ω 1, ω 2 ) = H (ω 1, ω 2 )S uu (ω 1, ω 2 ) H(ω 1, ω 2 ) 2 S uu (ω 1, ω 2 ) + S ηη (ω 1, ω 2 ) Filtro de Wiener O filtro é completamente determinado pela densidade espectral de potência do objeto (processo) e do ruído e da resposta em frequência do sistema de imagem; O filtro de Wiener é em geral não separável; (SMT COPPE/UFRJ) UFRJ Abril de / 51
37 Filtragem de Wiener Filtro de Wiener para Imagens com Médias Não Nulas Como µ v (m, n) = h(m, n) µ u (m, n) + µ η (m, n), Se x(m, n) = x(m, n) µ x (m, n), v(m, n) = h(m, n) ū(m, n) + η(m, n) Posso estimar µ(m, n) fazendo médias locais. Posso aplicar o filtro de Wiener nas imagens sem média Se µ u e µ η são constantes, só uma constante é adicionada à imagem processada. Fase: H S uu G = H 2 G = H = 1 S uu + S ηη H A fase do filtro de Wiener é igual à fase do filtro inverso; O filtro de Wiener não compensa distorções de fase causadas pelo ruído. (SMT COPPE/UFRJ) UFRJ Abril de / 51
38 Filtragem de Wiener Filtro de Wiener para Ruído Sem embaçamento: H = 1 G = S uu H 2 = SNR S uu + S ηη SNR + 1 SNR grande G 1 (não preciso atenuar o sinal) SNR pequeno G SNR (Atenuo o sinal de acordo com a sua realção sinal ruído: quanto mais ruído, mais atenuo) Para imagens naturais, SNR tende a ser grande em baixas frequências e pequeno em altas frequências: o filtro de Wiener se comporta como um passa-baixas; (SMT COPPE/UFRJ) UFRJ Abril de / 51
39 Filtragem de Wiener Relação com filtragem inversa Se S ηη = 0 G = lim G = S ηη 0 lim S ηη 0 S uu H 2 S uu + S ηη = H S uu H 2 S uu = 1 H H S uu H 2 S uu + S ηη = é igual ao filtro inverso. 1 H, H 0 Filtro Pseudo-Inverso 0, H = 0 (SMT COPPE/UFRJ) UFRJ Abril de / 51
40 Filtragem de Wiener Resposta em frequência do filtro de Wiener (SMT COPPE/UFRJ) UFRJ Abril de / 51
41 Filtragem de Wiener Exemplo: (SMT COPPE/UFRJ) UFRJ Abril de / 51
42 Filtragem de Wiener PSDs desconhecidas E se não conheço S ηη e S uu? Faço S ηη S uu = K: G = H S uu H 2 S uu + S ηη = H H 2 + Sηη S uu = K pode ser determinado manualmente; H H 2 +K (SMT COPPE/UFRJ) UFRJ Abril de / 51
43 Exemplo (K escolhido manualmente para melhores resultados) Filtragem de Wiener (SMT COPPE/UFRJ) UFRJ Abril de / 51
44 Filtragem de Wiener Exemplo: Detecção de placas (pré-processamento) (SMT COPPE/UFRJ) UFRJ Abril de / 51
45 Filtragem de Wiener (SMT COPPE/UFRJ) UFRJ Abril de / 51
46 Filtragem de Wiener Filtragem de Wiener FIR A equação do filtro de Wiener é: G(ω 1, ω 2 ) = H (ω 1, ω 2 )S uu (ω 1, ω 2 ) H(ω 1, ω 2 ) 2 S uu (ω 1, ω 2 ) + S ηη (ω 1, ω 2 ) g(n 1, n 2 ) é em geral IIR. Entretanto, sua resposta efetiva tem, em geral, tamanho bem menor que a imagem; Filtros FIR ótimos podem aproximar o desempenho do filtro de Wiener; O filtro de Wiener é implementado como um filtro de resposta ao impulso g(m, n) que minimiza o erro quadrático: û(m, n) = g(i, j)v(m i, n j), i,j W W = M i, j M (SMT COPPE/UFRJ) UFRJ Abril de / 51
47 Filtragem de Wiener Da expressão do filtro de Wiener temos que: G H 2 S uu + GS ηη = HS uu seja a(k, l) = (h h)(k, l) [g a r uu + g r ηη ](k, l) = h r uu (k, l) [a r uu + r ηη ] g(k, l) = h r uu (k, l) Se g é FIR com (2M + 1) (2M + 1) coeficientes, resolvo o sistema acima com (2M + 1) (2M + 1) incógnitas (coeficientes de g). Exemplo: Supondo r ηη (k, l) = σ 2 nδ(k, l) (ruído branco) Definindo r uu (k, l) = σ 2 r 0 (k, l) [(a σ 2 r 0 )(k, l) + σ 2 ηδ(k, l)] g(k, l) = h (σ 2 r 0 )(k, l) (SMT COPPE/UFRJ) UFRJ Abril de / 51
48 Filtragem de Wiener [ σ 2 η σ 2 δ(k, l) + r 0(k, l) a(k, l) ] g(k, l) = h(k, l) r 0 (k, l) Empilhando as linhas e as colunas [ ] σ 2 η σ 2 I + R g = r }{{} uv truncado para (2M + 1) 2 amostras. }{{} (2M+1) 2 coefs truncado para (2M + 1) 2 (2M + 1) 2 Sem embaçamento: H = 1 h(k, l) = δ(k, l) = a(k, l) filtro FIR ótimo de ruído. O tamanho do filtro FIR cresce com a quantidade de embaçamento e com o ruído. [ ] σ 2 η Sem embaçamento: σ 2 δ(k, l) + r 0(k, l) g(k, l) = r 0 (k, l) (SMT COPPE/UFRJ) UFRJ Abril de / 51
49 Filtragem de Wiener SNR g(k, l) = δ(k, l) g possui 1 pixel. SNR 0 σηg(k, 2 g possui tantas amostras quanto a l) = r 0 (k, l) região de suporte de r 0 (k, l) Se r 0 (k, l) = 0.95 k 2 +l 2 g de tamanho 32 é suficiente. (SMT COPPE/UFRJ) UFRJ Abril de / 51
50 Filtragem de Wiener Filtros FIR Variantes com o Deslocamento Filtragem de imagens com embaçamento variantes no deslocamento: Um bom modelo é assumir média e variâncias não-estacionárias e autocovariâncias estacionárias, isto é: { E[u(m, n)] = µ(m, n) E{[u(m, n) µ(m, n)][u(m k, n l) µ(m k, n l)]} = σ 2 (m, n)r 0 (k, l) Supondo que a PSF possui região de suporte contida em W e h, µ e σ 2 variam lentamente: û(m, n) = g m,n (i, j)v(m i, n j) (i,j) W g m,n (i, j) = g m,n (i, j) (2M + 1) 2 (k,l) W g m,n (k, l) [ ] σ 2 η g m,n (i, j) é a solução da equação σm,n 2 I + R g = r uv, com σm,n 2 estimado da observação. (SMT COPPE/UFRJ) UFRJ Abril de / 51
51 Filtragem de Wiener Outros Filtros no Domínio da Frequência Filtro de média geométrica: ( G s = (H ) s S uu H ) 1 s S uu H 2, 0 s 1, H = filtro pseudo-inverso. +S ηη se s = 1 2 PSD da saída = PSD do objeto. (SMT COPPE/UFRJ) UFRJ Abril de / 51
Processamento Digital de Imagens. Realce de Imagens
Processamento Digital 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. Netto Programa de
Leia maisProcessamento Digital de Imagens. Quantização de Imagens
Processamento Digital de Imagens Quantização de Imagens Eduardo A. B. da Silva Programa de Engenharia Elétrica - COPPE/UFRJ Laboratório de Sinais, Multimídia e Telecomunicações eduardo@smt.ufrj.br Sergio
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 maisIntrodução ao Processamento Digital de Imagens. Aula 9 Restauração de Imagens. Prof. Dr. Marcelo Andrade da Costa Vieira
Introdução ao Processamento Digital de Imagens Aula 9 Restauração de Imagens Prof. Dr. Marcelo Andrade da Costa Vieira mvieira@sc.usp.br Realce x Restauração Realce: Processar a Imagem para obter um resultado
Leia maisRestauração de Imagens
Restauração de Imagens Disciplina: Tópicos em Computação (Processamento Digital de Imagens) 1 / 30 Conceitos Preliminares O principal objetivo das técnicas de restauração é melhorar uma imagem em algum
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 maisRestauração de Imagens. Tsang Ing Ren - UFPE - Universidade Federal de Pernambuco CIn - Centro de Informática
Restauração de Imagens Tsang Ing Ren - tir@cin.ufpe.br UFPE - Universidade Federal de Pernambuco CIn - Centro de Informática 1 Tópicos! Introdução! Modelo de degradação/restauração! Modelo de ruído! Restauração
Leia maisRestauração de Imagens
Restauração de Imagens Prof. Luiz Otavio Murta Jr. Informática Biomédica Depto. de Computação e Matemática (FFCLRP/USP) 1 2 Objetivos: - Melhorar a imagem em algum aspecto. - Recuperar uma imagem que foi
Leia maisRestauração de Imagens. 35M34 Sala 3D5 Bruno Motta de Carvalho DIMAp Sala 15 Ramal 227
Restauração de Imagens 35M34 Sala 3D5 Bruno Motta de Carvalho DIMAp Sala 15 Ramal 7 Introdução Restauração busca reconstruir ou recuperar uma imagem que foi degradada usando informações a respeito do processo
Leia maisSEL Introdução ao Processamento Digital de Imagens. Aula 9 Restauração de Imagens Parte 2
SEL5895 - Introdução ao Processamento Digital de Imagens Aula 9 Restauração de Imagens Parte 2 Prof. Dr. Marcelo Andrade da Costa Vieira mvieira@sc.usp.br Modelo de Degradação e Restauração g(x,y) = h(x,y)
Leia maisDisciplina: Processamento Estatístico de Sinais (ENGA83) - Aula 02 / Processos Aleatórios
Disciplina: Processamento Estatístico de Sinais (ENGA83) - Aula 02 / Processos Aleatórios Prof. Eduardo Simas (eduardo.simas@ufba.br) Programa de Pós-Graduação em Engenharia Elétrica/PPGEE Universidade
Leia maisPRE29006 LISTA DE EXERCÍCIOS #
INSTITUTO FEDERAL DE SANTA CATARINA CAMPUS SÃO JOSÉ COORDENADORIA DE ÁREA DE TELECOMUNICAÇÕES ENGENHARIA DE TELECOMUNICAÇÕES PRE9006 LISTA DE EXERCÍCIOS #3 06. Exercícios. [, Exercício 7.] Seja A uma variável
Leia maisProcessamento 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
Leia maisImage Restoration. Image Processing scc moacir ICMC/USP São Carlos, SP, Brazil
Image Restoration Image Processing scc0251 www.icmc.usp.br/ moacir moacir@icmc.usp.br ICMC/USP São Carlos, SP, Brazil 2011 Moacir Ponti Jr. (ICMCUSP) Image Restoration 2011 1 / 58 Agenda 1 Introdução 2
Leia maisProcessamento de Sinal e Imagem Engenharia Electrotécnica e de Computadores
António M Gonçalves Pinheiro Departamento de Física Covilhã - Portugal pinheiro@ubipt d[n] v[n] x[n] Filtro Estimador d[n] d[n] - Sinal v[n] - Ruído x[n] - Sinal corrompido com ruído ˆd[n] - Sinal Estimado
Leia maisProcessamento de Sinal e Imagem Engenharia Electrotécnica e de Computadores
António M. Gonçalves Pinheiro Departamento de Física Covilhã - Portugal pinheiro@ubi.pt Processos Estocásticos - Sinais que variam aleatoriamente no tempo. são regidos por processos estocásticos. 2 1 1
Leia maisCapítulo 11 - Projeto de Testes e Escolha de Estruturas
Capítulo 11 - Projeto de Testes e Escolha de Estruturas Prof. Samir Martins UFSJ-CEFET/MG Programa de Pós Graduação em Engenharia Elétrica - PPGEL São João del-rei, 22 de novembro de 2016 1 / 38 Introdução
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 maisOperações Pontuais. 1 operando. 2 operandos. Processamento e Análise de Imagem - A. J. Padilha - v ac
Operações Pontuais 1 operando T OP 2 operandos Pré-Processamento - 1 Operações Pontuais Nas operações pontuais, cada ponto da imagem-resultado - g(i,j) - é obtido por uma transformação T do ponto de coordenadas
Leia maisRealce de imagens parte 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 maisProcessamento de Imagens
Processamento de Imagens Prof. Julio Arakaki Ciência da Computação 1 Imagem Digital Full Color Image (Matriz de Pixels) RGB (24 bits): Red (8 bits) Green (8 bits) Blue (8 bits) 2 Imagem Digital Um modelo
Leia maisResumo. Parte 7 Processos Estocásticos. Ramiro Brito Willmersdorf
Parte 7 Processos Estocásticos Ramiro Brito Willmersdorf ramiro@willmersdorf.net Departamento de Engenharia Mecânica Universidade Federal de Pernambuco 2011.2 Resumo 1 Processos Estocásticos 2 Classicação
Leia mais3.1 Modulações binárias (ASK e PSK)
Modulações digitais 3 Modulações digitais lineares com detecção coerente 3.1 Modulações binárias (ASK e PSK) Detecção de modulações digitais al como na modulação analógica (AM e FM), também na modulação
Leia maisTratamento da Imagem Transformações (cont.)
Universidade Federal do Rio de Janeiro - IM/DCC & NCE Tratamento da Imagem Transformações (cont.) Antonio G. Thomé thome@nce.ufrj.br Sala AEP/33 Transformações Geométricas 3 Transformações Geométricas
Leia maisAnálise e Processamento de Sinal e Imagem. III - Sinais Aleatórios e Filtragem Óptima
III - Sinais Aleatórios e Filtragem Óptima António M. Gonçalves Pinheiro Departamento de Física Covilhã - Portugal pinheiro@ubi.pt Sinais Aleatórios e Filtragem Óptima 1. Noção de Sinal Aleatório 2. Sinais
Leia maisIdentificação por Métodos Não Paramétricos
Modelação, Identificação e Controlo Digital Métodos Não Paramétricos 1 Identificação por Métodos Não Paramétricos Estimação da resposta impulsiva e da resposta em frequência Análise espectral e métodos
Leia maisProcessamento Digital de Sinais
UNIVERSIDADE FEDERAL DO PARANÁ Setor de Tecnologia Departamento de Engenharia Elétrica Programa de Pós Graduação em Engenharia Elétrica Processamento Digital de Sinais Documento técnico: Digital Image
Leia maisMétodos Não Paramétricos
Modelação, Identificação e Controlo Digital Métodos Não Paramétricos 1 Métodos Não Paramétricos Estimação da resposta impulsiva e da resposta em frequência Análise espectral e métodos de correlação J.
Leia maisEsse material foi extraído de Barbetta (2007 cap 13)
Esse material foi extraído de Barbetta (2007 cap 13) - Predizer valores de uma variável dependente (Y) em função de uma variável independente (X). - Conhecer o quanto variações de X podem afetar Y. Exemplos
Leia maisMétodos Não Paramétricos
Modelação, Identificação e Controlo Digital Métodos ão Paramétricos 1 Métodos ão Paramétricos Estimação da resposta impulsiva e da resposta em frequência Análise espectral e métodos de correlação J. Miranda
Leia maisEstimação de Estados em Sistemas de Potência
Estimação de Estados em Sistemas de Potência Antonio Simões Costa LABSPOT A. Simões Costa (LABSPOT) EESP 1 / 16 Estimação de Estados em Sistemas de Potência (I) Objetivo: A partir de telemedidas redundantes
Leia maisTransmissão Digital em Banda Base
Transmissão Digital em Banda Base Luis Henrique Assumpção Lolis 27 de maio de 2014 Luis Henrique Assumpção Lolis Transmissão Digital em Banda Base 1 Conteúdo 1 Introdução 2 Análise de erro de bits 3 Interferência
Leia maiscanal para sinais contínuos
Processos estocásticos, Entropia e capacidade de canal para sinais contínuos 24 de setembro de 2013 Processos estocásticos, Entropia e capacidade de canal para1 sin Conteúdo 1 Probabilidade de sinais contínuos
Leia maisIntrodução aos Proc. Estocásticos - ENG 430
Introdução aos Proc. Estocásticos - ENG 430 Fabrício Simões IFBA 16 de novembro de 2015 Fabrício Simões (IFBA) Introdução aos Proc. Estocásticos - ENG 430 16 de novembro de 2015 1 / 34 1 Motivação 2 Conceitos
Leia maisResumo. Filtragem Adaptativa. Filtros adaptativos. Tarefas desempenhadas pelos filtros
Resumo Filtragem Adaptativa Luís Caldas de Oliveira lco@istutlpt Instituto Superior Técnico Sistemas de filtragem adaptativa Conceitos de filtragem adaptativa Filtro de Wiener Algoritmo steepest descent
Leia maisp.1/48 Eduardo Mendes Departamento de Engenharia Eletrônica Universidade Federal de Minas Gerais Av. Antônio Carlos 6627, Belo Horizonte, MG, Brasil
p1/48 Capítulo 4 - Métodos ão Paramétricos Eduardo Mendes Departamento de Engenharia Eletrônica Universidade Federal de Minas Gerais Av Antônio Carlos 27, elo Horizonte, MG, rasil p2/48 Introdução Os métodos
Leia maisExercícios de programação
Exercícios de programação Estes exercícios serão propostos durante as aulas sobre o Mathematica. Caso você use outra linguagem para os exercícios e problemas do curso de estatística, resolva estes problemas,
Leia maisSumário. 1 Sinais e sistemas no tempo discreto 1. 2 As transformadas z e de Fourier 79
Sumário 1 Sinais e sistemas no tempo discreto 1 1.1 Introdução 1 1.2 Sinais no tempo discreto 2 1.3 Sistemas no tempo discreto 7 1.3.1 Linearidade 8 1.3.2 Invariância no tempo 8 1.3.3 Causalidade 9 1.3.4
Leia maisTeoria das Comunicações
1 - Introdução Enlace de um Sistema de Comunicação fonte mensagem transdutor Transmissor Modulador canal ruído receptor transdutor destino mensagem (estimada) sinal de entrada sinal com distorção sinal
Leia maisMestrado Profissionalizante em Finanças as e Economia Empresarial FGV / EPGE Prof. Eduardo Ribeiro Julho Setembro 2007
Projeções de Séries S Temporais Econometria dos Mercados Financeiros Mestrado Profissionalizante em Finanças as e Economia Empresarial FGV / EPGE Prof. Eduardo Ribeiro Julho Setembro 2007 Objetivo do curso
Leia maisSinais e Sistemas. Luis Henrique Assumpção Lolis. 21 de fevereiro de Luis Henrique Assumpção Lolis Sinais e Sistemas 1
Sinais e Sistemas Luis Henrique Assumpção Lolis 21 de fevereiro de 2014 Luis Henrique Assumpção Lolis Sinais e Sistemas 1 Conteúdo 1 Classificação de sinais 2 Algumas funções importantes 3 Transformada
Leia maisFiltros 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
Leia mais2 Modelo de Sinais. 2.2 Modelo de Comunicação
odelo de Sinais 1 Introdução No presente capítulo é apresentado o modelo de comunicação adotado O modelo matemático de sinais transmitidos por sistemas de transmissão em blocos e mais particularmente para
Leia maisProcessamento de Imagens
Processamento de Imagens Introdução Mylène Christine Queiroz de Farias Departamento de Engenharia Elétrica Universidade de Brasília (UnB) Brasília, DF 70910-900 mylene@unb.br 22 de Março de 2016 Aula 03:
Leia maisPRINCÍPIOS DE COMUNICAÇÃO
PRINCÍPIOS DE COMUNICAÇÃO RUÍDO EM MODULAÇÕES ANALÓGICAS Evelio M. G. Fernández - 2011 Processo Aleatório (ou Estocástico): Função aleatória do tempo para modelar formas de onda desconhecidas. Processos
Leia maisEstimação da Resposta em Frequência
27 Estimação da Resposta em Frequência ω = ω ω Objectivo: Calcular a magnitude e fase da função de transferência do sistema, para um conjunto grande de frequências. A representação gráfica deste conjunto
Leia maisComunicaçõ. ções Digitais II. Texto original por Prof. Dr. Ivan Roberto Santana Casella
PTC-43 Comunicaçõ ções Digitais II Texto original por Prof. Dr. Ivan Roberto Santana Casella Representaçã ção o Geométrica de Sinais A modulação digital envolve a escolha de um sinal específico s i (t)
Leia maisTE073 PDS II Programa de Graduação em Engenharia Elétrica
TE073 PDS II Programa de Graduação em Engenharia Elétrica Prof. Alessandro Zimmer zimmer@eletrica.ufpr.br www.eletrica.ufpr.br/~zimmer/te073 Processamento Digital de Imagens PDI: Segmentação Os algoritmos
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 22 de março de 2016 Existem tipos de degradações cujo tratamento
Leia maisProcessos Estocásticos
Processos Estocásticos Luis Henrique Assumpção Lolis 26 de maio de 2014 Luis Henrique Assumpção Lolis Processos Estocásticos 1 Conteúdo 1 Introdução 2 Definição 3 Especificando um processo aleatório 4
Leia maisCoerência Espacial. Aula do curso de Ótica 2007/2 IF-UFRJ
Coerência Espacial Aula do curso de Ótica 2007/2 IF-UFRJ Resumo O que é coerência? Tipos de coerência espacial Coerência espacial entre duas fontes independentes Teorema de van Cittert-Zernike Interferômetro
Leia maisRUÍDO EM IMAGEM MÉDICA
SEL 5708 - AVALIAÇÃO DA QUALIDADE DE IMAGENS Prof. Homero Schiabel (Sub-área de Imagens Médicas) RUÍDO EM IMAGEM MÉDICA 1 O sinal é tradicionalmente ruidoso devido à sua natureza quântica: S (x,y) = C
Leia maisEstatística: Aplicação ao Sensoriamento Remoto SER ANO Componentes Principais
Estatística: Aplicação ao Sensoriamento Remoto SER 4 - ANO 9 Componentes Principais Camilo Daleles Rennó camilorenno@inpebr http://wwwdpiinpebr/~camilo/estatistica/ Associação entre Variáveis r = < r
Leia maisX(t) = A cos(2πf c t + Θ)
Exercícios Extras de Comunicações Digitais. Seja um sinal aleatório X(t), estacionário no sentido restrito, dado por onde X(t) = A cos(πf c t + Θ) A é uma variável aleatória Gaussiana com média de 4Volts
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 maisINTRODUÇÃO 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
Leia maisDenilson da Cruz da Silva
IDENTIFICAÇÃO DA NATUREZA DO RUÍDO COM APLICAÇÃO EM RECONHECIMENTO ROBUSTO DE VOZ Denilson da Cruz da Silva TESE SUBMETIDA AO CORPO DOCENTE DA COORDENAÇÃO DOS PROGRAMAS DE PÓS-GRADUAÇÃO DE ENGENHARIA DA
Leia maisAnálise e Transmissão de Sinais
Análise e Transmissão de Sinais Edmar José do Nascimento (Princípios de Comunicações) Universidade Federal do Vale do São Francisco Roteiro 1 Transformada de Fourier 2 Sistemas Lineares 3 Filtros 4 Distorção
Leia maisF prova 1 Unicamp, 30 de setembro de 2009 nome assinatura RA
F 60 - prova 1 Unicamp, 30 de setembro de 009 nome assinatura RA 1 a. questão (3 pontos): 1. Um solenóide longo, com n voltas por unidade de comprimento, carrega uma corrente I, gerando um campo magnético
Leia maisProcessamento Digital de Sinal Aula 15 4.º Ano 2.º Semestre
Instituto Superior Politécnico de Viseu Escola Superior de Tecnologia de Viseu Curso de Engenharia de Sistemas e Informática Processamento Digital de Sinal Aula 15 4.º Ano.º Semestre, Eng.º 1 Programa:
Leia maisCARACTERÍSTICAS DE IMAGENS: PONTOS E SUPERFÍCIES
CARACTERÍSTICAS DE IMAGENS: PONTOS E SUPERFÍCIES O que são? CARACTERÍSTICAS DE IMAGENS (Image Features) o Propriedades Globais de uma imagem, ou de parte dela (característica global). Por exemplo: Médias
Leia maisProcessamento 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
Leia maisFiltros 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
Leia maisAula 2 Tópicos em Econometria I. Porque estudar econometria? Causalidade! Modelo de RLM Hipóteses
Aula 2 Tópicos em Econometria I Porque estudar econometria? Causalidade! Modelo de RLM Hipóteses A Questão da Causalidade Estabelecer relações entre variáveis não é suficiente para a análise econômica.
Leia maisEspaço de Fourier. Processamento de Imagens Médicas. Prof. Luiz Otavio Murta Jr. Depto. de Física e Matemática (FFCLRP/USP)
Processamento de Imagens Médicas Espaço de Fourier Prof. Luiz Otavio Murta Jr. Depto. de Física e Matemática FFCLRP/USP Teorema da Amostragem quist. - O teorema da amostragem de quist diz que devemos amostrar
Leia maisTópicos de Estatística Espacial Geoestatística
Tópicos de Estatística Espacial Geoestatística Anderson Castro Soares de Oliveira Geoestatística A geoestatística é uma análise espacial que considera que a variável em estudo se distribui continuamente
Leia maisProcessamento 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
Leia maisRealce de imagens parte 2: ltragem espacial SCC5830/0251 Processamento de Imagens
Realce de imagens parte 2: ltragem espacial SCC5830/0251 Processamento de Imagens Prof. Moacir Ponti Jr. www.icmc.usp.br/~moacir Instituto de Ciências Matemáticas e de Computação USP 2013/1 Moacir Ponti
Leia maisSinais e ruídos em sistemas de medição
(parte I) Instrumentação eletrônica para sistemas de medição Capítulo 7 Sinais e ruídos em sistemas de medição Prof. Lélio R. Soares Júnior ENE FT UnB Introdução Sinal determinístico o valor do sinal em
Leia maisAnexo 1 - Revisões de Teoria das Probabilidades e Processos Estocásticos
1 Anexo 1 - Revisões de Teoria das Probabilidades e Processos Estocásticos Documento auxiliar à disciplina de Modelação, Identificação e Controlo Digital Alexandre Bernardino IST-Secção de Sistemas e Controlo
Leia mais7 Conclusões e desenvolvimentos futuros
7 Conclusões e desenvolvimentos futuros 7.1 Conclusões Este trabalho apresentou novas soluções para a determinação da posição de terminais de comunicações móveis com base em medidas de ToA. Nos métodos
Leia maisEletromagnetismo II. Prof. Daniel Orquiza. Prof. Daniel Orquiza de Carvalho
Eletromagnetismo II Prof. Daniel Orquiza Eletromagnetismo II Prof. Daniel Orquiza de Carvalho Ondas planas: Refleão de ondas (Capítulo 12 Páginas 407 a 417) na interface entre dielétricos com incidência
Leia maisCampus de Botucatu PLANO DE ENSINO. DISCIPLINA: Processamento e Análise de Sinais e Imagem Médica. DOCENTE RESPONSÁVEL: José Ricardo de Arruda Miranda
PLANO DE ENSINO I IDENTIFICAÇÃO CURSO: Física Médica MODALIDADE: Bacharelado DISCIPLINA: Processamento e Análise de Sinais e Imagem Médica (X) OBRIGATÓRIA ( ) OPTATIVA DEPARTAMENTO: Fisica e Biofísica
Leia maisUFSM-CTISM. Projeto de Redes sem Fio Aula-04
UFSM-CTISM Projeto de Redes sem Fio Aula-04 Professor: Andrei Piccinini Legg Santa Maria, 2012 Ocorre quando uma onda eletromagnética em colide com um objeto que possui dimensões muito grandes em comparação
Leia maisComunicações Digitais Prof. André Noll Barreto Prova /1 (26/04/2012)
Prova 1 01/1 (6/04/01) Aluno: Matrícula: Instruções A prova consiste de três questões discursivas A prova terá a duração de h A prova pode ser feita a lápis ou caneta Não é permitida consulta a notas de
Leia maisProf. Fernando Massa Fernandes https://www.fermassa.com/microondas-i.php Sala 5017 E fernando.fernandes@uerj.br Aula 13 Revisão Modelo de elementos distribuídos Modelar a linha em pequenos elementos de
Leia maisConceitos Fundamentais Aula 2
Conceitos Fundamentais Aula Ondas lectromagnéticas A descrição de uma estrutura ondulatória envolve coordenadas espaciais e a coordenada temporal. Nem todas as funções f(x,y,z,t) são ondas. Ondas Planas
Leia maisSEL Processamento Digital de Imagens Médicas. Aula 4 Transformada de Fourier. Prof. Dr. Marcelo Andrade da Costa Vieira
SEL 0449 - Processamento Digital de Imagens Médicas Aula 4 Transformada de Fourier Prof. Dr. Marcelo Andrade da Costa Vieira mvieira@sc.usp.br Jean Baptiste Joseph Fourier 2 Exemplo: Função Degrau 3 Exemplo:
Leia maisEstatística em Feixes de Luz
Estatística em Feixes de Luz Por Gabriel Nagaoka 7994169 Luiz Couto 3470373 Professor Zwinglio Guimarães Instituto de Física, Universidade de São Paulo 2015 1 1 Introdução 2 1 Introdução A motivação principal
Leia maisProcessamento Digital de Sinal Aula 15 4.º Ano 2.º Semestre
Instituto Superior Politécnico de Viseu Escola Superior de Tecnologia de Viseu Curso de Engenharia de Sistemas e Informática Processamento Digital de Sinal Aula 15 4.º Ano 2.º Semestre, Eng.º 1 Programa:
Leia maisO processo de filtragem de sinais pode ser realizado digitalmente, na forma esquematizada pelo diagrama apresentado a seguir:
Sistemas e Sinais O processo de filtragem de sinais pode ser realizado digitalmente, na forma esquematizada pelo diagrama apresentado a seguir: 1 Sistemas e Sinais O bloco conversor A/D converte o sinal
Leia maisSinais e Sistemas Mecatrónicos
Sinais e Sistemas Mecatrónicos Sinais e Sistemas Sinais Contínuos no Tempo José Sá da Costa José Sá da Costa T2 - Sinais Contínuos 1 Sinais Sinal É uma função associada a um fenómeno (físico, químico,
Leia maisCapítulo 3: Elementos de Estatística e Probabilidades aplicados à Hidrologia
Departamento de Engenharia Civil Prof. Dr. Doalcey Antunes Ramos Capítulo 3: Elementos de Estatística e Probabilidades aplicados à Hidrologia 3.1 - Objetivos Séries de variáveis hidrológicas como precipitações,
Leia mais195
195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245
Leia maisTeoria da Informação
Charles Casimiro Cavalcante charles@gtel.ufc.br Grupo de Pesquisa em Telecomunicações Sem Fio GTEL Programa de Pós-Graduação em Engenharia de Teleinformática Universidade Federal do Ceará UFC http://www.gtel.ufc.br/
Leia maisSUMÁRIO FUNDAMENTOS E VISÃO GERAL 19 CAPÍTULO 1 PROCESSOS ALEATÓRIOS 49
SUMÁRIO FUNDAMENTOS E VISÃO GERAL 19 1. O processo de comunicação 19 2. Principais recursos de comunicação 21 3. Fontes de informação 21 4. Redes de comunicação 27 5. Canais de comunicação 33 6. Processo
Leia maisFundamentos de Telecomunicações 2002/03
INSTITUTO SUPERIOR TÉCNICO Número: Fundamentos de Telecomunicações 2002/03 EXAME Janeiro, 2003 Duração: 20 minutos Nome: Pretende contabilizar as notas dos testes? sim não Assinatura A resolução do exame
Leia maisQuadro 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
Leia maisTE060 Princípios de Comunicação. Probabilidade. Probabilidade Condicional. Notes. Notes. Notes
TE060 Princípios de Comunicação Efeito do Ruído em Sistemas com Modulação de Onda Contínua 5 de novembro de 2013 Probabilidade Uma medida de probabilidade P é uma função que associa um número não negativo
Leia maisProcessamento Digital de Imagens
1 Ciência da Computação Processamento Digital de Imagens Prof. Sergio Ribeiro Tópicos Introdução Espectro Eletromagnético Aquisição e de Imagens Sensoriamento Remoto 2 Introdução Espectro Eletromagnético
Leia maisProcessamento Digital de Imagens
Ciência da Computação Processamento Digital de Imagens Prof. Sergio Ribeiro Tópicos Introdução Espectro Eletromagnético Aquisição e Digitalização de Imagens Efeitos da Digitalização Digitalização Sensoriamento
Leia maisMetodologia de Box-Jenkins. Metodologia de Box-Jenkins. Metodologia de Box-Jenkins
Programa de Pós-graduação em Engenharia de Produção Análise de séries temporais: Modelos de Box-Jenkins Profa. Dra. Liane Werner Metodologia de Box-Jenkins Para os modelos de decomposição e os modelos
Leia maisSéries Temporais e Modelos Dinâmicos. Econometria. Marcelo C. Medeiros. Aula 9
em Econometria Departamento de Economia Pontifícia Universidade Católica do Rio de Janeiro Aula 9 Data Mining Equação básica: Amostras finitas + muitos modelos = modelo equivocado. Lovell (1983, Review
Leia maisTE802 Processos Estocásticos em Engenharia. Processo Aleatório. TE802 Processos Aleatórios. Evelio M. G. Fernández. 18 de outubro de 2017
TE802 Processos Estocásticos em Engenharia Processos Aleatórios 18 de outubro de 2017 Processo Aleatório Processo Aleatório (ou Estocástico), X(t): Função aleatória do tempo para modelar formas de onda
Leia maisProf. Fernando Massa Fernandes https://www.fermassa.com/microondas-i.php Sala 5017 E fernando.fernandes@uerj.br Aula 9 Revisão - Incidência normal à superfície da interface (meio geral) Γ é o coeficiente
Leia maisANÁLISE DE SÉRIES TEMPORAIS
ANÁLISE DE SÉRIES TEMPORAIS Ralph S. Silva http://www.im.ufrj.br/ralph/seriestemporais.html Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Estimação
Leia maisComunicações Digitais
1 - Introdução Enlace de um Sistema de Comunicação fonte mensagem transdutor Transmissor Modulador canal ruído receptor transdutor destino mensagem (estimada) sinal de entrada sinal com distorção sinal
Leia mais3 Dados e metodologia
3 Dados e metodologia 3.1 Apresentação de Dados Para a realização dessa pesquisa foram utilizados os dados da série histórica dos preços da soja (em grão) do Estado do Paraná, obtidos da base de dados
Leia maisFiltragem 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
Leia maisRestauração de imagens CCD/CBERS-2 pelo método de Richardson-Lucy modificado. Paulo Eduardo Ubaldino de Souza 1
Restauração de imagens CCD/CBERS-2 pelo método de Richardson-Lucy modificado Paulo Eduardo Ubaldino de Souza 1 1 Instituto de Estudos Avançados - CTA/IEAv 12228-840 São José dos Campos - SP, Brasil souza@ieav.cta.br
Leia mais