Douglas Silveira Machado douglas@lsi.cefetmg.br
Bacharel em Matemática Computacional - UFMG
Mestrando em Matemática Computacional - CEFET
Trabalho Prático da Disciplina de Visão Computacional
Primeiro Semestre / 2008
O problema clássico da visão computacional e do processamento de imagens é determinar se uma imagem contém ou não um dado objeto, uma dada característica ou uma dada atividade. Tal tarefa pode ser resolvida de forma robusta e sem esforço humano, mas ainda não foi resolvida satisfatoriamente para o caso geral, onde objetos, situações, iluminação e pose são arbitrárias.
Embora para o sistema de visão humano analisar e reconhecer informações visuais parece trivial, esta pode ser uma tarefa complexa quando executada por sistemas de visão artificial, ainda mais quando permite-se que sua imagem adquirida possua poucas restrições.
O principal problema do processo computacional está relacionado a quantificação das informações visuais presentes nas imagens, ou seja, para um reconhecimento de um dado objeto é necessário encontrar de alguma maneira características na imagem que distinguam o mesmo dos outros objetos do seu universo de trabalho.
Dessa maneira é desejável que essas características sejam invariantes o máximo possível da forma com que essa imagem tenha sido adquirida, por exemplo, invariante a escala, rotação, translação, aos diversos tipos de ruídos e iluminação.
O objetivo do presente trabalho é implentar um sistema que utiliza o método de Descritores de Fourier, que é um descritor invariante à escala, rotação e translação, além do mesmo conseguir, com relativamente pouca informação, descrever qualquer tipo de forma de objeto possível.
Uma vez obtidos esses dados que contêm a informação que será a assinatura da forma de cada objeto, uma rede neural, previamente treinada, será utilizada para determinar à qual objeto a mesma pertence.
[1] E. Z. Computer Vision Laboratory. Image database, 2008. [Online; 09-Junho-2008].
[2] P. Cornic. Another look at the dominant point detection of digital curves. Pattern Recognition Letters, 18(1):13–25, January 1997.
[3] C. J. Du and W. Sun. Recent developments in the applications of image processing techniques for food quality evaluation. Trends in Food Science and Technology, 15:230–249, May 2004.
[4] C. Gaboardi and H. Firkowski. A utilização da transformada wavelet e da transformada de fourier na generalização de modelo digital do terreno (mdt). Congresso Brasileiro de Cadastro Técnico Multifinalit´ario, Outubro 2006.
[5] M. K. Hu. Visual pattern recognition by moment invariants. IEEE, 8:179–187, February 1962.
[6] W. Icken, M. Schmutz, R. Preisinger, L. Tierzucht, and Cuxhaven. Dynamic stiffness measurements with the crack detector: a new method to improve egg shell strength. Lohmann Information, 41:13, Oct. 2006.
[7] L. A. . Loss and C. L. Tozzi. Discriminação de contornos de formas naturais através de decomposições espectrais. In Anais VI Simpósio Brasileiro de Automação Inteligente, pages 266–271, Baurú, SP, Setembro 2003.
[8] J. P. Nascimento, H. M. Madeira, and H. Pedrini. Classificação de Imagens Utilizando Descritores Estatísticos de Textura. Anais XI SBSR, Belo Horizonte, Brasil, Abril 2003.
[9] L. E. NUNES and P. P. Prado. Reconhecimento de objetos contidos em imagens através de redes neuais. Rev. Ciênc. Exatas, 5-8:77–88, 1999-2002.
[10] R. O. Plotze and O. M. Bruno. Análise de formas e reconhecimento de padrões por meio da assinatura fractal multiescala. Journal of Computer Science, 6(2), June 2007.
[11] W. R. Schwartz and H. Pedrini. Método para Classificação de Imagens Baseada em Matrizes de Co-Ocorrência Utilizando Características de Textura. Anais do III Colóquio Brasileiro de Ciências Geodésicas, Curitiba, PR, 2003.
[12] J. A. Silva, W. N. Gonçalves, B. B. Machado, H. Pistori, and A. S. Souza. Comparação de descritores de formas no reconhecimento de objetos. III Workshop de Trabalhos de Iniciação Científica em Computação Gráfica e Processamento de Imagens - WICCGPI, pages 22–24, Outubro 2007.
[13] D. Smith, K. Lawrence, and G. Heitschmidt. Detection of hatching and table egg defects using hyperspectral imaging. European Poultry Conference Proceedings, September 2006.
[14] K. P. Souza and H. Pistori. Implementação de um extrator de características baseado em momentos da imagem. III Workshop de Trabalhos de Iniciação Científica em Computação Gráfica e Processamento de Imagens - WICCGPI, pages 9–12, Outubro 2005.
[15] M. E. Stivanello and P. C. R. Gomes. Inspeção visual industrial automatizada por análise de forma com descritores de fourier e redes neurais artificiais. Anais do XV Seminário de Computação, pages 29–40, Novembro 2006.
[16] W.-Y. Wu. A dynamic method for dominant point detection. Graph. Models, 64(5):304–315, 2002.
[17] D. Zhang and G. Lu. A comparative study on shape retrieval using fourier descriptors with different shape signatures. International Conference on Intelligent Multimedia and Distance Education, pages 1–9, 2001.