reconhecimento de padrões em imagens

8/20/2019 Reconhecimento de Padrões Em Imagens

1/10

RECONHECIMENTO DE PADRÕES EM IMAGENS

Extração de Características e Reconhecimento de Padrões e Objetos –UFF

Disponíve emhttp!""comp#tacao$ra%ca&ic'&br"transparenciasvo(cap)&pd* & +cessado dia,-",."(.,/

Padrão si$ni%ca 0#a0#er eemento 0#e possa ser de%nidoquantitativamente mesmo 0#e ocorram variações& O reconhecimentopode ser *eito por diferenciaão o# por c!a""i#caão 1o# mesmo ambos2&+s c!a""e" $adrão 0#e se deseja reconhecer são *ormadas a partir decaracter%"tica" 0#e serão extraídas da ima$em& Utii3am4se de"critore" para caracteri3ar o objeto"padrão& Cada tipo de descritor ser5 maisade0#ado a determinado a"$ecto como! *orma6 dimensões6 cor6 text#ra6etc&

http://computacaografica.ic.uff.br/transparenciasvol2cap6.pdfhttp://computacaografica.ic.uff.br/transparenciasvol2cap6.pdf


2/10

)&, 7e$mentação!O processo de se$mentação consiste em dividir #ma ima$em em re$iões0#e poss#em o mesmo conte8do no contexto de #ma apicação& +se$mentação pode ser baseada em!

9 descontin#idades:

9 simiaridades dos di*erentes aspectos da ima$em&


3/10

6.1.1. Segmentação Baseada em RegiõesPremissas!

1,2 a re$ião deve ser homo$;nea considerando a$#m *ator de toer2 as características devem ser ade0#adas para indicar #nivocamente are$ião: e

1-2 o conj#nto de todas as re$iões deve *ormar a ima$em&

6.1.1.1.Técnicas de segmentação baseadas em crescimento de regiões9O processo de se$mentação se inicia a partir de #m pixe o# #m conj#ntode pixes 1denominado de ?semente@2&

9Para cada semente avaia4se o predicado dos pixes vi3inhos 1o# re$ião2&

9+ a$re$ação das re$iões A *eita 0#ando o critArio de simiaridade o# dedecisão do predicado *or verdadeiro&

6.1.1.2. Técnicas de segmentação baseadas em divisão e fusão de regiões97#bdivide #ma ima$em em 0#atro bocos e veri%ca se os pixes atendem aa$#m critArio de homo$eneidade&

9Os bocos 0#e atenderem ao critArio não serão mais divididos&

9O boco 0#e não atender ser5 s#bdividido em bocos menores&

9Reai3a a j#nção dos bocos vi3inhos homo$;neos&


4/10

6.1.1.3. Técnicas de segmentação baseadas em “custeri!ação"

6.1.1.3.1. #goritmo $%&eans+baixo A apresentado #m a$oritmo b5sico!

1,2 Determinar as posições iniciais dos B centr=ides dos c#sters&

1(2 +ocar cada eemento ao c#ster do centr=ide mais pr=ximo&

1>2 Recac#ar os centros dos c#sters a partir dos eementos aocados&

1-2 Repetir os passos de ( a - se$#ndo a$#m critArio de conver$;ncia&


5/10

6.1.1.'. Segmentação baseada em (aneas )*indo*s+ MERECE DESTA&'E(9Com#m em an5ises de ima$ens m#tireso#ção o# text#ras&

9O mAtodo pode ser $enerai3ado para 0#a0#er n8mero de predicados e

tAcnica de decisão mais compexas 0#anto aos imiares das re$iões&6.1.2 % ,utras Técnicas de SegmetaçãoO#tras tAcnicas!

1,2 %tra$em no domínio espacia:

1(2 %tra$em no domínio da *re0#;ncia:

1>2 trans*ormação para #m espaço de medida especí%co:

1-2 baseadas em or*oo$ia atem5tica: e6

1/2 contornos ativos&6.1.3. -roriedades do -i/e)&,&>&,& i3inhança em Pixe 1i3inhança4- e i3inhança42

Para criar #ma vi3inhança onde todos os vi3inhos *ossem e0#idistantes serianecess5rio m#dar a $rade re$#ar 0#adrada para #ma $rade hexa$ona&


6/10

)&,&>&(& edidas de Dist&>& Conectividade 1Propriedade de #m pixe est5 conectado a o#tro2


7/10

6.1.' Rotuação+ rot#ação A *#ndamenta para a se$mentação e conta$em de re$iões eobjetos& + cada re$ião o# componente conexo A atrib#ído #m vaor 8nico naima$em6 #s#amente denominado de r=t#o 1abe2&


8/10

)&(& ipos de características6.2.1 % #n0ise de omonentes -rinciais )-#+

• ambAm chamada de Tran"formada Di"creta de )ar*unen+,o-ve1GH2 o# ainda Tran"formada Hote!!in.

• + com$onente $rinci$a! A o arranjo 0#e mehor representa adistrib#ição dos dados sendo 0#e a com$onente "ecund/ria Aperpendic#ar I componente principa&

• J 8ti 0#ando os vetores de características t;m m#itas dimensões o#0#ando #ma representação $r5%ca não A possíve&

6.2.1.1. &atri! de covarincia

6.2.1.2. #utoesaços autovetores e autovaoresUm vetor v A #m autovetor de #ma matri3 0#adrada se v1m#tipicação da matri3 peo vetor v2 res#ta n#m m8tipo de v6 o# seja6

em K v 1 o# na m#tipicação de #m escaar peo vetor2& Lesse caso6 K A ochamado autova!or de associado ao a#tovetor v&


9/10

9 7e #ma matri3 n x n tem n a#tovaores inearmente independentes entãoea A dia.ona!i0/ve!&

7e #ma matri3 A dia$onai35ve então ea tem n a#tovaores inearmenteindependentes 0#e serão os se#s eementos da dia$ona principa&

Para dia$onai3ar #ma matri3 !,4 Encontrar se#s a#tovetores inearmente independente! v, 6 v( 6 &&&vn(4 Formar #ma atri3 P com estes vetores como co#nas&>4 O prod#to P4, P ser5 #ma matri3 dia$ona6 com eementos i$#ais

aos a#tovaores na dia$ona principa&

6.2.1.3. Transformada de 4oteing

6.2.1.'. #n0ise de omonentes -rinciais ara 5magens ooridas

6.2.1.. -# em Recon7ecimento de -adrõesPode4se di3er 0#e #ma ima$em A #m padrão de h x M características o# #mvetor no espaço 1hxM2 dimensiona6 o 0#a A chamado de ?espaço de

ima$ensN6 representado por & Dada #ma ima$em6 pode4se constr#ir s#arepresentação como #m vetor atravAs de #ma eit#ra co#na a co#na daima$em6 coocando o vaor de cada pixe da ima$em em #m vetor co#na x&

6.2.1.6. Transformada de 4oteing e -# na reconstruçãoO#tra apicação importante se reaciona I reconstr#ção de x6 dado 6 por!

+ PC+ A #m mAtodo estatístico inear 0#e encontra os a#tovaores ea#tovetores da matri3 de covari


10/10

reconhecimento de padrões em imagens

Documents