III WVC 2007 - Iris.sel.eesc.sc.usp.br - USP

WVC'2007 - III Workshop de Visão Computacional, 22 a 24 de Outubro de 2007, São José do Rio Preto, SP.(a)(b)(c)Figura 5. (a) Diagrama do histograma polarlogarítmicoutilizado para computar o contexto daforma; (b) Ilustração do cálculo do histograma polarlogarítmicopara um dos pontos da borda de um sinusfrontal; (c) Contexto da forma (histograma) calculadopara o ponto da borda do sinus frontal ilustrado em(b).A medida de similaridade entre dois sinus frontais édeterminada pelo custo do melhor alinhamento obtidopara eles, utilizando os descritores dos contextos daforma para cada um dos pontos pertencentes às suasbordas, detectadas utilizando-se o algoritmo baseado naTransformada de Imagem-Floresta Diferencial. Quantomenor o custo, maior o grau de similaridade entre ossinus frontais.Dadosdoispontosp i e p j, pertencentes a cada uma dasbordas sendo comparadas, como os contextos das formasassociados a cada ponto são distribuições representadaspor histogramas, é natural utilizar-se o teste estatístico 2 , dado pela equação (1), para calcular o custo decasamento entre os pontos p i e p j , onde h i (k) e h j (k)denotam os histogramas normalizados dos pontos p i e p j ,respectivamente, e K representa a quantidade decompartimentos do histograma.Cij12K k 1hi( k) hj( k)h ( k) h ( k)6. Resultados Experimentaisij2(1)O desempenho do método proposto para oreconhecimento de sinus frontais foi avaliado em umbanco de dados contendo 90 radiografias AP de 29indivíduos com mais de 20 anos de idade. No conjunto deradiografias há pelo menos duas imagens de radiografiaspara cada indivíduo.Durante os experimentos realizados, inicialmente, asimagens de todas as radiografias do banco de dadosforam segmentadas, utilizando-se o algoritmo baseado nométodo DIFT, para se obter as bordas de todos os sinusfrontais. As Figuras 6(a), 6(b), 6(c) e 6(d) exibem assegmentações obtidas para algumas imagens deradiografias do banco de dados (as radiografiasapresentadas na Figura 1).Após a segmentação das imagens, foram realizadascomparações entre todas as bordas genuínas, ou seja,bordas de sinus frontais do mesmo indivíduo, gerando-sepontuações para cada comparação. Também foramobtidas as pontuações para todas as comparações debordas impostoras, ou seja, bordas de sinus frontais depessoas diferentes.Com as pontuações obtidas nas comparações entresinus frontais genuínos e impostores, foi possível gerar ascurvas ROC (Receiver Operating Characteristic). Ascurvas ROC relacionam a taxa de falsa aceitação emoposição à taxa de falsa rejeição para diversos valores delimiar, proporcionando um método eficiente decomparação entre diferentes métodos biométricos.A Figura 7 mostra a curva ROC obtida nosexperimentos que representa a taxa de falsa aceitação(FAR) versus a taxa de aceitação de genuínos (GAR).A Figura 8 mostra a curva ROC obtida nosexperimentos que representa a taxa de falsa aceitação(FAR) versus a taxa de falsa rejeição (FRR).O método proposto obteve uma taxa de EER (EqualError Rate) de 5,82% para o banco de dados utilizado.7. ConclusãoO método proposto para o reconhecimento de sinusfrontais utilizando DIFT e contexto da forma obteveresultados muito bons em nossos experimentos.Resultados estes melhores que os reportados por Marana103