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

More documents

Recommendations

Info

WVC'2007 - III Workshop de Visão Computacional, 22 a 24 de Outubro de 2007, São José do Rio Preto, SP.complementares com outras imagensadicionais.Nesse experimento utilizou-se a base“COIL-100 database of ColumbiaUniversity”, que contém 7200 imagensoriundos de 100 objetos, e para cadaobjeto 72 imagens que correspondem avariações de rotação no eixo Y desteobjeto.Nessa proposta utilizamoscaracterísticas de fácil intuição para ousuário, como cor, textura, forma.CÔRO índice de cor foi calculado pelo sistemade representação RGB, segundo Simõesand Reali Costa, 2000, que segue asequações :r = R / (R+G+B) …......................(1)g = G / (R+G+B) .........................(2)b = B/ (R+G+B)…...........…........(3)Figura 1. Exemplo de imagens da basede dados COIL-100, de objeto rotacionadono eixo Y, pertence a umaclasse.4. Solução de problemaEsta proposta, permite realizar buscasCBIR utilizando mais de uma imagemcomo fonte. O algoritmo extrai ascaracterísticas das imagens de origem, efaz combinações entre estascaracterísticas. Para cada combinaçãogerada é semeado um ponto de busca noespaço polidimensional de características.As imagens de uma distância mínimasão procuradas, a partir de cada pontocombinatório encontrado. Depois deencerrada a busca das imagens maispróximas, o raio de busca aumenta paratodas as combinações simultaneamente.Para que o usuário pudesse separar asimagens que possui característicasdesejáveis, selecionamos característicasde fácil intuição, como cor, textura, índicede cinza de maior ocorrência e forma docontorno do objeto.Os índices r(1) , g(2) e b(3) sãonormalizados.TEXTURAUm atributo de textura é um valor,calculado a partir da imagem de umobjeto, que quantifica algumascaracterísticas das variações dos níveis decinza desse objeto [7].A partir do histograma dos níveis decinza da imagem, se infere diferentesparâmetros. Para descreverquantitativamente as propriedadesestatísticas se utilizou a média, variânciae a energia.G 1i0Média ip(i). ....................................(4)G i0Variância1(22 i )p(i)...........................(5)G i0Energia1 2E p(i)..................................(6)217
WVC'2007 - III Workshop de Visão Computacional, 22 a 24 de Outubro de 2007, São José do Rio Preto, SP.Os dados da média, variância e energia,foram integrados e normalizados paraobtenção de um único índice de textura.FORMAPara obtermos o índice relacionado àforma, a imagem foi inicialmenteconvertida em escala de cinza. Após serconvertida para uma imagem binária comthreshold de 35% da escala, podemosisolar o objeto já em branco com fundoescuro. Depois foi extraído o contorno doobjeto com o operador de Laplace. Emseguida, foi aplicada a transformada deHough. O índice da forma foi consideradocomo sendo o numero de retas quepossuem mais de 38 pixels, retornadopela transformada de Hough .A interpretação deste procedimento, éque quando temos no contorno poucasretas maiores de 38 pixels, o objeto épredominantemente redondo. Quandotemos uma maior quantia de retas maioresque 38 pixels, o objeto possui formamenos arredondada.Ocasionalmente, alguns contornos quetomamos intuitivamente como curvas, sãotraçados com uma série de pequenasretas. Observamos que retas de 38 pixelsseparam as retas de contorno verdadeiras,daquelas que intuímos como integrantesde uma curva para as imagens de nossotrabalho.As imagens da base de dados Coil-100,consiste em objetos que sofrem rotaçãosobre o eixo vertical, de modo que aolongo desta rotação podem aparecer retasde contorno não vistas quando olhamossob outra face.Distribuição dos pesosProcura-se uma distribuição de pesospara as características pesquisadas quepermitisse uma versatilidade do usuáriona pesquisa. A distribuição empregada foide 20% para o nível de cinza de maiorocorrência, 10% para os cromas R, G e B.10% para o índice de textura, e 200%para a forma.As características extraídas dasimagens, são submetidas à análisecombinatória, gerando todas as interaçõespossíveis entre as imagens consulta.Como exemplo, se tivermos umaimagem A1) com quatro retas decontorno, com cor predominante azul:outra imagem A2) com ausência de retassignificativas em seu contorno, com corpredominante amarelo, e demaiscaracterística com índice semelhanteentre si, teríamos as seguintescombinações : B1) Objeto com 4 retasde contorno e cor mais significativa azul.B2) Objeto com ausência de retas decontorno significativas e cor maissignificativa amarelo. B3) Objeto com 4retas de contorno e cor mais significativaamarelo. B4) Objeto com ausência deretas de contorno significativas e cor maissignificativa azul. Ver figura 2.ABFigura 2. Em A são exibidas duas ICs.Em B representa imagem retornadaspela busca em CBIR combinatório comdiagramas simbólicos.218
Page 1 and 2:
III Workshop de VisãoComputacional
Page 3 and 4:
Instituto de Biociências, Letras e
Page 5 and 6:
WVC 2007 - III Workshop de Visão C
Page 7 and 8:
ApresentaçãoA área de Visão Com
Page 10 and 11:
Automatic Pattern Recognition of Bi
Page 12 and 13:
WVC'2007 - III Workshop de Visão C
Page 14 and 15:
Page 16:
Page 19:
Page 22 and 23:
Page 24 and 25:
Page 26 and 27:
Page 28 and 29:
Page 30 and 31:
Page 33 and 34:
Page 35 and 36:
Page 37 and 38:
Page 39 and 40:
Page 41 and 42:
Page 43 and 44:
Page 45 and 46:
Page 47 and 48:
Page 49 and 50:
Page 51 and 52:
Page 53 and 54:
Page 55 and 56:
Page 57 and 58:
Page 59 and 60:
Page 61 and 62:
Page 63 and 64:
Page 65 and 66:
Page 67 and 68:
Page 69 and 70:
Page 71 and 72:
Page 73 and 74:
Page 75 and 76:
Page 77 and 78:
Page 79 and 80:
Page 81 and 82:
Page 83 and 84:
Page 85 and 86:
Page 87 and 88:
Page 89 and 90:
Page 91 and 92:
Page 93 and 94:
Page 95 and 96:
Page 97 and 98:
Page 99 and 100:
Page 101 and 102:
Page 103 and 104:
Page 105 and 106:
Page 107 and 108:
Page 109 and 110:
Page 111 and 112:
Page 113 and 114:
Page 115 and 116:
Page 117 and 118:
Page 119 and 120:
Page 121 and 122:
Page 123 and 124:
Page 125 and 126:
Page 127 and 128:
Page 129 and 130:
Page 131 and 132:
Page 133 and 134:
Page 135 and 136:
Page 137 and 138:
Page 139 and 140:
Page 141 and 142:
Page 143 and 144:
Page 145 and 146:
Page 147 and 148:
Page 149 and 150:
Page 151 and 152:
Page 153 and 154:
Page 155 and 156:
Page 157 and 158:
Page 159 and 160:
Page 161 and 162:
Page 163 and 164:
Page 165 and 166:
Page 167 and 168:
Page 169 and 170:
Page 171 and 172:
Page 173 and 174:
Page 175 and 176:
Page 177 and 178: WVC'2007 - III Workshop de Visão C
Page 227: WVC'2007 - III Workshop de Visão C
Page 279 and 280:
Page 281 and 282:
Page 283 and 284:
Page 285 and 286:
Page 287 and 288:
Page 289 and 290:
Page 291 and 292:
Page 293 and 294:
Page 295 and 296:
Page 297 and 298:
Page 299 and 300:
Page 301 and 302:
Page 303 and 304:
Page 305 and 306:
Page 307 and 308:
Page 309 and 310:
Page 311 and 312:
Page 313 and 314:
Page 315 and 316:
Page 317 and 318:
Page 319 and 320:
Page 321 and 322:
Page 323 and 324:
Page 325 and 326:
Page 327 and 328:
Page 329 and 330:
Page 331 and 332:
Page 333 and 334:
Page 335 and 336:
Page 337 and 338:
Page 339 and 340:
Page 341 and 342:
Page 343 and 344:
Page 345 and 346:
Page 347 and 348:
Page 349 and 350:
Page 351 and 352:
Page 353 and 354:
Page 355 and 356:
Page 357 and 358:
Page 359 and 360:
Page 361 and 362:
Page 363:
show all

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

Create successful ePaper yourself

Delete template?

Save as template?