Algoritmos de Processamento de Imagens para Classificação ...diegow/JIC2010_Diego.pdf · A...

DEL/POLI UFRJ PADS/COPPE

A análise da qualidade de dutos submarinos

Prevenção de acidentes

Robô submarino filma a tubulação

As imagens são fiscalizadas por especialistas

Atividade cansativa e monótona

Sistema automático para detecção deirregularidades

Necessidade de algoritmos de VisãoComputacional› Detecção do Duto

› Identificação do tipo de tubulação

› Detecção e classificação de defeitos

Corcova Kink

Loop Reto Torção

Segmentação› Subdividir a imagem em objetos de interesse

Detecção de Bordas› Basicamente filtros Passa-Alta

› Diferenciação realça altas frequências

› Operador gradiente

Direção de variação da luminância

Origem Roberts Prewitt Sobel Isotrópica

Gx

Gy

John F. Canny propôs que o detector de bordas deveria ter boas detecção, localização e resposta mínima.

Filtragem passa-baixa gaussiana;

Supressão não-máxima

› Avaliação de módulo dogradiente em quatro direções;

Limiares com histerese

› Dois limiares (t1 > t2)

Objetivo:

› Classificar tubulações quanto a sua curvatura.

1) Aplicar Detector de Bordas de Canny.

2) Isolar segmentos importantes.

3) Calcular as inclinações dos segmentos.

4) Comparação dos segmentos.

Detector de Canny fornece bordas simples.

Identifica-se e armazena-se os pixels de uma borda.

Filtro de

CannyAlgoritmo

para separar

cruvas

Imagem Original

Tubulação em forma de

corcova

Dois maiores segmentos da imagem

a = arctan(Dy/Dx), -p ≤ a < p rad

Caminhando pela curva calcula-se o histogramacom as inclinações do segmento.

Dy

Dx

aa

a2 = arctan(Dy2/Dx2) = arctan(Dy1/Dx1)

a2 = a1 – p/2

Calcula-se o módulo da FFT dos histogramasexistentes, gerando uma base de dados.

Curva Histograma - x(n) |X(k)|

Cálculo do

Histograma de

Inclinações

Torção

Loop

Matriz com DFTs de diversos histogramas

Calcula-se a Distância Euclidiana entre osegmento que queremos classificar ecada um da base de dados

Uma boa segmentação é fundamental para acorreta execução do sistema

O principal motivo para erros na inspeçãoautomática deve-se a detecção incorreta ouimprecisa de bordas

Pequeno numero de imagens disponíveis

A realização do algoritmo proposto foiconsiderada satisfatória.

CANNY, J., A Computational Approach to Edge Detection", IEEE Transactions onPattern Analysis and Machine Intelligence, v. 8, NO. 6, pp. 679-698, 1986.

JAIN, A. K., Fundamentals of Digital Image Processing. Upper Saddle River, NJ,Estados Unidos, Prentice-Hall, 1989.

PEDRINI, H., SCHWARTZ, W. R., Analise de Imagens Digitais - Princípios Algoritmose Aplicações. 1 ed. São Paulo, SP, Thomson Learning, 2008.

GONZALEZ, R. C., WOODS, R. E., Processamento de Imagens Digitais. 1 ed. SãoPaulo, SP, Editora Edgard Blücher, 2006.

MITRA, S. K., Digital Signal Processing - Computer Based Approach, 2 ed.,chapter Dicrete-Time Signals in the Transform-Domain, McGraw-Hill, pp. 117-179.