Aula 1 Visao Computacional

7/23/2019 Aula 1 Visao Computacional

http://slidepdf.com/reader/full/aula-1-visao-computacional 1/51

Visão ComputacionalMestrado e Doutorado em

Engenharia Elétrica

Prof. Dr. Paulo Sérgio Rodrigues

www.fei.edu.br!psergio



"ntel g#nc a $rt f c al e Rob%t ca & CC

''((

Visão Computacional

O que é Visão Computacional?

Estuda e desenvolve um conjunto de métodose técnicas os quais podem tornar um sistemacomputacional capaz de interpretar imagens.




''((

Visão ComputacionalVisão Computacional

Carro deexploração

Lunar

Baixo Nível édio Nível !lto Nível

"egmentação Reconheciment




''((


Nível Baixo

el#oria da qualidade da imagem$% &emoção de ruídos da imagem

% el#oria do contraste da imagem% &emoção de 'orr(es da c)mera% &emoção de manc#as de movimentos% &ealce da estrutura% &ealce das cores

*rocessamento de +magem é utilizado paramel#orar a apar,ncia visual da imagem e-ourealçar as características desejadas




''((


Nível Médio

Extração de &egi(es que comp(em partes de umo'jeto ou cena

am'ém podem ser extração de primitivas comocurvas/ retas/ polígonos/ elipses/ ...

0eralmente/ as regi(es isoladas não 1azem

nen#um sentido pra quem o'serva.




''((


Nível Alto

écnicas para interpretação de o'jetos ou cenas

&egi(es/ em conjunto/ passam a 1azer sentido

&aciocínio cognitivo

+n1er,ncia de in1ormaç(es




''((


Nível Alto

&aciocínio cognitivo$ +n1er,ncia do Contexto parainterpretação de o'jetos ou cenas




''((

Visão ComputacionalTécnicas de Baixo nível

+magem original 2iltro média 34x452iltro 0aussiano

34x452iltro ediana

34x45

2iltro média 34x452iltro ediana

34x45




''((


Transformada de ou!"Imagem binária (bordas) Retas detectadas com a Transformada de Hough

Técnicas típicas de Visão de Médio Nível: Detecção de Retas



!n6lise de +magens com Base emin1ormaç(es de Cor/ 2orma ou extura



Técnicas típicas de Visão de Alto Nível: n!e"#ncia Baseadaem Contexto



Técnicas típicas de Visão de Alto Nível: n!e"#ncia Baseadaem Contexto




''((


+magem$ 7anus z 8onrad 9 Boston :niversit; +magem$ Boston :niversit;

Técnicas Típicas de Visão de Alto Nível:

n!e"#ncia de $o%ado"es em &uad"a




''((

Visão ComputacionalAplicaç'es: Biomet"ia

ma%em: (on) * e (+ (eit,

<etecção de 2aces &econ#ecimento de digital




''((

Visão ComputacionalAplicaç'es: leito" de placas

imagem$ ". "eitz




''((

Visão ComputacionalAplicaç'es: nspeção de -./"ica




''((

Visão ComputacionalAplicaç'es: Veículo Aut0nomo



Sistema CAD (Computer Aided Diagnosis)



Extração da Lesão

Saída do Ultra-som



Sistema CAD com entropia Não-extensiva

Level Sets

Morfologia

Segmentação



Região da Lesão

Extração da lesão

• Área

• Circularidade

•

Protuberâncias• Sombra acústica

• Reforo acústico

• Homogeneidade

• R!"

• #u$$%• &a%es

• S'

Classifcação

Saída do Ultra-som

Extração deCaracterísticas

Sistema CAD: Etapas

aligno

Benigno




''((


TCCs na #rea de Visão Computacional desenvolvidos na$%&

Reconhecimento Facial com o Númerode Fibonacci (Primeiro Lugar naEXPOCOM 2007




''((

Visão ComputacionalTCCs desenvolvidos na $%&

E=+*> ? E@*!N"A =+":!L <E E@+B+DE" E ":*E&2C+E" *L!N!"

( ! Pr"mio# EXPOCOM 200$% Melhor Criati&idade e Melhor trabalhoCient'ico e Melhor )rabalho *eral



An.lise e Visuali,ação de ma%ens Médicas: Reconst"ução C"anio!aciale 1"evisi/ilidade de Resultados

LNCC • S!-SC • CEN!"A • C#SC • $N%&

Ob+eti&o% Re,arar anomalia# de cr-nio e ace atra&.# da con#tru/o autom1tica de ,rte#e#



Reconst"ução C"anio2-acial: Metodolo%ia



Caso de 1e"da de massa 3ssea !"ontal



1"ototipa%em:Respons.vel: 4(1 de (ãoCa"los



1R5T6(6 CRANANAM7D687( M9DC7( D: paciente antes dedepois da ci"u"%ia



1R5T6(6 CRANANAM7D687( M9DC7( D: Momento da Ci"u"%ia de implante da p"3tese c"aniana

a '

c d



nstantes da 1"ototipa%em R.pida



R6C7N(TR4;<7 -ACA8+ Caso de C=nce" de Mandí/ula+ 1aciente antes edepois+ A !oto do meio a/aixo >o c"=nio com meia mandí/ula? most"a aconst"ução antes do implante+ As duas !otos a/aixo most"am a paciente ho@e eas duas acima a paciente com de!eito de !"ente e de pe"!il+




''((

Visão ComputacionalTCCs desenvolvidos na $%&

!!&



Reconhecimento de8o%oma"cas em $o%os de

-ute/ol

+ntegrantes$!llan artins de *aula

2elipe 0omes agarottoLucas artins Baia&ozivaldo Facarias de 7esus

rientador$ *aulo "érgio "ilva &odrigues



7/@etivo

!utomatizar um processo e assim/ gerar

um relatGrio in1ormando quanto tempo aspropagandas que estão ao redor docampo apareceram na transmissão.



De!inição de tipos de C=me"a

C)mera *rincipal Não?C)mera *rincipal



(eto"es do Campo



Re%i'es du"ante a t"ansmissão



Metodolo%ia

2rame<e1inição dec)mera *rincipal



Metodolo%ia

<e1inição de c)mera?principal

<etecção de Bordas



Metodolo%ia

<etecção de Bordas

<etecção de Lin#as



Metodolo%ia

<etecção de Lin#as

<e1inição das &egi(es de +nteresse 3&+5



Metodolo%ia<e1inição da &+

atc#ing



Metodolo%iaracHing e &L

*rGximo 2rame

Conta'iliza empo

!rquivo +ndividual



Visão Computacional0randes <esa1ios 2uturos

T l di i



Telemedicina



Gerenciamento de Grandes Bases de Dados



Análise de Imagens em Vídeo



Ambientes Virtuais Colaborativos



Ambientes Virtuais Colaborativos



TV-Digital




''((

Visão ComputacionalBi'liotecas

!L!B e *ENC= 3+ntel5

Documents

Aula 1 Visao Computacional