Carlos Eduardo Santin Grupo de Bancos de Dados Inteligentes - UFRGS Uma ontologia de representação para conhecimento visual em Petrografia Sedimentar Carlos Eduardo Santin Grupo de Bancos de Dados Inteligentes - UFRGS

Percepção Visual Domínios imagísticos apresentam uma forte utilização da percepção visual para realização de inferências Reconhecimento de objetos nas imagens Processos de raciocínio baseados em busca Importância da identificação de relações entre objetos de uma imagem

Conhecimento Visual Como representar? Desenvolvimento de modelos para a compreensão das imagens Modelos baseados na geometria Modelos baseados na topologia

Conhecimento Visual Em determinados casos, para o reconhecimento de um objeto, faz-se necessário saber como esse objeto aparece em um determinado contexto Normalmente realizado através do uso de modelos associados a algoritmos de combinação e reconhecimento e mais recentemente ao uso de ontologias

Objetivos Definição de uma ontologia de representação baseada em construtos capazes de suportar descrições simbólicas de imagens Utilizar esta ontologia para estabelecer relações espaço-visuais entre objetos em uma imagem Prover suporte para futura implantação de mecanismos de raciocínio

Relações Espaço-Visuais Objetos Identificados Triângulo Retângulo Topologia: Triângulo externamente conectado ao retângulo; Orientação: Triângulo localizado ao norte do retângulo

Petrografia Sedimentar Relações entre constituintes em uma rocha são mais significativas do que a identificação composicional desses constituintes na avaliação da qualidade de reservatórios de petróleo Relações indicam os processos físico-químicos que afetam a porosidade e permeabilidade de uma rocha

Petrografia Sedimentar Compactação Química Relação Topológica Formato da borda Formato dos objetos

Resultados Esperados Criação de uma ontologia de representação Conceitos Visuais Relações Espaciais Descrição simbólica da imagem Inferência de relações paragenéticas

Representação do Conhecimento Visual Visual Knowledge Representation Based on Perceptual Organization - Qigang Gao - 1998 26 Possibilidades de visão: 6 do tipo C 12 do tipo B 8 do tipo A A B C

Representação do Conhecimento Visual Face  Estrutura A Z1 2 B X1 1 C Y1Z1 D Y1 E Y2 F X2 G Z2 Estrutura: Grafo do modelo y y1 y2 z z2 z1 x1 x2 x

Representação e recuperação do Conhecimento Visual A Knowledge-Based Approach to Visual Information - Elisa Bertino, Ahmed K. Elmagarmid e Mohand-Saïd Hacid – 2002 Utiliza lógica de descrição Faz uso de conjuntos semi-algébricos para representação do formato dos objetos: V = {(x,y)  2 | x2 + y2 = 1}

Representação e recuperação do Conhecimento Visual Linguagem para estrutura (TBox): Linguagem para instanciação (ABox)

Representação e recuperação do Conhecimento Visual Linguagem de consulta

Interpretação Semântica de Imagens Towards ontology-based cognitive vision - Nicolas Maillot, Monique Thonnat e Alain Boucher – 2004 Interpretação semântica de imagens visando a classificação de objetos complexos É proposto o uso de uma ontologia de conceitos visuais para esconder as complexidades da camada visual mais baixa (processamento de imagem) e guiar o especialista na descrição de objetos de seu domínio

Interpretação Semântica de Imagens A ontologia de conceitos visuais proposta foi estruturada em 3 partes: Conceitos de Texturas Conceitos de Cores Conceitos Espaciais

Representação de Topologia Modelo RCC-8 (Region Connection Calculus) Relação Representação Gráfica DC (X,Y) TPP (X,Y) EC (X,Y) TPP-1 (X,Y) EQ (X,Y) NTPP (X,Y) PO (X,Y) NTPP-1 (X,Y)

Representação de Topologia G-Map (Generalized Map)