Cesar Lima José Francisco Reconhecimento de Objetos Invariante sob Rotação, Translação e Escala Cesar Lima José Francisco
Roteiro Motivação Algoritmo Implementação Resultados Obtidos Conclusão Pré-Processamento Reconhecimento Implementação Resultados Obtidos Conclusão Referências
Motivação Reconhecimento de padrões Grandes volumes de dados Diferenças gráficas Ruído Problemas de obtenção
IOR Nem sempre tem-se os dados conforme necessita Variações de tamanho e rotação são constantes Ruído muitas vezes é inerente ao processo aquisitivo Pouco custo computacional é desejável
Algoritmo Composto de duas etapas: Pré-Processamento Reconhecimento Momento de Inercia Características Topográficas Reconhecimento Holographic Nearest-Neighbor (HNN)
Pré-Processamento Momento de Inércia Rotação e Translação Extração das características para posterior classificação Conjunto de números reais Vetor descritor Momento Características Topográficas Flexibilidade do “input”
Pré-Processamento O Momento não caracteriza uma imagem Uso de circunferências Concêntricos à centróide Propriedades dos pixels sob a circunferência Transições de intensidades 0 1 ou 1 0
Pré-Processamento Não caracteriza todas as letras M e N têm valores muito próximos
Pré-Processamento Tamanho dos arcos da circunferência Tamanhos diferentes Invariância quanto a estala Dividi-se pelo comprimento
Pré-Processamento Gera o Vetor Descritor Composto por 16 Elementos Momento de Inércia Transições Direfenças dos arcos
Reconhecimento Holographics Nearest-Neighbor (HNN) Recebe o vetor descritor como entrada Mapeamento do vetor em variáveis polares
IOR
Resultados
Conclusão
Referências
Cesar Lima José Francisco Reconhecimento de Objetos Invariante sob Rotação, Translação e Escala Cesar Lima José Francisco