BUSCA POR CONTEÚDO EM IMAGENS ATRAVÉS DE TRANSFORMA WAVELET APLICADA À IDENTIFICAÇÃO DE FOLHAS DE ESPÉCIES VEGETAIS. BUSCA POR CONTEÚDO EM IMAGENS ATRAVÉS DE TRANSFORMAÇÕES WAVELET APLICADA À IDENTIFICAÇÃO DE FOLHAS DE ESPÉCIES VEGETAIS. André Della Libera Zanchetta, Messias Meneguette Jr., Arlete Ap. Correia Meneguette UNESP / FCT – Fac. de Ciência e Tecnologia / Presidente Prudente – SP REFERÊNCIAS BIBLIOGRÁFICAS METODOLOGIA INTRODUÇÃO DISCUSSÃO DOS RESULTADOS CONCLUSÃO Comumente, atividades relacionadas à identificação da espécie à qual indivíduos vegetais superiores pertencem apresentam-se como bastante dispendiosas devido ao processo da atual metodologia empregada, baseada em constantes e repetitivas consultas a bibliografias especializadas. Considerando a grande variabilidade de formas e texturas que as folhas das espécies vegetais apresentam e a facilidade de sua manipulação, concluiu-se que a apresentação de um sistema automatizado de busca por conteúdo de espécies vegetais a partir de imagens digitalizadas de suas folhas se apresenta como um dos modelos ideais de ferramenta de auxílio para tomada de decisões nesta atividade de identificação. Dando continuidade a estudos anteriores, buscou-se desenvolver uma versão on-line da ferramenta para este processo de busca baseada na transformação wavelet das imagens. BOW, Sing-Tze. Pattern Recognition and Image Preprocessing – 2 nd ed HYMAN, Josh. Image Database Query Techniques: A Survey. University of California. Los Angeles JACOBS, Charles E.; Finkelstein, Adam; Salesin, David H. Fast Multiresolution Image Quering. In Proceedings of SIGGRAPH95, , ACM, JANSEN, A.; LA COUR-HARBO, A. Ripples in Mathematics: The Discrete Wavelet Transform VAN FLEET, Patrick J. Discrete Wavelet Transformations: an Elementary Approach With Applications WALKER, James S. A Primer on Wavelets and Their Scientific Applications – 2 nd ed AGRADECIMENTOS Opcional OBJETIVOS Fig. 1: Exemplo de transformada wavelet A metodologia abordada se baseia na transformação das imagens coloridas das fotos de folhas em imagens em tons de cinza. A estas imagens, tratadas como sinais bidimensionais finitos, é aplicada a transformada wavelet do tipo Haar usando decomposição não-padrão (piramidal) e, em seguida, são extraídos dois grupos de 60 valores, cada com a utilização de um algoritmo (histograma e posição dos maiores valores absolutos). Estes vetores são armazenados na base de dados do sistema e são utilizados para realização das buscas por conteúdo. Os algoritmos foram implementados sob a plataforma J2EE (Java para web) e se basearam parcialmente em códigos desenvolvidos em trabalhos anteriores que resultaram na primeira versão da ferramenta Herbário Eletrônico. Implementação de algorítimos de pré-tratamento de imagens digitais de fotos de folhas de árvores, de transformação wavelet destas imagens, de armazenamento e de comparação das assinaturas wavelet extraídas em linguagem Java, além da integração dos algoritmos citados em um sistema web com interface facilmente utilizável. No decorrer do trabalho, desenvolveuse a ferramenta web com interface bastante simplificada e capaz de realizar atividades de alimentação da base de dados, assim como a realização das buscas pela metodologia proposta. Em seguida à breve alimentação da base de dados do sistema, no qual foram inseridas aproximadamente 15 imagens de folhas de vegetais, realizou-se a busca por conteúdo através da submissão de uma foto de uma folha de pé de amora, obtida por uma câmera digital comum, com relativa baixa resolução, por uma pessoa diferente da pessoa que registrou as imagens que alimentaram a base de dados do sistema e em um ambiente diferente (influência da iluminação). Excetuando-se a baixa quantidade de dados absolutos registrado na base de dados do sistema, foram simuladas as condições reais na qual o sistema seria aplicado pelo usuário final. Como pode-se observar na figura 2, o sistema apresentou a resposta esperada (registro da espécie de amora preta) em segundo lugar na Fig. 2: Resultado de experimento de busca realizado O tempo de processamento executando o sistema localmente (em uma máquina com processador de 1.73GHz, dual-core, 32 bits e 2Gb de memória) para a obtenção da resposta das folhas mais semelhantes a partir da imagem submetida (resultado da figura 2), foi de 35 segundos. A capacidade de pré-tratamento das imagens apresentou-se bastante eficiente, retornando a resposta esperada na maioria dos testes (Fig. 3a), mas em algumas situações a resposta foi insatisfatória (Fig. 3b). Foi possível constatar que a utilização do algoritmo proposto envolvento as transformadas wavelet apresenta resultados promissores, mas que as condições de tomada das imagens pode influenciar decisivamente no resultado obtido, de forma que se propões o estudo de técnicas de pré- tratamento da imagem visando reduzir os impactos causados pelas variações de luminosidade. Fig. 3: Exemplo de sucesso no pré-tratamento da imagem (a) e exemplo de falha (b) listagem de espécies mais prováveis. A folha registrada em primeiro lugar, dadas as condições da tomada da imagem (iluminação, sobretudo), acabaram de fato por torna-la mais semelhante à imagem da folha submetida, mesmo não pentencendo à mesma espécie. abab unesp