Carregar apresentação
A apresentação está carregando. Por favor, espere
1
Cesar Lima José Francisco
Reconhecimento de Objetos Invariante sob Rotação, Translação e Escala Cesar Lima José Francisco
2
Roteiro Motivação Algoritmo Implementação Resultados Obtidos Conclusão
Pré-Processamento Reconhecimento Implementação Resultados Obtidos Conclusão Referências
3
Motivação Reconhecimento de padrões Grandes volumes de dados
Diferenças gráficas Ruído Problemas de obtenção
4
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
5
Algoritmo Composto de duas etapas: Pré-Processamento Reconhecimento
Momento de Inercia Características Topográficas Reconhecimento Holographic Nearest-Neighbor (HNN)
6
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”
7
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
8
Pré-Processamento Não caracteriza todas as letras
M e N têm valores muito próximos
9
Pré-Processamento Tamanho dos arcos da circunferência
Tamanhos diferentes Invariância quanto a estala Dividi-se pelo comprimento
10
Pré-Processamento Gera o Vetor Descritor Composto por 16 Elementos
Momento de Inércia Transições Direfenças dos arcos
11
Reconhecimento Holographics Nearest-Neighbor (HNN)
Recebe o vetor descritor como entrada Mapeamento do vetor em variáveis polares
12
IOR
13
Resultados
14
Conclusão
15
Referências
16
Cesar Lima José Francisco
Reconhecimento de Objetos Invariante sob Rotação, Translação e Escala Cesar Lima José Francisco
Apresentações semelhantes
© 2024 SlidePlayer.com.br Inc.
All rights reserved.