1 / 73

Visão Computacional e Aplicações

Visão Computacional e Aplicações. João do E. S. Batista Neto. Instituto de Ciências Matemáticas e de Computação – ICMC-USP São Carlos, Junho de 2009. Domício Pinheiro Agência Estado. Computação Gráfica. Processamento de Imagens. Visão Computacional. Visualização Científica.

shona
Download Presentation

Visão Computacional e Aplicações

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Visão Computacional e Aplicações João do E. S. Batista Neto Instituto de Ciências Matemáticas e de Computação – ICMC-USP São Carlos, Junho de 2009

  2. Domício Pinheiro Agência Estado

  3. Computação Gráfica Processamento de Imagens Visão Computacional Visualização Científica Análise de Imagens

  4. Modelagem de dados (processamento de dados) DADOS Visualização (computação gráfica, síntese de imagem) Visão (análise de imagem) IMAGEM Processamentodeimagens Imagem – Áreas Correlatas

  5. Modelagem de dados (visualização) Curvas, superfícies, etc

  6. Computação Gráfica Rendering: processo de geração de imagem a partir de um modelo. Em português: visualização

  7. Computação Gráfica 3D 2D

  8. Processamento de Imagens Segmentação de um tumor em momografia

  9. Processamento de Imagens Leandro Gerhardiger, 2006

  10. O que é visão computacional? É a ciência que desenvolve as bases teóricas e algoritmicas pelas quais informações úteis são automaticamente extraídas de imagens por meio de computadores

  11. O que precisamos saber para ter sucesso na construção de um sistemade visão artificial ? • Aspectos Cognitivos: combinação dos aparelhos sensoriais e comportamento psico-biológico: neurociências, IA, filosofia, psicologia, lingüística. • Aspectos fisiológicos do cérebro.

  12. Aspectos Cognitivos

  13. Exemplo 3: ilusão cognitiva (ambigüidade)

  14. Exemplo 3: ilusão cognitiva (ambigüidade)

  15. Exemplo 4: ilusão cognitiva (distorção) Tamanho, comprimento, curvatura

  16. Exemplo 5: ilusão cognitiva (distorção)

  17. Exemplo 6: ilusão cognitiva (Paradoxo)

  18. Exemplo 7: percepção visual – aspectos culturais Mostre estas figuras para um árabe e um zulu...

  19. Exemplo 8: percepção visual – especialização

  20. Movimento sacádico

  21. Aspectos Fisiológicos

  22. Visão Natural: sistema super paralelo Macro Micro Intermediário

  23. Visão Natural: o olho humano http://www.yorku.ca/eye/thejoy.htm

  24. Blid Spot: Ponto Cego Feche seu olho direito. Foque no número 3. Avance e recue. Ou foque nos nros à direita ou esquerda !

  25. Cones: (sens.) C C M L M C Bastonetes: Alta sensibilidade à luminosidade, não percebem cor Cones: Alta sensibilidade a cor, alta quantidade na fóvea

  26. Os córtex visuais

  27. Exemplo 1: fisiologia A região A é mais escura que B, certo ? Isso não é uma pegadinha

  28. Resposta • Contraste local • Algo claro, rodeado por algo mais escuro, tende a parecer mais claro do que é. E vice-versa ! Este é um exemplo da excelente qualidade de nosso sistema visual, certo? Certo !

  29. Exemplo 2: fisiologia Explicação: campos receptivos da retina

  30. Visão Computacional/Artificial • VISÃO é o processo de descobrir, a partir de imagens, o que está presente no mundo e onde está localizado • Disciplinas relacionadas • Processamento de Imagens • Computação Gráfica • Reconhecimento de Padrões • Robótica • Inteligência artificial

  31. Um sistema de visão computacional para indústria

  32. Três níveis de atuação Melhorar qualidade da imagem Pouca inteligência Extrair e caracterizar componentes Alguma inteligência Reconhecimento Alta Inteligência

  33. Exemplo: um sistema de visão para reconhecer digitais

  34. Reconhecimento de Digitais - padrões Bifurcações Terminações

  35. Típico sistema de visão Processamento de Imagens Pré-processamento Aquisição Cena 1 2 3 6 5 4 Análise de Imagens IA / reconhecimento de padrões Extração de características

  36. Passo 1 - Aquisição Cena 1 2 3 6 5 4

  37. Aquisição

  38. Passo 2 - Pré-processamento Cena 1 2 3 6 5 4

  39. Pré-processamento

  40. Passo 3 - Processamento de Imagens 1 2 3 Cena 6 5 4

  41. Processamento de Imagens

  42. Passo 4 - Análise de Imagens Cena 1 2 3 6 5 4

  43. Análise de Imagem 1- Procurar todos e marcar: - bifurcações - terminações

  44. Análise de Imagem 2 - Determinar as orientações: - bifurcações - terminações

  45. Passo 5 - Extração de Características Cena 1 2 3 6 5 4

  46. Extração de Características: Modelo Matemático Modelo Matemático - Semelhança de Triângulos Combinar as marcações 3 a 3

  47. Passo 6 - IA / Reconhecimento de padrões Cena 1 2 3 6 5 4

  48. IA / Reconhecimento de padrões Armazenar o modelo matemático de todos os triângulos Base de conhecimento

More Related