Use este identificador para citar ou linkar para este item: http://repositorio.ufes.br/handle/10/9708
Título: Utilizando Contexto na Representação de Imagens para Classificação de Cenas
Autor(es): GAZOLLI, K. A. S.
Orientador: SALLES, E. O. T.
Palavras-chave: Processamento de imagens
2
Visão por computador
Data do documento: 27-Jun-2014
Editor: Universidade Federal do Espírito Santo
Citação: GAZOLLI, K. A. S., Utilizando Contexto na Representação de Imagens para Classificação de Cenas
Resumo: A classifica¸cao de cenas ´e um campo bastante popular na ´area de visao computacional e encontra diversas aplica¸coes tais como: organiza¸cao e recupera¸cao de imagem baseada em conte´udo, localiza¸cao e navega¸cao de robos. No entanto, a classifica¸cao autom´atica de cenas ´e uma tarefa desafiadora devido a diversos fatores, tais como, ocorrencia de oclusao, sombras, reflexoes e varia¸coes nas condi¸coes de ilumina¸cao e escala. Dentre os trabalhos que objetivam solucionar o problema da classifica¸cao autom´atica de cenas, estao aqueles que utilizam transformadas nao-param´etricas e aqueles que tem obtido melhora no desempenho de classifica¸cao atrav´es da explora¸cao da informa¸cao contextual. Desse modo, esse trabalho propoe dois descritores de imagens que associam informa¸cao contextual, ou seja, informa¸cao advinda de regioes vizinhas, a um tipo de transformada nao-param´etrica. O objetivo ´e propor uma abordagem que nao eleve demasiadamente a dimensao do vetor de caracter´ısticas e que nao utilize a t´ecnica de representa¸cao intermedi´aria bag-of-features, diminuindo, assim, o custo computacional e extinguindo a necessidade de informa¸cao de parametros, o que possibilita a sua utiliza¸cao por usu´arios que nao possuem conhecimento na ´area de reconhecimento de padroes. Assim, sao propostos os descritores CMCT (Transformada Census Modificada Contextual) e ECMCT (CMCT Estendido) e seus desempenhos sao avaliados em quatro bases de dados p´ublicas. Sao propostas tamb´em cinco varia¸coes destes descritores (GistCMCT, GECMCT, GistCMCT-SM, ECMCT-SM e GECMCT-SM), obtidas atrav´es da associa¸cao de cada um deles com outros descritores. Os resultados obtidos nas quatro bases de dados mostram que as representa¸coes propostas sao competitivas, e que provocam um aumento nas taxas de classifica¸cao, quando comparados com outros descritores.
URI: http://repositorio.ufes.br/handle/10/9708
Aparece nas coleções:PPGEE - Teses de doutorado

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
tese_3849_TeseGazolli.pdf10.01 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.