Visão Computacional

1.  Representação de 
     imagens
2.  Filtragem de imagens
3.  Detecção de Bordas
4.  Segmentação Simples
5.  Crescimento de Regiões
6.  Segmentação com
     Filtros
7.  Segmentação a Cores
8.  Análise de Texturas
9.  Análise de Texturas
     Multiescalar 
10. Redes Neurais
11. Morfologia Matemática
12. Convolução
13. Esqueletonização
14. Técnicas Estatísticas
15. Fractais
16. Reconhecimento de
      Formas
17. Representação de 
      Objetos
18. Quadtrees e Octrees
19. Visão Estereo
20. Inteligência Artificial
21. Controle de qualidade
22. Robótica
23. Medicina
24. Sensoriamento remoto

Prof. Aldo von Wangenheim

Currículo...
Publicações
Pesquisa
Projetos
Ensino de Graduação
Ensino de Pós Graduação 

Você lê?

Seminário Introdução à Visão Computacional Prof. Dr. rer. nat. Aldo von Wangenheim The Cyclops Project CPGCC - INE - UFSC

---

Introdução à Disciplina em 2005

1. Um Robô pode determinar se já visitou um lugar antes ou se já viu uma determinada peça que está em suas mãos.
2. Um sistema de recuperação baseada em conteúdo em um Banco de Dados de Imagens pode realizar uma busca no banco para encontrar um conjunto de imagens semelhante a uma imagem-exemplo fornecida ou com conteúdo similar a uma descrição de características fornecida. 
3. Um sistema de Mineração de Dados pode pesquisar um repositório de dados procurando por imagens similares a uma imagem dada.
4. Um sistema de vigilância pode reconhecer pessoas e intrusos.
5. ...e muitas outras aplicações.

Temas de Seminário em 2005

Medidas de Similaridade no Domínio do Valor: Estatísticas de Distribuição de Valores de Pixel.
Aluno: Kuesley
Engloba: Todas as medidas de similaridade de imagens que se baseiem unicamente em valores de pixel e não nas relações de pixels entre si. Aqui se pode fazer uma concessão, aceitando e explorando também medidas de similaridade que se baseiem em estatísticas de distribuição de pixels considerando a posição de grupos de pixels com determinados valores em diferentes regiões ou localizações das imagens ou então em relação entre si em regiões com ou sem mapas de distribuição.

Domínio do Espaço e Similaridade Morfológica com base em Regiões: Silhuetas, Mapas de Regiões, Mapas de Peso de Conjuntos de Pixels.
Aluno: Tiago Costa Pinto
Engloba: Tudo o que se baseia na posição de pixels e seus valores, conjuntos de pixels, formato e distribuição de regiões, formato e distribuição de silhuetas, detecção de silhuetas e sua utilização para comparação de imagens.  Mapas de matrizes de vizinhança também podem ser aceitos aqui desde que sejam para representar interrelacionamentos entre regiões.

Domínio do Espaço e Similaridade Morfológica com base em Formas de Bordas
Aluno: Marcelo Cendron
Engloba:  Todas as formas de comparação entre descrições de bordas de imagens, eventualmente transformadas em descrições como conjuntos poligonais de imagens. As bordas podem ser geradas por algoritmos simples como Roberts, Sobel ou Robinson, podem ser baseadas em algoritmos melhorzinhos como Canny ou podem ser baseadas em algoritmos complexos como Shaa'Shua. Essas bordas devem estar descritas de alguma forma que possa ser usada para se comparar bordas.

Domínio do Espaço e Similaridade Estrutural: Representações Topológicas, Esqueletos e Gramáticas de Grafos.
Aluno: Diego Dias Bispo Carvalho
Engloba:  Todo tipo de descrição estrutural de imagesn e suas formas de comparação. Podem ser mapas de relacionamento de regiões, mapas de matrizes de vizinhança, esqueletos e outros tipos de mapas topológicos, descrições algébricas de topologia como gramáticas de grafos, lógicas posicionais e outros modelos.

Domínio da Freqüência: Mapas de Texturas e Distribuição de Freqüências.
Aluno: Brian Tani
Engloba: Tudo o que servir para comparar texturas de imagens com base em resultados de análise de imagens no domínio da freqüência usando Fourier, Wavelets e Wavelet Packets. Mapas de matrizes de vizinhança de texturas também podem ser aceitos aqui desde que sejam para representar interrelacionamentos entre texturas entre imagens.

Modelos Multimodais: Cálculo de Diferenças, Matching Local X Global, Integração de Medidas e Descrições.
Aluno: Antonio  da Luz Júnior
Engloba:  Tudo o que utilize descrições de trechos de imagens juntamente com descrições globais e defina formas de comparação de imagens com base nestas descrições multicamadas/multimodais. Um exemplo seria uma aplicação que faz mapeamento de texturas em alguns lugares da imagem e udepois construa um modelo topologico da relação entre estas partes de texturas e procure por isso em outras imagens. Pode também ser um método que integre descrições de estruturas com descrições de silhueta e utilize esta descrição conjunta. Em suma, métodos que se baseiam na integração das técnicas descritas acima para realizar buscas mais complexas ou melhores.

Plano de Ensino e Cronograma de Apresentações
 

Transparências PPT:

• Aula #0 - Introdução 2005
• Aula #1 - Métodos no Domínio do Valor
• Aula #2 - Métodos no Domínio do Espaço - Parte I (Morfologia)
• Aula #3 - Métodos no Domínio do Espaço - Parte II (Bordas)
• Aula #4 - Métodos no Domínio do Espaço - Parte IV (Regiões)

Contato:

Tel.: +55-48-331 7552/9498
FAX: +55-48-331-9770
awangenh@inf.ufsc.br

O que estou lendo ? "In the Beginning was the Command Line" por Neal Stephenson. Veja aqui o que é...