MODELOS MATEMÁTICOS PARA PROCESSAMENTO DE IMAGENS, UMA REVISÃO
Palavras-chave:
Processamento digital de imagens, Visão computacional, Algoritmos para procesamento de imagens, Modelos matemáticos.Resumo
No mundo moderno a necessidade de simplificação e obtençção de melhores resultados com o mínimo desprendimento de trabalho e recursos é cada vez mais procurado. Uma das formas mais desenvolvidas nos ultimos tempos para atingir esses objetivos é o processamento digital de imagens. O processamento digital de imagens é uma técnica computacional dedicada a extrair informações significativas de um objeto de estudo por meio de imagens e processar as informações apresentando um resultado. O processamento das imagens digitais são realizados por meio de modelos matemáticos descritos como rotinas computacionais, que objetivam o pré tratamento das imagens e a extração de informações relevantes. O objetivo deste trabalho é apresentar os principais modelos matemáticos utilizados para o processamento de imagens, juntamente com suas principais características,vantagens e desvantagens. Dentre os modelos apresentados os mais populares são MLP e CNN, que tem seu comportamento basedo em organismos humanos, e apresentam resultados relevantes com uma pequena complexidade. No entanto existem algoritmos de simples concepção que possuem resultados muito similares aos demais e empregam uma metodologia matemática muito mais simplificada. O processamento digital de imagens tem sido largamente empregado em todos os setores produtivos, visando sempre a automação e simplificação dos processos, diante deste fato o desenvolvimento de novas tecnologias e métodos de análise de imagem e desenvolvimento de novas tecnologias se fazem necessários.
Referências
Sólus, D., Turán, L. O. J., “Optical correlator in industrial image pattern recognition system” Carpathian Journal of Electronic and Computer Engineering, vol. 9 ED-2, pp. 27-31, Jan. 2016
Righi, M., D’Acunto, M., Salvetti, O. “An image enhancement tool: Patter Recognition image augmented resolution”, Pleiades Publishing, vol. 26, pp. 518-523, May 2016.
X. ZOU and J. ZHAO, Nondestructive Measurement in Food and Agro-Products. Beijing, CN: Springer, 2015.
LEFEBVRE M, GIL DS, BRUNET E, NATONEK C, BAUR P, GUGERLI, PT, Computer vision and agricultural robotics for disease control: the potato
operation. Computer Electron Agriculture vol 9, pp. 85–102, 1993.
AVUÇULA E, BASÇIFTÇI F,New approaches to determine age and gender in image processingtechniques using multilayer perceptron neural network. Applied Software Computing, Elsevier, vol. 80, pp. 157-168, may 2018.
Meyer, F., Beucher, S., 1990. Morphological segmentation. J. Vis. Commun. Image Represent. 1 (1), 21–46.
Yong Luo, Tongliang Liu, Dacheng Tao,. Decomposition-Based Transfer Distance Metric Learning for Image Classification. ieee transactions
on image processing, vol. 23, no. 9, september 2014
L.O. Chua, L. Yang, IEEE Trans. Circuits Systems 35 (1988) 1257
B. Epshtein, E. Ofek, Y. Wexler, Detecting text in natural scenes with stroke width transform, Computer Vision and Pattern Recognition, 2011, pp. 2963–2970.
J.F. Canny, A computational approach to edge detection, IEEE Trans. Pattern Anal. Mach. Intell. 8 (6) (1986) 679–698.
M. Basavanna, P. Shivakumara, S.K. Srivatsa, G. Kumar, Multi-oriented text detection in scene images, Int. J. Pattern Recognit. Artif. Intell. 26 (07) (2013) 1255010– 1255010-19.
Wei Y., Wei S., Zeng D., Ye L., Zhang Z., Multi-oriented text detection from natural scene images based on a CNN and pruning non-adjacent graph edges, Signal Processing:Image Comunication, Elsevier, Ed 64, pp. 89-98, march 2018.
Ye J., Shen Z., Behrani P., Ding F., Shi Y., Detecting USM image sharpening by using CNN, Signal Processing: Image Comunication, Elsevier, Ed 64, pp. 258-264, may 2018.
Downloads
Publicado
Declaração de Disponibilidade de Dados
DisponívelEdição
Seção
Categorias
Licença
Este trabalho está licenciado sob uma licença Creative Commons Attribution-ShareAlike 4.0 International License.
Os autores mantêm os direitos autorais sobre os trabalhos publicados nesta revista, concedendo à SIMPROIN o direito de primeira publicação. O conteúdo está licenciado sob uma Licença Creative Commons Atribuição-CompartilhaIgual 4.0 Internacional (CC BY-SA 4.0), que permite copiar, redistribuir, remixar, transformar e criar a partir do material para qualquer finalidade, inclusive comercial, desde que seja atribuída a autoria e feita referência à publicação original nesta revista.
Os autores concordam que qualquer reutilização de seu trabalho por terceiros deve incluir o nome dos autores, o título do artigo, o nome da revista, o DOI (quando disponível) e o link para a licença.
É permitido e incentivado que os autores disponibilizem a versão publicada do trabalho em repositórios institucionais, sites pessoais ou redes acadêmicas imediatamente após a publicação, com menção à publicação inicial nesta revista.
