Slide 1

Propaganda
BUSCA POR CONTEÚDO EM IMAGENS ATRAVÉS DE TRANSFORMAÇÕES WAVELET
APLICADA À IDENTIFICAÇÃO DE FOLHAS DE ESPÉCIES VEGETAIS.
André Della Libera Zanchetta,
Messias Meneguette Jr.,
Arlete Ap. Correia Meneguette
UNESP / FCT – Fac. de Ciência e Tecnologia / Presidente Prudente – SP
INTRODUÇÃO
Comumente, atividades relacionadas à identificação da espécie à qual
indivíduos vegetais superiores pertencem apresentam-se como bastante
dispendiosas devido ao processo da atual metodologia empregada,
baseada em constantes e repetitivas consultas a bibliografias
especializadas.
Considerando a grande variabilidade de formas e texturas que as folhas
das espécies vegetais apresentam e a facilidade de sua manipulação,
concluiu-se que a apresentação de um sistema automatizado de busca
por conteúdo de espécies vegetais a partir de imagens digitalizadas de
suas folhas se apresenta como um dos modelos ideais de ferramenta de
auxílio para tomada de decisões nesta atividade de identificação.
Dando continuidade a estudos anteriores, buscou-se desenvolver uma
versão on-line da ferramenta para este processo de busca baseada na
transformação wavelet das imagens.
listagem de espécies mais prováveis. A folha registrada em primeiro lugar,
dadas as condições da tomada da imagem (iluminação, sobretudo),
acabaram de fato por torna-la mais semelhante à imagem da folha
submetida, mesmo não pentencendo à mesma espécie.
Fig. 2: Resultado de experimento de busca realizado
Fig. 1: Exemplo de transformada wavelet
O tempo de processamento executando o sistema localmente (em uma
máquina com processador de 1.73GHz, dual-core, 32 bits e 2Gb de
memória) para a obtenção da resposta das folhas mais semelhantes a
partir da imagem submetida (resultado da figura 2), foi de 35 segundos.
A capacidade de pré-tratamento das imagens apresentou-se bastante
eficiente, retornando a resposta esperada na maioria dos testes (Fig. 3a),
mas em algumas situações a resposta foi insatisfatória (Fig. 3b).
OBJETIVOS
a
Implementação de algorítimos de pré-tratamento de imagens digitais de
fotos de folhas de árvores, de transformação wavelet destas imagens, de
armazenamento e de comparação das assinaturas wavelet extraídas em
linguagem Java, além da integração dos algoritmos citados em um
sistema web com interface facilmente utilizável.
b
METODOLOGIA
A metodologia abordada se baseia na transformação das imagens
coloridas das fotos de folhas em imagens em tons de cinza. A estas
imagens, tratadas como sinais bidimensionais finitos, é aplicada a
transformada wavelet do tipo Haar usando decomposição não-padrão
(piramidal) e, em seguida, são extraídos dois grupos de 60 valores, cada
com a utilização de um algoritmo (histograma e posição dos maiores
valores absolutos). Estes vetores são armazenados na base de dados do
sistema e são utilizados para realização das buscas por conteúdo.
Os algoritmos foram implementados sob a plataforma J2EE (Java para
web) e se basearam parcialmente em códigos desenvolvidos em
trabalhos anteriores que resultaram na primeira versão da ferramenta
Herbário Eletrônico.
Fig. 3: Exemplo de sucesso no pré-tratamento da imagem (a)
e exemplo de falha (b)
CONCLUSÃO
Foi possível constatar que a utilização do algoritmo proposto envolvento
as transformadas wavelet apresenta resultados promissores, mas que as
condições de tomada das imagens pode influenciar decisivamente no
resultado obtido, de forma que se propões o estudo de técnicas de prétratamento da imagem visando reduzir os impactos causados pelas
variações de luminosidade.
DISCUSSÃO DOS RESULTADOS
No decorrer do trabalho, desenvolveu—se a ferramenta web com
interface bastante simplificada e capaz de realizar atividades de
alimentação da base de dados, assim como a realização das buscas pela
metodologia proposta.
Em seguida à breve alimentação da base de dados do sistema, no qual
foram inseridas aproximadamente 15 imagens de folhas de vegetais,
realizou-se a busca por conteúdo através da submissão de uma foto de
uma folha de pé de amora, obtida por uma câmera digital comum, com
relativa baixa resolução, por uma pessoa diferente da pessoa que
registrou as imagens que alimentaram a base de dados do sistema e em
um ambiente diferente (influência da iluminação).
Excetuando-se a baixa quantidade de dados absolutos registrado na
base de dados do sistema, foram simuladas as condições reais na qual o
sistema seria aplicado pelo usuário final.
Como pode-se observar na figura 2, o sistema apresentou a resposta
esperada (registro da espécie de amora preta) em segundo lugar na
REFERÊNCIAS BIBLIOGRÁFICAS
• BOW, Sing-Tze. Pattern Recognition and Image Preprocessing – 2nd ed. 2002.
• HYMAN, Josh. Image Database Query Techniques: A Survey. University of California. Los
Angeles. 2007.
• JACOBS, Charles E.; Finkelstein, Adam; Salesin, David H. Fast Multiresolution Image
Quering. In Proceedings of SIGGRAPH’95, 277-286, ACM, 1995.
• JANSEN, A.; LA COUR-HARBO, A. Ripples in Mathematics: The Discrete Wavelet
Transform. 2001.
• VAN FLEET, Patrick J. Discrete Wavelet Transformations: an Elementary Approach With
Applications. 2008.
• WALKER, James S. A Primer on Wavelets and Their Scientific Applications – 2nd ed. 2008.
AGRADECIMENTOS
Opcional
unesp
Download