Este documento apresenta um estudo comparativo de diferentes combinações de detectores e descritores de pontos-chave, aplicados em pares de imagens (objeto/cena) onde as imagens da cena foram degradadas por borramento, escala, iluminação, rotação, ruído e todas essas degradações ao mesmo tempo. Os resultados deste estudo podem ser importantes para escolher estas técnicas em aplicações que requerem alta precisão, baixo tempo de processamento ou tratamento de imagens previamente degradadas.
1) O documento apresenta 10 questões sobre geometria analítica envolvendo conceitos como circunferência, elipse, hipérbole, parábola e sistemas de equações.
2) A questão 1 calcula a menor distância entre o Sol e o cometa Halley, modelado por uma elipse.
3) A questão 6 determina o lugar geométrico de pontos P tal que a relação entre as distâncias AP e BP seja constante, correspondendo a uma circunferência.
1) O documento discute funções e suas aplicações em matemática, apresentando conceitos como domínio, contradomínio, imagem, gráficos de funções, representações de funções e exemplos de funções como linear, polinomial, exponencial.
2) São apresentados tipos de conjuntos numéricos e operações entre conjuntos. Introduz também o sistema cartesiano e o conceito de par ordenado.
3) Exemplos e exercícios ilustram conceitos como funções definidas por partes, função módulo, simetrias, fun
O documento explica como desenhar objetos em perspectiva lançando as coordenadas de seus vértices em um sistema de eixos cartesianos. Primeiro, os eixos são desenhados de acordo com o tipo de perspectiva. Em seguida, mostra como lançar as coordenadas de pontos pertencentes ou não a um plano de projeção, traçando linhas auxiliares entre as projeções do ponto nos diferentes planos até encontrar sua posição no espaço. Por fim, explica como lançar vários pontos de forma simplificada considerando a ordem sequencial XYZ.
1) O documento apresenta uma revisão de matemática com 11 questões sobre probabilidade, geometria, entre outros tópicos.
2) A questão 20 trata de um experimento que analisou o crescimento de bactérias em meio de cultura durante 10 horas. Após 10 horas, bactérias foram transferidas para um novo meio.
3) A questão 21 se refere ao número de bactérias encontradas no novo meio após 3 horas, que é igual a 27 milhares segundo a curva compatível.
1) O documento descreve propriedades geométricas de seções transversais, incluindo momento estático, centro de gravidade e momento de inércia.
2) O momento estático é definido como a contribuição de cada elemento de área para o momento em torno de um eixo, e é calculado por integrais.
3) O centro de gravidade é o ponto onde os momentos estáticos em torno de dois eixos ortogonais se anulam, e pode ser calculado a partir dos momentos estáticos.
1) O documento descreve um método para extrair malhas viárias de imagens de alta resolução utilizando técnicas de morfologia matemática como erosão, dilatação, esqueletização e reconstrução.
2) A morfologia matemática é aplicada para processar digitalmente imagens e extrair características como rodovias, utilizando operações morfológicas básicas e derivadas.
3) O método é testado com sucesso para extrair parte da rodovia Presidente Dutra em imagens da região de São José dos Campos
O documento apresenta 11 problemas de geometria vetorial envolvendo cálculos com vetores, produto vetorial e misto. Os problemas incluem determinar coordenadas de vetores, valores que satisfaçam certas condições geométricas, áreas e volumes de figuras geométricas definidas por vetores.
1) O documento apresenta exercícios de trigonometria sobre arcos, redução ao primeiro quadrante e relações trigonométricas.
2) Os exercícios envolvem cálculos de arcos, seno, cosseno e tangente para ângulos em graus e radianos.
3) As questões abordam conceitos como relógio, pista circular, sombras e expressões trigonométricas.
1) O documento apresenta 10 questões sobre geometria analítica envolvendo conceitos como circunferência, elipse, hipérbole, parábola e sistemas de equações.
2) A questão 1 calcula a menor distância entre o Sol e o cometa Halley, modelado por uma elipse.
3) A questão 6 determina o lugar geométrico de pontos P tal que a relação entre as distâncias AP e BP seja constante, correspondendo a uma circunferência.
1) O documento discute funções e suas aplicações em matemática, apresentando conceitos como domínio, contradomínio, imagem, gráficos de funções, representações de funções e exemplos de funções como linear, polinomial, exponencial.
2) São apresentados tipos de conjuntos numéricos e operações entre conjuntos. Introduz também o sistema cartesiano e o conceito de par ordenado.
3) Exemplos e exercícios ilustram conceitos como funções definidas por partes, função módulo, simetrias, fun
O documento explica como desenhar objetos em perspectiva lançando as coordenadas de seus vértices em um sistema de eixos cartesianos. Primeiro, os eixos são desenhados de acordo com o tipo de perspectiva. Em seguida, mostra como lançar as coordenadas de pontos pertencentes ou não a um plano de projeção, traçando linhas auxiliares entre as projeções do ponto nos diferentes planos até encontrar sua posição no espaço. Por fim, explica como lançar vários pontos de forma simplificada considerando a ordem sequencial XYZ.
1) O documento apresenta uma revisão de matemática com 11 questões sobre probabilidade, geometria, entre outros tópicos.
2) A questão 20 trata de um experimento que analisou o crescimento de bactérias em meio de cultura durante 10 horas. Após 10 horas, bactérias foram transferidas para um novo meio.
3) A questão 21 se refere ao número de bactérias encontradas no novo meio após 3 horas, que é igual a 27 milhares segundo a curva compatível.
1) O documento descreve propriedades geométricas de seções transversais, incluindo momento estático, centro de gravidade e momento de inércia.
2) O momento estático é definido como a contribuição de cada elemento de área para o momento em torno de um eixo, e é calculado por integrais.
3) O centro de gravidade é o ponto onde os momentos estáticos em torno de dois eixos ortogonais se anulam, e pode ser calculado a partir dos momentos estáticos.
1) O documento descreve um método para extrair malhas viárias de imagens de alta resolução utilizando técnicas de morfologia matemática como erosão, dilatação, esqueletização e reconstrução.
2) A morfologia matemática é aplicada para processar digitalmente imagens e extrair características como rodovias, utilizando operações morfológicas básicas e derivadas.
3) O método é testado com sucesso para extrair parte da rodovia Presidente Dutra em imagens da região de São José dos Campos
O documento apresenta 11 problemas de geometria vetorial envolvendo cálculos com vetores, produto vetorial e misto. Os problemas incluem determinar coordenadas de vetores, valores que satisfaçam certas condições geométricas, áreas e volumes de figuras geométricas definidas por vetores.
1) O documento apresenta exercícios de trigonometria sobre arcos, redução ao primeiro quadrante e relações trigonométricas.
2) Os exercícios envolvem cálculos de arcos, seno, cosseno e tangente para ângulos em graus e radianos.
3) As questões abordam conceitos como relógio, pista circular, sombras e expressões trigonométricas.
1) O documento é uma lista de exercícios de geometria para o 1o ano com 22 questões sobre trigonometria.
2) A lista inclui exercícios sobre adição e subtração de arcos, multiplicação de arcos e relações trigonométricas.
3) Um dos exercícios descreve mergulhadores cortando árvores submersas na represa de Tucuruí no Brasil.
1) O documento é uma lista de exercícios de geometria para o 2° ano do ensino médio, preparada pelo professor Carlinhos em Teresópolis, em maio de 2012.
2) A lista contém 31 exercícios sobre funções trigonométricas, período, conjunto imagem, gráficos e outras propriedades de funções.
3) Os exercícios envolvem cálculos, interpretação de gráficos e escolha da alternativa correta.
O documento explica o que são curvas de nível e como elas representam gráficamente funções de duas variáveis. As curvas de nível são conjuntos de pontos no plano xOy com a mesma imagem z. O documento fornece exemplos de curvas de nível para funções como z=x2+y2 e discute como elas podem representar quantidades físicas como temperatura, pressão e potencial.
1) A aula explica os conceitos de refração da luz ao passar de um meio para outro, como ar e vidro, e como isso pode ser representado matematicamente.
2) Também aborda o funcionamento de dioptros planos e prismas ópticos, além de explicar como a dispersão luminosa ocorre devido à variação do índice de refração em função da cor.
3) Por fim, apresenta prismas de reflexão total, usados para desviar raios de luz em ângulo de 45 graus.
O documento apresenta conceitos fundamentais sobre vetores no plano e no espaço, incluindo definição de vetor, operações com vetores, módulo de vetor, produto escalar e representação de vetores em função de uma base.
O documento discute algoritmos de remoção de superfícies ocultas em computação gráfica, comparando abordagens baseadas em lista de prioridades e algoritmos de varredura de linha. Especificamente, descreve o algoritmo de ordenação em profundidade, o algoritmo do pintor e o algoritmo Z-buffer, explicando como cada um determina a ordem de desenho dos objetos para assegurar a remoção correta de superfícies ocultas.
Este documento descreve um programa chamado GOP que utiliza o método dos elementos finitos para analisar guias ópticos planares. O programa pode analisar tanto guias homogêneos quanto guias formados por difusão de íons de titânio em substratos de niobato de lítio. Ele fornece uma interface gráfica para entrada de dados e visualização dos resultados das análises numéricas de modos ópticos guiados.
1) O documento apresenta 9 questões de matemática sobre áreas de figuras planas e relações entre circunferências.
2) A questão 7 pede para calcular a área de um quadrilátero formado por parte de um triângulo retângulo dividido ao meio.
3) A questão 10 compara a área de um semicírculo com a de um triângulo.
O documento discute projeções geométricas e seu uso em computação gráfica. Primeiro, apresenta transformações afins como translação, escalamento e rotação. Em seguida, classifica projeções planares em paralelas e perspectivas e descreve suas formas algébricas. Por fim, explica como bibliotecas gráficas usam esquemas de transformações para manipular objetos 3D de acordo com conceitos de projeção.
Este documento apresenta exemplos e exercícios sobre funções e suas aplicações em diferentes situações. Na primeira situação de aprendizagem, discute-se sobre grandezas que dependem de outras variáveis e exemplos de funções, incluindo circunferência em função do raio, área em função do lado de um quadrado e massa em função do tempo de decomposição. A segunda situação trata da construção de gráficos funcionais. A terceira aborda as formas básicas de crescimento e decrescimento linear, exponencial e logarítmica.
O documento discute funções matemáticas, incluindo:
1) Noções intuitivas de funções através de exemplos de relações entre variáveis como o perímetro e o lado de um quadrado.
2) Definição formal de função usando conjuntos, com exemplos ilustrativos.
3) Representação gráfica de funções no plano cartesiano, com exercícios de plotagem de pontos e reconhecimento de figuras geométricas.
Este documento fornece um tutorial sobre Java 3D em 6 exemplos. O primeiro exemplo mostra como criar um programa básico com um cubo colorido. O segundo exemplo adiciona iluminação para mostrar o cubo em 3D. O terceiro exemplo demonstra como posicionar objetos usando coordenadas x, y, z e grupos de transformação. O quarto exemplo explica como alterar a aparência de objetos, como cor e materiais. O quinto exemplo cobre a interface do usuário em Java 3D. O sexto e último exemplo trata de animação e interação.
1) O documento discute os fundamentos e aplicações da geoestatística, com foco na técnica de krigeagem para interpolação espacial.
2) A geoestatística leva em conta a dependência espacial entre observações, diferentemente de métodos estatísticos convencionais.
3) O semivariograma é uma ferramenta chave da geoestatística para quantificar a variação espacial de um fenômeno, permitindo modelar a estrutura de dependência espacial dos dados.
O documento discute modelagem sísmica usando a equação da onda acústica resolvida numericamente. Aborda tópicos como meios acústicos, modelagem acústica com diferenças finitas, estabilidade de esquemas numéricos e migração reversa no tempo para imageamento.
Notas de aulas de Geometria Analítica traz muitos exercícios resolvidos de conteúdos que são estudados no primeiro semestre dos cursos de Engenharia, além da teoria bem estruturada para apoiar os conceitos. Bons estudos e força sempre.
O documento apresenta uma introdução ao estudo de funções matemáticas. Aborda conceitos como domínio, imagem e contradomínio de funções, representações gráficas e algébricas de funções, funções exponenciais e logarítmicas, funções compostas e inversas. O texto destaca a importância histórica de matemáticos como Euler e Leibniz no desenvolvimento da teoria de funções.
O documento discute derivadas direcionais, que fornecem a taxa de variação de uma função de várias variáveis em qualquer direção. A derivada direcional é definida como o limite da taxa de variação da função ao longo de uma reta na direção de um vetor unitário. Ela pode ser calculada como a combinação linear das derivadas parciais com os componentes do vetor unitário. Exemplos ilustram o cálculo da derivada direcional em diferentes situações.
O documento discute a edição e distribuição dos Cadernos do Aluno para estudantes da rede estadual de ensino em 2009. Os professores contribuíram com sugestões para aperfeiçoar o material, que foi revisado para a edição de 2010. Quando receberem a nova edição, os professores devem analisar as alterações para estarem preparados para suas aulas.
O documento discute as seções cônicas, curvas planas obtidas da interseção de um plano com um cone de revolução. Apresenta breve histórico sobre o estudo destas curvas desde a Grécia Antiga, destacando contribuições de Arquimedes, Apolônio, Galileu e Newton. Em seguida, define e apresenta as equações das principais seções cônicas: elipse, hipérbole, parábola e circunferência.
1) O documento apresenta os conceitos de produto escalar e produto vetorial entre vetores no espaço R3.
2) O produto escalar é definido como o número real θ⋅⋅=⋅ cos|v||u|vu, onde θ é o ângulo entre os vetores u e v. Já o produto vetorial é definido como um vetor.
3) São apresentadas propriedades e interpretações geométricas desses produtos, como a relação entre o módulo do produto escalar e a projeção de um vetor na direção do
Jane Rosa da Silva, “A fragmentacáo corporativa-ctegorial-territorial e os límites para a incorporacao da discursao de genero nos sindicatos docentes de Presidente Prudente (Sao Pablo)”, V Seminario Internacional de la Red ASTE, 11 al 13 de noviembre de 2015, Rosario.
1) O documento é uma lista de exercícios de geometria para o 1o ano com 22 questões sobre trigonometria.
2) A lista inclui exercícios sobre adição e subtração de arcos, multiplicação de arcos e relações trigonométricas.
3) Um dos exercícios descreve mergulhadores cortando árvores submersas na represa de Tucuruí no Brasil.
1) O documento é uma lista de exercícios de geometria para o 2° ano do ensino médio, preparada pelo professor Carlinhos em Teresópolis, em maio de 2012.
2) A lista contém 31 exercícios sobre funções trigonométricas, período, conjunto imagem, gráficos e outras propriedades de funções.
3) Os exercícios envolvem cálculos, interpretação de gráficos e escolha da alternativa correta.
O documento explica o que são curvas de nível e como elas representam gráficamente funções de duas variáveis. As curvas de nível são conjuntos de pontos no plano xOy com a mesma imagem z. O documento fornece exemplos de curvas de nível para funções como z=x2+y2 e discute como elas podem representar quantidades físicas como temperatura, pressão e potencial.
1) A aula explica os conceitos de refração da luz ao passar de um meio para outro, como ar e vidro, e como isso pode ser representado matematicamente.
2) Também aborda o funcionamento de dioptros planos e prismas ópticos, além de explicar como a dispersão luminosa ocorre devido à variação do índice de refração em função da cor.
3) Por fim, apresenta prismas de reflexão total, usados para desviar raios de luz em ângulo de 45 graus.
O documento apresenta conceitos fundamentais sobre vetores no plano e no espaço, incluindo definição de vetor, operações com vetores, módulo de vetor, produto escalar e representação de vetores em função de uma base.
O documento discute algoritmos de remoção de superfícies ocultas em computação gráfica, comparando abordagens baseadas em lista de prioridades e algoritmos de varredura de linha. Especificamente, descreve o algoritmo de ordenação em profundidade, o algoritmo do pintor e o algoritmo Z-buffer, explicando como cada um determina a ordem de desenho dos objetos para assegurar a remoção correta de superfícies ocultas.
Este documento descreve um programa chamado GOP que utiliza o método dos elementos finitos para analisar guias ópticos planares. O programa pode analisar tanto guias homogêneos quanto guias formados por difusão de íons de titânio em substratos de niobato de lítio. Ele fornece uma interface gráfica para entrada de dados e visualização dos resultados das análises numéricas de modos ópticos guiados.
1) O documento apresenta 9 questões de matemática sobre áreas de figuras planas e relações entre circunferências.
2) A questão 7 pede para calcular a área de um quadrilátero formado por parte de um triângulo retângulo dividido ao meio.
3) A questão 10 compara a área de um semicírculo com a de um triângulo.
O documento discute projeções geométricas e seu uso em computação gráfica. Primeiro, apresenta transformações afins como translação, escalamento e rotação. Em seguida, classifica projeções planares em paralelas e perspectivas e descreve suas formas algébricas. Por fim, explica como bibliotecas gráficas usam esquemas de transformações para manipular objetos 3D de acordo com conceitos de projeção.
Este documento apresenta exemplos e exercícios sobre funções e suas aplicações em diferentes situações. Na primeira situação de aprendizagem, discute-se sobre grandezas que dependem de outras variáveis e exemplos de funções, incluindo circunferência em função do raio, área em função do lado de um quadrado e massa em função do tempo de decomposição. A segunda situação trata da construção de gráficos funcionais. A terceira aborda as formas básicas de crescimento e decrescimento linear, exponencial e logarítmica.
O documento discute funções matemáticas, incluindo:
1) Noções intuitivas de funções através de exemplos de relações entre variáveis como o perímetro e o lado de um quadrado.
2) Definição formal de função usando conjuntos, com exemplos ilustrativos.
3) Representação gráfica de funções no plano cartesiano, com exercícios de plotagem de pontos e reconhecimento de figuras geométricas.
Este documento fornece um tutorial sobre Java 3D em 6 exemplos. O primeiro exemplo mostra como criar um programa básico com um cubo colorido. O segundo exemplo adiciona iluminação para mostrar o cubo em 3D. O terceiro exemplo demonstra como posicionar objetos usando coordenadas x, y, z e grupos de transformação. O quarto exemplo explica como alterar a aparência de objetos, como cor e materiais. O quinto exemplo cobre a interface do usuário em Java 3D. O sexto e último exemplo trata de animação e interação.
1) O documento discute os fundamentos e aplicações da geoestatística, com foco na técnica de krigeagem para interpolação espacial.
2) A geoestatística leva em conta a dependência espacial entre observações, diferentemente de métodos estatísticos convencionais.
3) O semivariograma é uma ferramenta chave da geoestatística para quantificar a variação espacial de um fenômeno, permitindo modelar a estrutura de dependência espacial dos dados.
O documento discute modelagem sísmica usando a equação da onda acústica resolvida numericamente. Aborda tópicos como meios acústicos, modelagem acústica com diferenças finitas, estabilidade de esquemas numéricos e migração reversa no tempo para imageamento.
Notas de aulas de Geometria Analítica traz muitos exercícios resolvidos de conteúdos que são estudados no primeiro semestre dos cursos de Engenharia, além da teoria bem estruturada para apoiar os conceitos. Bons estudos e força sempre.
O documento apresenta uma introdução ao estudo de funções matemáticas. Aborda conceitos como domínio, imagem e contradomínio de funções, representações gráficas e algébricas de funções, funções exponenciais e logarítmicas, funções compostas e inversas. O texto destaca a importância histórica de matemáticos como Euler e Leibniz no desenvolvimento da teoria de funções.
O documento discute derivadas direcionais, que fornecem a taxa de variação de uma função de várias variáveis em qualquer direção. A derivada direcional é definida como o limite da taxa de variação da função ao longo de uma reta na direção de um vetor unitário. Ela pode ser calculada como a combinação linear das derivadas parciais com os componentes do vetor unitário. Exemplos ilustram o cálculo da derivada direcional em diferentes situações.
O documento discute a edição e distribuição dos Cadernos do Aluno para estudantes da rede estadual de ensino em 2009. Os professores contribuíram com sugestões para aperfeiçoar o material, que foi revisado para a edição de 2010. Quando receberem a nova edição, os professores devem analisar as alterações para estarem preparados para suas aulas.
O documento discute as seções cônicas, curvas planas obtidas da interseção de um plano com um cone de revolução. Apresenta breve histórico sobre o estudo destas curvas desde a Grécia Antiga, destacando contribuições de Arquimedes, Apolônio, Galileu e Newton. Em seguida, define e apresenta as equações das principais seções cônicas: elipse, hipérbole, parábola e circunferência.
1) O documento apresenta os conceitos de produto escalar e produto vetorial entre vetores no espaço R3.
2) O produto escalar é definido como o número real θ⋅⋅=⋅ cos|v||u|vu, onde θ é o ângulo entre os vetores u e v. Já o produto vetorial é definido como um vetor.
3) São apresentadas propriedades e interpretações geométricas desses produtos, como a relação entre o módulo do produto escalar e a projeção de um vetor na direção do
Jane Rosa da Silva, “A fragmentacáo corporativa-ctegorial-territorial e os límites para a incorporacao da discursao de genero nos sindicatos docentes de Presidente Prudente (Sao Pablo)”, V Seminario Internacional de la Red ASTE, 11 al 13 de noviembre de 2015, Rosario.
Este documento describe las principales afecciones extracardíacas de la enfermedad de Chagas, incluyendo la enfermedad chagasica gastrointestinal que afecta el esófago y colon, la meningoencefalitis, los eventos isquémicos cerebrales y las alteraciones cognitivas y depresión. Explica la patogenia, manifestaciones clínicas y exámenes de diagnóstico de cada una de estas afecciones.
Positive psychology and game design & dynamics: Hind el AoufiBen Gilchriest
Presentation from a recent, joint Capgemini - Badgeville event in Sydney, Australia on the role of enterprise gamification in digital transformation.
How you approach change management and game design matters. In this presentation Hind el Aoufi, Gamification Consultant at Capgemini, provides details on the role of positive psychology in game design.
Capgemini Australia's Digital Transformation practice, focused on helping our clients find, size and catalyse digital opportunities, and Badgeville, the #1 gamification and behaviour management platform, work in partnership to leverage innovative gamification techniques to accelerate digital transformation in major organizations by engaging, rewarding and motivating employees and customers.
"Machinima: Symbiosis of the Participatory Digital Culture and the Game Indus...Sherry Jones
This document discusses machinima, which is defined as fan-generated videos created using existing game assets and codes. It examines the symbiotic relationship between machinimators and the game industry. The document also explores various methods for creating and distributing machinima, as well as issues around ownership, authorship, and intellectual property related to machinima. It provides examples of controversies between Nintendo and Let's Play video creators over monetization of gameplay videos. The document envisions potential educational uses of machinima and how it could blend real and virtual worlds or be used as a form of Theater of the Oppressed.
Ev docente-en-am-latina-ana-sneider (1)puntodocente
Ana Romina Sneider, “Las políticas de evaluación de los docentes en América Latina”, XX Seminario Internacional de Investigación deFormación de Profesores del MERCOSUR /CONOSUR, Noviembre de 2012, Concepción-Chile.
Course 7- Unit 9: Modals should and could. -Martin Caicedo
This document discusses modal verbs, focusing on should and could. It explains that modal verbs are special verbs that express ability, possibility, necessity or obligation of a main verb. Should is used to give advice, such as "you should go to the doctor." It has no conjugation. Could expresses ability or possibility, such as "you could go to the movies." Both should and could are followed by a base form of the main verb. Their negative forms are shouldn't and couldn't. More information on their uses can be found in Top Notch 1 and at the provided link.
Susana Vior y Karina Barrera, “Los cambios en la evaluación de los profesores y los sindicatos docentes en la Ciudad Autónoma de Buenos Aires (2003-2014)”, Revista Binacional Brasil-Argentina, Vol 3 N°2, diciembre 2014.
Dalam edisi ini :
Memperkenalkan mita kita
Keterbukaan Informasi Publik
Keberhasilan baru-baru ini
Dukungan melalui pendidikan
Kawasan Bernilai Konservasi Tinggi
Pemantauan dan Pelaporan Pelanggara Daerah-daerah baru
Penelitian SETAPAK
The Psychology of the Player & Game Character Design and Representation by Sh...Sherry Jones
Dec. 6, 2015 - This presentation explores many psychological theories that can help us understand how players think, and how game characters should be designed.
The Metagame Book Club is a K-12 and College professional development institution that offers free webinars, discussions, live chats, and other interactive activities on the topics of game-based learning, game studies, gamification, and games in general.
Interested in joining us? Visit our website here:
The Metagame Book Club
http://bit.ly/metagamebookclub
Este documento presenta información sobre la anatomía de la cabeza y el cuello. Explica que la anatomía es la ciencia que estudia la estructura del cuerpo humano mediante la disección u otros métodos. Luego, detalla por qué es importante estudiar la anatomía de la cabeza y el cuello para la odontología, incluyendo aplicaciones como el diagnóstico, endodoncia, cirugía bucal y más. Finalmente, provee detalles sobre la clasificación de las ciencias biológicas y la historia de la anatomía.
Pengenalan kepada topik pecahan dengan penerangan yang mudah difahami oleh pelajar. Bagaimana untuk menggunakan dan menulis pecahan?
----
Introduction to fraction in simplified version. Easy for kids to understand the concept.
http://riverofpuzzles.blogspot.my/2017/01/kenali-encik-pecahan.html
Estrategias para organoproteccion farmacológica durante la circulación extrac...Miguel Ayala
Este documento describe estrategias farmacológicas para la protección de órganos durante la circulación extracorpórea. Se discuten los mecanismos de daño por isquemia y reperfusión en el corazón, cerebro y riñones. Varios fármacos se han estudiado como inhibidores de PARP, MMP y la bomba sodio-hidrógeno para reducir la disfunción de órganos. Estos fármacos apuntan a procesos como la acumulación de calcio, depleción de ATP y la inflamación, los
YOU CAN USE THE STRUCTURE "AS...AS" TO:
1) Establish exact similarities between two things. For example, "The Mercedes Benz M-Class is as expensive as the BMW X5."
2) Establish very close similarities or small differences between two things. For example, "The Samsung Galaxy Tab is almost as big as the iPad. But it’s a little bit smaller."
3) Indicate differences between two things using "not as...as". For example, "The Volkswagen Beetle isn’t nearly as expensive as the Mercedes Benz M-Class."
How Alfa Laval moved from a potential content chaos to a stable measurable content environment.
Presented by Therese Tonning at Intranätverk 2015: Malmö, 24 September.
The document provides information about the individual's business profile, including their values, work style, cultural fit, competencies, sales orientation, potential business paths, and needs and wants in a franchise business. It finds that the individual is a societal, prefers a control culture, works as a connector, has strengths in leadership and vision with competencies complementing a business focused on developing relationships over time. Their needs suggest preference for businesses allowing impact, innovation, replication/simplification and a hands-off approach.
O documento descreve a aplicação do método de classificação k-Nearest Neighbors na base de dados Iris, introduzindo os conceitos-chave do método e apresentando resultados da classificação das flores Iris usando quatro atributos morfológicos.
Esta apresentação é uma introdução aos modelos de núcleo e ao algoritmo de Máquinas de Vetor de Suporte para a Classificação de Documentos. São discutidos métodos de modelagem de dados e o demonstrado o uso da biblioteca LIBSVM.
O documento discute técnicas exploratórias de visualização de dados, incluindo gráficos como boxplot, histograma, scatterplot e heatmap. Também aborda agrupamento de dados (clustering) hierárquico e k-means.
Este documento resume uma pesquisa sobre a segmentação de imagens de arte rupestre utilizando coordenadas estelares. O estudo propõe um algoritmo que mapeia os pixels de uma imagem para um sistema de coordenadas curvilíneas para agrupar pixels semelhantes e segmentar regiões de interesse. Testes em cinco imagens mostraram resultados promissores para pictogramas, mas limitados para petroglifos devido ao baixo contraste. Melhorias futuras incluem novos recursos de filtragem e interface mais interativa.
1. O documento descreve a implementação de uma estrutura de dados Kd-Tree em um algoritmo de Ray Tracing para acelerar o processo de detecção de interseções.
2. Uma Kd-Tree é construída de forma recursiva usando o algoritmo OSAH para determinar a melhor posição dos planos de divisão, visando minimizar o custo computacional.
3. A busca na Kd-Tree para encontrar as interseções de um raio é semelhante à busca binária, testando em qual subespaço está o ponto de origem do ra
O documento apresenta um caderno de atividades para alunos do 2o ano do ensino médio. As atividades abordam conteúdos de matemática, ciências da natureza, ciências humanas e linguagens. O caderno é uma ferramenta para auxiliar os alunos em sua jornada de aprendizagem.
Aula da disciplina de Cartografia e Geoprocessamento Aplicada ao Planejamento Territorial, UFABC, março de 2017.
Gravação da aula disponível em: https://youtu.be/2kuHpSv6mmM
Este documento apresenta um curso de MATLAB Avançado e Simulink dividido em duas partes. A primeira parte aborda conceitos básicos de MATLAB, criação e manipulação de matrizes, gráficos e processamento de imagens. A segunda parte tratará de variáveis simbólicas, programas em interface gráfica e Simulink.
O documento descreve um experimento sobre funções matemáticas utilizando sensores de posição. O objetivo era estabelecer uma relação entre a quantidade de capas de CD e a altura da pilha formada através da medição da distância do sensor. Os resultados mostraram uma função crescente bijetora entre essas grandezas.
1. O documento apresenta um guia para um software educacional sobre geometria do táxi, que introduz uma nova noção de distância baseada em coordenadas cartesianas e módulo de números.
2. O software contém duas atividades que calculam e comparam as distâncias euclidiana e do táxi entre pontos em um mapa de ruas.
3. O guia explica como usar o software, definindo os conceitos matemáticos envolvidos e instruindo o passo a passo das atividades.
Aula da disciplina de Cartografia e Geoprocessamento para o Planejamento Territorial, Universidade Federal do ABC (UFABC), março de 2024. Gravação: https://youtu.be/P3nOQ4J4FX8
A segmentação de imagens subdivide imagens em regiões ou objetos através de algoritmos que analisam características de pixels. Métodos incluem detecção de bordas usando gradientes e derivadas, limiarização de intensidade e agrupamento de regiões similares como no algoritmo K-Means.
O documento discute algoritmos para traçar primitivas gráficas em dispositivos matriciais. Aborda o traçado de retas usando o algoritmo DDA e o método do ponto médio, e também o traçado de circunferências usando simetria e o algoritmo do ponto médio.
Este documento apresenta três métodos de estação livre para determinar as coordenadas de um ponto desconhecido a partir de pontos de referência conhecidos. O primeiro método descreve o procedimento para o cálculo das coordenadas utilizando apenas dois pontos de referência. Os outros métodos utilizam programas internos de estações totais ou transformações de Helmert para o cálculo.
Análise multivariada aplicada à pesquisaCarlos Moura
O documento apresenta um índice detalhado sobre análise multivariada, incluindo conceitos básicos, estatísticas descritivas, distância, álgebra matricial, matriz de dados, análise de estrutura de covariância, discriminação e classificação, agrupamento, distribuição normal multivariada e comparação de vetores médios. O documento fornece uma introdução abrangente aos principais tópicos e métodos da análise multivariada.
Este documento discute análise exploratória de dados e ajuste de modelos lineares. Ele apresenta o objetivo de obter uma reta que se ajuste aos dados usando critérios de mínimos quadrados e métodos robustos. Também discute análises exploratórias de resíduos para validar o modelo ajustado.
O documento descreve três experimentos de classificação de imagens de satélite realizados com o classificador SVM. Os experimentos utilizaram imagens de Resende, Arraial do Cabo e Boulder e testaram diferentes características como cores e dados altimétricos. Os resultados numéricos dos experimentos incluíram índices como Kappa, acurácia, precisão e recall.
O documento discute modelos de regressão linear, descrevendo como eles podem ser usados para modelar a relação entre uma variável dependente (Y) e uma ou mais variáveis independentes (X). Explica como calcular os parâmetros da equação de regressão linear usando o método dos mínimos quadrados e como medir a precisão do modelo com o erro padrão da estimativa e o coeficiente de determinação.
Este documento apresenta a metodologia de superfície de resposta, que é uma técnica de otimização baseada em planejamentos fatoriais. A metodologia envolve duas etapas: modelagem inicial usando um planejamento fatorial para ajustar um modelo matemático aos dados; e deslocamento ao longo do caminho de máxima inclinação do modelo para localizar o ponto ótimo. Um exemplo numérico ilustra essas etapas para otimizar o rendimento de uma reação química variando a concentração de um reagente e a vel
O documento discute a aplicação de índices estatísticos como o Índice de Morisita e o teste de Durbin-Watson para análise de padrões espaciais em dados ecológicos. O Índice de Morisita é usado para determinar se o padrão espacial de plantas em um cerrado é aleatório, agregado ou regular, enquanto o teste de Durbin-Watson detecta autocorrelação espacial em dados coletados ao longo de uma transecção. O documento fornece exemplos numéricos destes
1. Evaluation of Keypoint Detectors and Descriptors
Francisco Assis da Silva1
, Maria Stela V. de Paiva2
1
Universidade do Oeste Paulista – Unoeste/FIPP
Presidente Prudente/SP, Brasil
2
Escola de Engenharia de São Carlos – Universidade de São
Paulo – USP, São Carlos/SP
chico@unoeste.br, mstela@sc.usp.br
Almir Olivette Artero, Marco Antonio Piteri
Universidade Estadual Paulista – Unesp
Faculdade de Ciências e Tecnologia – FCT
Presidente Prudente/SP, Brasil
{almir, piteri}@fct.unesp.br
Abstract—This paper presents a comparative study using
different combinations of keypoint detectors and descriptors,
applied in pairs of digital images (Object/Scene) in which the
scene images were degraded by: blurring, scale, lighting,
rotation, noise and all these degradations at the same time. All
combinations were analyzed using the detectors: SIFT, SURF,
FAST, STAR, MSER, GFTT (with Harris), GFTT and ORB; and
the descriptors: SIFT, SURF, BRIEF and ORB. The parameters
observed in this study are processing time, number of inliers and
generating of homographic matrix capable to accomplish
satisfactorily the matching between object and scene images. The
results of this study can be of great importance for the choice of
these techniques in applications that require high precision or
low processing time, or even treatment of images that have been
degraded in a previously known way.
Keywords — object recognition, local features, keypoint
detectors; keypoint descriptors.
I. INTRODUÇÃO
A identificação de pontos de interesse em imagens e a sua
descrição têm sido usadas em uma grande variedade de
aplicações, podendo-se citar: o reconhecimento de objetos [1]
[2][3][4], a construção de mosaicos de imagens [5], o
mapeamento visual [6], a reconstrução 3D [3], a recuperação
de imagem [2] e a localização de câmera [3]. Por conta disto,
ao longo dos últimos anos, surgiram várias propostas para
resolver este problema. Em geral, essa tarefa é realizada em
dois passos, sendo inicialmente usado um detector de pontos
chaves da imagem e, no passo seguinte, usado um descritor,
capaz de gerar atributos capazes de descrever os pontos chaves.
A inclusão dos algoritmos mais relevantes na biblioteca
OpenCV [7] tem facilitado bastante a implementação de
sistemas que usam estes recursos. Entretanto, a escolha de um
deles nem sempre é uma tarefa simples, por causa da falta de
informações a respeito de suas vantagens e desvantagens.
Assim, neste artigo, é apresentada uma análise da qualidade de
diferentes combinações detector / descritor destes operadores
mais conhecidos.
Um dos propósitos dos descritores locais invariantes é
prover uma representação que permita a correspondência de
estruturas locais entre imagens, o que é feito a partir da
obtenção de um conjunto de medidas locais que capturam a
essência das imagens [4]. Durante os últimos anos, métodos
usando descritores locais se tornaram os preferidos em
diferentes campos de Visão de Computacional.
Mudanças de escala, orientação, pontos de vista, ou
distorções como borramentos, alterações de iluminação ou
oclusão torna a tarefa de reconhecimento de objetos ainda mais
difícil. Investigações recentes [2][4][8][17] sugerem que o uso
de descritores locais é um bom caminho a seguir. Descritores
locais correspondem à informação que é provida pela área em
torno de um conjunto de pontos chave, que são distintos e têm
elevado conteúdo de informação. A comparação de dois
descritores locais é feita usando uma medida de distância,
como a distância Euclidiana, Hamming ou outra [8].
As demais seções deste artigo estão organizadas da seguinte
maneira: na Seção II são apresentados os principais detectores
e descritores de pontos chave; na Seção III é apresentado um
estudo comparativo, usando estes descritores em imagens que
sofreram degradações; por fim, são apresentadas as conclusões
e trabalhos futuros.
II. REVISÃO BIBLIOGRÁFICA
Nessa seção é apresentada uma revisão dos principais
algoritmos detectores e descritores de pontos chave,
disponíveis na biblioteca de Visão Computacional OpenCV
[7]. Os algoritmos investigados neste trabalho são:
• Detectores e Descritores: SIFT, SURF, ORB;
• Descritor: BRIEF;
• Detectores: FAST, STAR, MSER, GFTT (com Harris
ou CornerMinEigenVal – Autovalores).
A. SIFT
O algoritmo SIFT (Scale Invariant Feature Transform),
proposto por Lowe [1] consegue identificar e descrever pontos
chave em imagens, o que é feito através de um mapeamento
com diferentes vistas de um objeto ou cena, resultando em um
vetor com 128 valores que descrevem cada ponto chave da
imagem. O algoritmo consiste nas seguintes etapas:
Detecção de extremos no espaço-escala: os pontos chave
são detectados aplicando um filtro em cascata que identifica os
candidatos, que são invariantes à escala, usando uma função
que procura por descritores estáveis ao longo de diferentes
escalas. O espaço-escala é definido com a função L(x,y,σ) na
Equação 1, com uma imagem de entrada I(x,y) [9].
2. L(x,y,σ) = G(x,y,σ) * I(x,y) (1)
onde * é a convolução com a Gaussiana G(x,y,σ) na Equação 2.
222
2/)(
2
2
1
),,( σ
πσ
σ yx
eyxG +−
= (2)
Para detectar localização de pontos chave estáveis no
espaço-escala, Lowe [10] propôs o uso da função de diferença
Gaussiana (DoG) no espaço-escala convoluída com a imagem
I(x,y), resultando em D(x,y,σ), a qual pode ser calculada a
partir de duas escalas próximas separadas por um fator
multiplicativo constante k, como na Equação 3.
D(x,y,σ) = (G(x,y,kσ) – G(x,y,σ)) * I(x,y) (3)
Detecção de extremos locais: a partir de D(x,y,σ),
Lowe [1] sugere que os máximos e mínimos locais devem ser
detectados pela comparação de cada pixel com os seus oito
vizinhos na imagem corrente e nove vizinhos nas escalas
superior e inferior (26 vizinhos).
Atribuição de orientação: a escala do ponto chave é usada
para selecionar a imagem suavizada pela Gaussiana L, com a
escala mais próxima, de modo que toda a computação seja
realizada de modo invariante à escala. O gradiente de
magnitude m(x,y) é obtido com a Equação 4.
22
),( yxyxm ∆+∆= (4)
onde ∆x = L(x + 1, y) − L(x − 1, y) e ∆y = L(x, y + 1) −
L(x, y − 1). A orientação θ(x,y) é calculada pela Equação 5.
)/arctan(),( xyyx ∆∆=θ (5)
Descrição dos pontos chave: calcula um descritor para
cada região da imagem local, que é distinta e invariante a
variações adicionais, tais como mudanças na iluminação ou
ponto de vista 3D.
B. SURF
SURF (Speeded Up Robust Features Algorithm) [11] é um
detector e descritor de pontos chave invariante a rotação e a
escala, que é computacionalmente muito rápido. O detector de
descritores SURF é baseado na matriz Hessiana. O
determinante da matriz Hessiana é usado para determinar a
localização e escala do descritor. Dado um ponto p = (x,y) na
imagem I, a matriz Hessiana H(x,σ) em p na escala σ é
definida como segue:
=
),(),(
),(),(
),(
σσ
σσ
σ
xLxL
xLxL
xH
yyxy
xyxx
(6)
onde ),( σxLxx
é a convolução da derivada de segunda ordem
da Gaussiana )(2
2
σg
x∂
∂ com a imagem I no ponto p, e
similarmente para ),( σxLxy
e ),( σxLyy
. A matriz de
determinantes Hessianos é escrita como:
2
)9.0()( xyyyxxapprox DDDHdet −= (7)
Para localizar pontos de interesse sobre escalas, é aplicada
uma supressão não máxima em uma vizinhança 3x3x3.
O descritor SURF é extraído em duas etapas: a primeira
etapa é a atribuição de uma orientação com base nas
informações de uma região circular em torno dos pontos de
interesse detectados. A orientação é computada usando
respostas Haar-wavelet, nas direções x e y, que são pesadas
com uma Gaussiana (σ = 3.3s) centrada no ponto de interesse
a fim de aumentar a robustez às deformações geométricas, e
respostas Wavelet em direções dx horizontal e vertical dy são
adicionadas em cada sub-região. Os valores absolutos |dx| e |dy|
são somados a fim de obter informação sobre a polaridade das
alterações da intensidade da imagem. Portanto, cada sub-
região tem um vetor v de descritor de quatro dimensões.
( )∑ ∑ ∑∑= yxyx ddddV ,,, (8)
Isso resulta em um vetor de descritores para todas as sub-
regiões 4x4 de tamanho 64.
C. BRIEF
Binary Robust Independent Elementary Features (BRIEF)
[12] é um eficiente descritor binário com base em testes de
diferença de intensidade, que visa ser eficiente em memória e
rápido para calcular e realizar a correspondência. Ao contrário
do SIFT ou SURF, não calcula uma orientação do ponto chave
e, portanto, não é invariante às rotações de imagem. Com base
em uma distribuição gaussiana com média µ = 0 e desvio
padrão 2
25
1
S=σ , um conjunto de n pares de pontos é usado
para calcular o teste de intensidade τ em uma região p de
tamanho SxS como:
<
=
contráriocaso0
,)(pp(x)if1
),;p(
y
yxτ (9)
Para construir um descritor BRIEF, um conjunto de
comparações pré-definidas de pixel é realizado. Este teste
padrão é um conjunto de nd pares de coordenadas de pixels
(x,y) que devem ser comparados em cada região da imagem.
Um descritor é então definido como uma sequência de bits
nd-dimensional:
∑≤≤
−
=
d
d
ni
ii
i
n yxτf
1
1
),;p(2)p( (10)
D. ORB
Baseado no descritor BRIEF, o descritor ORB [13] tenta
cobrir a variância de rotação e escala do BRIEF. O ORB usa a
abordagem FAST-9 como detector. Após a detecção dos
descritores em uma pirâmide de escala, todos os pontos chave
são classificados em uma linha com base no descritor de
cantos de Harris e, somente os N pontos da parte superior são
escolhidos. Uma métrica chamada centróide de intensidade C
é calculada com m momentos na região:
=
00
01
00
10
,
m
m
m
m
C (11)
onde: ∑=
yx
qp
pq yxIyxm
,
),(
3. A orientação de um vetor a partir do centro da região para
o centróide de intensidade é dada por:
),(2arctan 1001 mm=θ (12)
Usando a orientação θ da região e a correspondente matriz
de rotação Rθ para rotacionar os descritores da região, então o
descritor BRIEF é aplicado aos descritores rotacionados e
registra a sequência binária como descritor ORB. O descritor
ORB é muito rápido por causa da natureza binária, além disso,
é invariante em relação à rotação e escala.
E. FAST
O detector de cantos FAST (Features from Accelerated
Segment Test) [14] consiste em dois passos. No primeiro, um
teste de segmentos é aplicado em cada canto candidato P.
Dezesseis pixels em torno de P são considerados nesse teste
de segmentos. Sendo que Ip denota o brilho de P e t um valor
limiar configurável, se n pixels contíguos no círculo são todos
mais brilhantes do que Ip + t, ou mais escuros do que Ip – t, o
candidato P é definido como um canto.
A Fig. 1(b) ilustra doze pontos de teste de segmentos da
detecção de cantos em uma região da imagem.
(a) (b)
Fig. 1. Doze pontos de teste de segmentos da detecção de cantos usando o
FAST [14] (pixels pertencentes ao arco na imagem – linha tracejada).
É demonstrado que os melhores resultados são obtidos
quando n = 9, daí o nome FAST-9 [14]. A ordem para o teste
dos pixels vizinhos no círculo é obtida com o algoritmo ID3.
Como o teste de segmentos produz muitas respostas
adjacentes ao redor do ponto de interesse, utiliza-se uma
supressão não máxima com uma função de pontuação V, que é
definida como:
−−−−= ∑∑ ⊂
→
⊂
→
darkbright Sx
xpp
Sx
pxp tIItIIV ,max (13)
aplicada para remover cantos que têm um canto adjacente com
V maior. Por causa de sua eficiência [15], o FAST se tornou
um dos mais utilizados em aplicações em tempo real [16][17].
F. STAR
O detector STAR é derivado do detector CenSurE (Center
Surround Extrema) [18]. Assim como o SURF, o CenSurE é
baseado em filtros invariantes à rotação. A resposta do filtro é
calculada para sete escalas e cada pixel da imagem. Em
contraste com SIFT e SURF o tamanho da amostra é constante
em cada escala e conduz a uma resolução espacial completa
em todas as escalas. Etapas de pós-processamento são feitas
usando a supressão não máxima e supressão de linhas.
Descritores que se encontram ao longo de uma borda ou linha
são detectados devido à matriz Gradiente.
G. MSER
O detector MSER (Maximally-Stable Extremal Region
Extractor) [19] foi projetado para detectar subconjuntos
invariantes afins de máximos estáveis de regiões extremas.
MSER são detectados por binarização consecutiva em uma
imagem, usando um limiar, que é aplicado considerando o
valor mínimo e máximo de intensidade na imagem. Em cada
passo um conjunto de regiões Φ é calculado por análise de
componentes conectados. A resposta do filtro para cada região
i é definida como:
qi = |Φi+∆/Φi−∆|/|Φi| (14)
onde |…| denota a cardinalidade e i±∆ a região no
∆−nésimo limiar inferior ou superior. Os MSER são
identificados pelo mínimo local de q.
H. GFTT
O método GFTT (Good Features To Track Detector) [20]
foi projetado para detectar padrões de cantos. A matriz de
gradiente G é computada para cada pixel como:
∑Ω
= 2
2
yyx
yxx
III
III
G (15)
com o valor de intensidade I(x, y) de uma imagem em tons de
cinza e derivadas espaciais Ix, Iy para uma região especificada
Ω. A matriz de gradiente é implementada por meio de imagens
integrais para 2
xI , 2
yI e yx II . Devido ao uso de imagens
integrais, a complexidade computacional da matriz de
gradiente é constante e independe do tamanho de Ω. Um bom
descritor pode ser identificado pelo máximo de λ(x, y), o
menor autovalor de G. Certamente cantos fortes aparecem nas
bordas do objeto, onde múltiplos movimentos são muito
prováveis. Em seguida, é aplicada uma supressão não máxima
seguida de uma limiarização com q.max(λ(x, y)), sendo q a
qualidade constante dos cantos.
I. RANSAC
O algoritmo RANSAC (RANdom SAmple Consensus) [21]
é um método de estimação robusto projetado para extração dos
inliers1
e outliers2
do conjunto de pontos chave. Tem sido
muito usado para o reconhecimento de objetos [2][3], pois
permite encontrar correspondências geometricamente
consistentes para resolver o problema de junção de pares de
imagens, mesmo em condições extremas, ou com algum tipo
de outlier.
1
inliers: pontos de dados que se ajustam com um determinado modelo
desejado dentro de uma certa tolerância de erro;
2
outliers: pontos de dados que não se ajustam ao modelo correspondente ao
objeto desejado, estão fora de uma certa tolerância de erro.
4. Ao contrário das técnicas convencionais que usam grande
quantidade de dados para obter uma solução inicial, e em
seguida eliminar os outliers, o RANSAC usa um conjunto
com um número mínimo de pontos para uma primeira
estimativa e continua o processo, aumentando o conjunto de
pontos de dados consistentes [21].
III. EXPERIMENTOS
Os experimentos apresentados nesta seção consistem na
degradação de uma imagem (mudança de iluminação, mudança
de escala, rotação, adição de ruído e borramento) e, em
seguida, comparar o desempenho das diferentes combinações
dos principais detectores e descritores implementados no
OpenCV. As combinações avaliadas são todas aquelas
possíveis, usando os detectores: SIFT, SURF, FAST, STAR,
MSER, GFTT (com Harris), GFTT (CornerMinEigenVal –
Autovalores) e ORB; e os descritores: SIFT, SURF, BRIEF e
ORB. Apenas as combinações SIFT-ORB e ORB-SIFT não
foram avaliadas. A máquina usada nos experimentos possui um
processador Intel Core i3 M330 2.13 GHz e memória de 4 GB
de RAM.
Os parâmetros observados no experimento são:
• TT – Tempo de Processamento – tempo necessário
para processar as duas imagens (Detecção, Descrição,
Correspondência e RANSAC – em milissegundos);
• NIn – Número de inliers, ou seja, pontos chave com
correspondência validadas pelo RANSAC;
• DMI – Distância Euclidiana media entre os pontos
Inliers, obtida após aplicar as transformações
necessárias para a correspondência entre imagem
original e transformada;
• QDMH – Quantidade de determinações da matriz
homográfica, ou seja, cada vez que os pontos chave
detectados permitem calcular adequadamente a matriz
de transformação entre a imagem original e a imagem
transformada.
A Fig. 2 apresenta o resultado do detector/descritor SIFT–
SIFT na imagem da Lena, após passar por um processo de
degradação composto por: borramento (Gaussiana), mudança
de escala (50%), rotação (30º), iluminação (escurecimento) e
ruído Gaussiano (10%).
Observa-se neste caso que foram obtidos 28 inliers, que
foram suficientes para a obtenção da matriz homográfica de
transformação, pois a imagem original transformada pela
matriz homográfica (retângulo verde em (b)) apresenta um bom
encaixe sobre a imagem cena em (b). Em (c), os círculos pretos
indicam as posições dos inliers da imagem degradada,
enquanto que os círculos brancos indicam as posições dos
inliers da imagem original, após a transformação usando a
matriz homográfica. Neste caso, nota-se um bom encaixe entre
eles, com uma distância média entre os pontos inliers
DMI = 0,7443 e um tempo de processamento TT = 1.559 ms.
Fig. 2. Inliers btidos com detector/descritor SIFT–SIFT; a) Imagem original
(objeto); b) Imagem transformada (cena); c) Imagem original transformada
pela matriz homográfica, destacando as distância entre os pontos original e
trasnformado.
A Fig. 3 apresenta o resultado do detector/descritor ORB–
ORB na imagem da Lena, após passar pela mesma degradação
anterior.
Fig. 3. Inliers obtidos com detector/descritor ORB–ORB; a) Imagem original
(objeto); b) Imagem transformada (cena); c) Imagem original transformada
pela matriz homográfica, destacando as distância entre os pontos original e
transformado.
(c)
(b)
(c)
(a)
(b)
(a)
5. Neste caso foram obtidos 117 inliers, que propiciaram um
resultado totalmente satisfatório para a obtenção da matriz
homográfica de transformação, pois a imagem original
transformada pela matriz homográfica (retângulo verde em (b))
apresenta um bom encaixe sobre a imagem cena em (b). Em
(c), os círculos pretos indicam as posições dos inliers da
imagem degradada, enquanto que os círculos brancos indicam
as posições dos inliers da imagem original, após a
transformação usando a matriz homográfica. Novamente, nota-
se um bom encaixe entre eles, com uma distância média entre
os pontos inliers DMI = 1,2293 pixels e tempo de
processamento TT = 546 ms.
A Fig. 4 apresenta o resultado do detector/descritor SURF–
SURF na imagem da Lena, após passar pela mesma
degradação anterior.
Fig. 4. Inliers obtidos com detector/descritor SURF–SURF; a) Imagem
original (objeto); b) Imagem transformada (cena); c) Imagem original
transformada pela matriz homográfica, destacando as distância entre os pontos
original e trasnformado.
Neste caso foram obtidos 33 inliers, que não foram
suficientes para a obtenção da matriz homográfica de
transformação. Portanto, não ocorrendo um encaixe entre eles,
embora o tempo de processamento TT=1.388 ms seja razoável.
Os tempos de processamento com todas as combinações
são apresentados na Tabela I.
Nota-se que o menor tempo de processamento obtido com a
imagem apenas borrada foi alcançado pelas combinações
ORB–BRIEF e ORB–ORB (detecção usando ORB e descrição
usando BRIEF e ORB) (TT=327 ms). Para a imagem que
sofreu apenas a mudança de escala, o menor tempo de
processamento foi obtido com a combinação ORB–ORB
(TT=358 ms). Para a imagem que passou por uma alteração
apenas na sua iluminação, a combinação que obteve o menor
tempo de processamento também foi obtida com a combinação
ORB–ORB (TT=281 ms). Para a imagem que sofreu apenas
uma rotação, esta combinação também foi a que apresentou o
menor tempo de processamento (TT=359 ms). O menor tempo
de processamento obtido com a imagem acrescida de ruído foi
obtido com a combinação STAR–ORB (TT=172 ms). Os
valores em azul indicam que as matrizes homográficas foram
obtidas com sucesso nestas duas combinações, significando
que as imagens objeto e cena apresentaram correspondência
satisfatória. Para a imagem que passou por todas as
degradações (borramento, escala, iluminação, rotação e ruído)
a combinação que obteve o menor tempo de processamento foi
obtido pela combinação STAR–ORB (TT=516 ms), porém,
não foi capaz de gerar a matriz homográfica adequada para
fazer a correspondência das imagens. A combinação que
apresentou o menor tempo de processamento e obteve a matriz
satisfatória foi ORB–ORB (TT=546 ms).
TABELA I. TEMPOS DE PROCESSAMENTO
Borramento Escala Iluminação Rotação Ruído Todos QDMH
SIFT–SIFT 1653 1342 1560 2043 1778 1559 6
SIFT–SURF 1201 889 826 1435 1201 983 4
SIFT–BRIEF 780 827 749 1342 827 874 3
SURF–SIFT 9859 8689 9641 14227 16989 8597 4
SURF–SURF 1498 1264 1357 2309 1966 1388 4
SURF–BRIEF 702 874 671 1170 890 827 3
SURF–ORB 733 796 607 952 687 811 4
FAST–SIFT 9000 9952 12090 16458 57299 14540 5
FAST–SURF 1653 2637 2433 4478 21591 5055 1
FAST–BRIEF 1544 2075 1591 3089 9016 3260 3
FAST–ORB 1498 1638 1342 2683 6522 2325 2
STAR–SIFT 2652 1981 2231 3526 2824 1794 3
STAR–SURF 562 515 578 640 328 530 1
STAR–BRIEF 546 530 546 608 187 530 3
STAR–ORB 515 483 531 593 172 516 3
MSER–SIFT 9563 7535 9111 12933 13244 7753 4
MSER–SURF 1373 1015 1216 1700 1654 1202 4
MSER–BRIEF 1122 1061 936 1357 1217 1124 3
MSER–ORB 1187 1046 952 1061 1170 1140 4
GFTTH
–SIFT 45912 29063 44664 65208 44834 33212 4
GFTTH
–SURF 44476 28533 43976 64382 44523 32807 1
GFTTH
–BRIEF 44211 28469 44149 64491 44320 32792 3
GFTTH
–ORB 44101 28440 43945 64272 44070 32636 2
GFTT–SIFT 45364 29936 45178 64929 45287 34288 4
GFTT–SURF 45006 29266 44631 64568 44928 33571 1
GFTT–BRIEF 44538 29204 44461 63555 44632 33587 4
GFTT–ORB 44336 28986 44007 63414 44195 33212 3
ORB–SURF 2168 1871 2185 2590 2216 2418 4
ORB–BRIEF 327 701 311 734 343 641 4
ORB–ORB 327 358 281 359 327 546 6
As quantidades de inliers obtidas com todas as
combinações são apresentadas na Tabela II.
A maior quantidade de inliers, obtida com a imagem
apenas borrada foi alcançada com a combinação GFTT–SIFT
(NIn=465). Entretanto, o tempo de processamento desta
combinação foi muito alto (TT=45.364 ms). As melhores
razões NIn/TT foram obtidas com as combinações ORB–
BRIEF (0,7859) e ORB–ORB (0,6422). Para a imagem que
sofreu apenas a mudança de escala, o maior número de inliers
foi obtido com a combinação FAST–SIFT (NIn=420). O tempo
de processamento desta combinação foi razoavelmente alto
(TT=9.952 ms). A melhor razão NIn/TT foi obtida com a
combinação SURF–SURF (0,1511). Para a imagem que passou
por uma alteração apenas na sua iluminação, a combinação que
obteve o maior número de inliers foi FAST–SIFT (NIn=2.268).
(c)
(a)
(b)
6. O tempo de processamento desta combinação também foi
razoavelmente alto (TT=12.090 ms). As melhores razões
NIn/TT foram obtidas com as combinações ORB–BRIEF
(1,4180), ORB–ORB (1,3737) e FAST–ORB (1,3458). Para a
imagem que sofreu apenas uma rotação, a combinação que
obteve o maior número de inliers foi ORB–ORB (NIn=322),
além disso, esta foi a combinação que obteve o menor tempo
de processamento (TT=359 ms). O maior número de inliers,
obtido com a imagem que teve apenas o acréscimo de ruído, foi
alcançado com a combinação FAST–SIFT (NIn=2.498).
Entretanto, o tempo de processamento desta combinação foi
extremamente alto (o maior de todos). As melhores razões
NIn/TT foram obtidas com as combinações ORB–BRIEF
(1,2041) e ORB–ORB (1,1040). Para a imagem que passou por
todas as degradações a combinação que obteve o maior número
de inliers foi ORB–ORB (NIn=117), que é a combinação que
obteve o tempo de processamento mais baixo e, que ainda
conseguiu obter a matriz homográfica.
TABELA II. QUANTIDADE DE INLIERS
Borramento Escala Iluminação Rotação Ruído Todos QDMH
SIFT–SIFT 137 76 160 211 167 28 6
SIFT–SURF 86 71 142 13 31 20 4
SIFT–BRIEF 131 22 153 12 150 24 3
SURF–SIFT 273 185 267 54 419 101 4
SURF–SURF 266 191 269 13 332 33 4
SURF–BRIEF 265 19 274 14 425 25 3
SURF–ORB 222 15 250 174 291 20 4
FAST–SIFT 234 420 2268 69 2498 71 5
FAST–SURF 75 29 1707 15 24 33 1
FAST–BRIEF 131 54 1909 26 1882 45 3
FAST–ORB 53 35 1806 18 1529 18 2
STAR–SIFT 21 19 29 11 135 45 3
STAR–SURF 15 15 14 10 54 24 1
STAR–BRIEF 31 15 28 8 135 23 3
STAR–ORB 20 20 29 8 125 21 3
MSER–SIFT 50 71 79 26 93 60 4
MSER–SURF 50 67 73 14 90 52 4
MSER–BRIEF 42 16 61 11 58 27 3
MSER–ORB 32 14 61 65 64 24 4
GFTTH
–SIFT 219 105 328 16 433 67 4
GFTTH
–SURF 18 17 237 15 11 51 1
GFTTH
–BRIEF 179 23 306 22 383 60 3
GFTTH
–ORB 174 23 295 18 354 63 2
GFTT–SIFT 465 66 877 19 465 18 4
GFTT–SURF 14 15 694 13 12 18 1
GFTT–BRIEF 399 18 821 19 478 25 4
GFTT–ORB 266 19 788 17 352 22 3
ORB–SURF 264 235 414 38 363 61 4
ORB–BRIEF 257 61 441 32 413 52 4
ORB–ORB 210 154 386 322 361 117 6
CONCLUSÕES
Os resultados obtidos neste estudo podem ser de grande
importância para a escolha destas técnicas em aplicações que
demandam maior precisão ou menor tempo de processamento,
ou ainda no tratamento de imagens que sofreram algum tipo de
degradação. Neste artigo foi estabelecida a razão NIn/TT como
um parâmetro razoável para medir a qualidade de uma solução,
entretanto, em trabalhos futuros deverão ser investigadas outras
alternativas para esta medida de qualidade. Também deverão
ser investigadas as aplicações destas combinações de
detectores e descritores em imagens de diferentes naturezas,
como: paisagens, desenhos, mapas, entre outros. Entre as
combinações avaliadas, apenas SIFT–SIFT e ORB–ORB foram
capazes de obter os pontos chave que permitiram calcular
adequadamente a matriz de transformação entre a imagem
original e as seis imagens degradadas.
REFERÊNCIAS
[1] D.G. Lowe, “Distinctive image features from scale-invariant keypoints”,
Intern. Journal of Computer Vision, Vol. 60, No. 2, pp. 91–110, 2004.
[2] A. Collet, D. Berenson, S. S. Srinivasa and D. Ferguson, “Object
recognition and full pose registration from a single image for robotic
manipulation”, In: IEEE International Conference on Robotics and
Automation, ICRA'09, pp. 48–55, 2009.
[3] T. Okabe and Y. Sato, “Object recognition based on photometric
alignment using RANSAC”, In Proceedings of Computer Society Conf.
on Computer Vision and Pattern Recognition. pp.221-228, 2003.
[4] K, Grauman and B. Leibe, “Visual object recognition: synthesis lectures
on artificial intelligence and machine learning”, Morgan & Claypool
Publishers, 2011, 163 p.
[5] M. Brown and D. G. Lowe, “Automatic panoramic image stitching using
invariant features”, International Journal of Computer Vision, Vol. 74,
Nol. 1, pp. 59–73, 2007.
[6] S. Se, D. Lowe, and J. Little, “Mobile robot localization and mapping
with uncertainty using scale-invariant visual landmarks”, International
Journal of Robotic Research, 21:735–758, August 2002.
[7] G.R. Bradsky, V. Pisarevsky and J. Bouguet, “Learning OpenCV:
computer vision with the OpenCV library”, Springer, 2008.
[8] C. Bulla, “Local features for object recognition,” in International
Student Conference on Electrical Engineering POSTER '12, (Prague,
Czech Republic), May 2012.
[9] T. Lindeberg, “Scale-space theory: A basic tool for analyzing structures
at different scales”, Journal of Applied Statistics, 21:224 270, 1994.
[10] D.G. Lowe, “Object recognition from local scale-invariant features”. In:
Intern. Conf. on Computer Vision, Corfu, Greece, pp. 1150–1157, 1999.
[11] H. Bay, T. Tuytelaars, and L.V. Gool, “SURF: speeded up robust
features”, In: 9th European Conf. Computer Vision, pp. 404–417, 2006.
[12] M. Calonder, V. Lepetit, C. Strecha, and P. Fua, “Brief: binary robust
independent elementary features”. In Proceedings of the 11th European
conference on Computer vision: Part IV, ECCV’10, pp. 778–792,
Berlin, Heidelberg, 2010. Springer-Verlag.
[13] E. Rublee, V. Rabaud, K. Konolige, and G. R. Bradski, “ORB: an
efficient alternative to SIFT or SURF”, In D. N. Metaxas, L. Quan, A.
Sanfeliu, L. J. V. Gool, editors, ICCV, pp. 2564–2571. IEEE, 2011.
[14] E. Rosten and T. Drummond, “Machine learning for high-speed corner
detection”, In In European Conference on Computer Vision, volume 1,
pp. 430–443. 2006.
[15] E. Rosten, R. Porter, T. Drummond, “Faster and better: a machine
learning approach to corner detection”, Pattern Analysis and Machine
Intelligence, IEEE Transactions on, Vol. 32, No. 1, pp. 105–119, 2008.
[16] G. Klein and D. Murray, “Parallel tracking and mapping for small AR
Workspaces”, In Proc. Sixth IEEE and ACM International Symposium
on Mixed and Augmented Reality (ISMAR’07). Nara, Japan, 2007.
[17] S. Taylor, E. Rosten and T. Drummond, “Robust feature matching in
2.3ms”, In IEEE CVPR Workshop on Feature Detectors and
Descriptors: The State Of The Art and Beyond. 2009. URL
http://mi.eng.cam.ac.uk/~sjt59/papers/taylor_2009_robust.pdf.
[18] Agrawal, M., Konolige, K., and Blas, M, “Censure: center surround
extremas for realtime feature detection and matching”, In European
Conf. on Computer Vision (ECCV 2008), pp. 102–115, 2008.
[19] Matas, J., Chum, O., Urban, M., and Pajdla, T, “Robust wide baseline
stereo from maximally stable extremal regions”, In British Machine
Vision Conference (BMVC 2002), pp. 384–393, 2002.
[20] Shi, J. and Tomasi, C, “Good features to track”, In Computer Vision and
Pattern Recognition (CVPR 1994), pp. 593 –600, 1994
[21] M. A. Fischler and R. C. Bolles, “Random sample consensus: a
paradigm for model fitting with applications to image analysis and
automated cartography”, Communications of the ACM, Vol 24, pp.
381–395, 1981.