Algoritmos de Processamento de Imagens para Classificação ...diegow/JIC2010_Diego.pdf · A...
Transcript of Algoritmos de Processamento de Imagens para Classificação ...diegow/JIC2010_Diego.pdf · A...
DEL/POLI UFRJ PADS/COPPE
A análise da qualidade de dutos submarinos
Prevenção de acidentes
Robô submarino filma a tubulação
As imagens são fiscalizadas por especialistas
Atividade cansativa e monótona
Sistema automático para detecção deirregularidades
Necessidade de algoritmos de VisãoComputacional› Detecção do Duto
› Identificação do tipo de tubulação
› Detecção e classificação de defeitos
Corcova Kink
Loop Reto Torção
Segmentação› Subdividir a imagem em objetos de interesse
Detecção de Bordas› Basicamente filtros Passa-Alta
› Diferenciação realça altas frequências
› Operador gradiente
Direção de variação da luminância
Origem Roberts Prewitt Sobel Isotrópica
Gx
Gy
John F. Canny propôs que o detector de bordas deveria ter boas detecção, localização e resposta mínima.
Filtragem passa-baixa gaussiana;
Supressão não-máxima
› Avaliação de módulo dogradiente em quatro direções;
Limiares com histerese
› Dois limiares (t1 > t2)
Objetivo:
› Classificar tubulações quanto a sua curvatura.
1) Aplicar Detector de Bordas de Canny.
2) Isolar segmentos importantes.
3) Calcular as inclinações dos segmentos.
4) Comparação dos segmentos.
Detector de Canny fornece bordas simples.
Identifica-se e armazena-se os pixels de uma borda.
Filtro de
CannyAlgoritmo
para separar
cruvas
Imagem Original
Tubulação em forma de
corcova
Dois maiores segmentos da imagem
a = arctan(Dy/Dx), -p ≤ a < p rad
Caminhando pela curva calcula-se o histogramacom as inclinações do segmento.
Dy
Dx
aa
a2 = arctan(Dy2/Dx2) = arctan(Dy1/Dx1)
a2 = a1 – p/2
Calcula-se o módulo da FFT dos histogramasexistentes, gerando uma base de dados.
Curva Histograma - x(n) |X(k)|
Cálculo do
Histograma de
Inclinações
Torção
Loop
Matriz com DFTs de diversos histogramas
Calcula-se a Distância Euclidiana entre osegmento que queremos classificar ecada um da base de dados
Uma boa segmentação é fundamental para acorreta execução do sistema
O principal motivo para erros na inspeçãoautomática deve-se a detecção incorreta ouimprecisa de bordas
Pequeno numero de imagens disponíveis
A realização do algoritmo proposto foiconsiderada satisfatória.
CANNY, J., A Computational Approach to Edge Detection", IEEE Transactions onPattern Analysis and Machine Intelligence, v. 8, NO. 6, pp. 679-698, 1986.
JAIN, A. K., Fundamentals of Digital Image Processing. Upper Saddle River, NJ,Estados Unidos, Prentice-Hall, 1989.
PEDRINI, H., SCHWARTZ, W. R., Analise de Imagens Digitais - Princípios Algoritmose Aplicações. 1 ed. São Paulo, SP, Thomson Learning, 2008.
GONZALEZ, R. C., WOODS, R. E., Processamento de Imagens Digitais. 1 ed. SãoPaulo, SP, Editora Edgard Blücher, 2006.
MITRA, S. K., Digital Signal Processing - Computer Based Approach, 2 ed.,chapter Dicrete-Time Signals in the Transform-Domain, McGraw-Hill, pp. 117-179.