Alejandro César Frery Orgambide, Universidade Federal de Alagoas

Talita Perciano Costa Leite, Instituto de Matemática e Estatística, Universidade de São Paulo

Domingo, 04 de Julho - 14:00h às 18:00h

Antônio Maria Garcia Tommaselli e Maurício Galo

Faculdade de Ciências e Tecnologia, UNESP, Presidente Prudente

Segunda-Feira, 05 de Julho - 19:00h às 21:30h

Maurício Marengoni, Denise Stringhini, Ilana de Almeida Souza e Leandro Augusto da Silva, Universidade Presbiteriana Mackenzie

Terça-Feira, 06 de Julho - 19:00h às 21:30h

Elementos de Processamento e Análise Estatísticos de Imagens usando R

Alejandro César Frery Orgambide e Talita Perciano Costa Leite

O propósito geral deste minicurso curso é facilitar um primeiro contato com a plataforma computacional R e com o processamento e a análise de imagens.

O processamento digital de imagens é um conjunto de operações cuja entrada e saída são dados organizados espacialmente, cujo principal objetivo é por em evidência algum tipo de informação presente em imagens. A análise de imagens emprega dados como entrada,mas visa na saída informações não necessariamente numéricas.

Dentre as inúmeras operações disponíveis na literatura para realizar ambos tipos de operações, uma classe se destaca pelas suas boas propriedades teóricas e pelos ótimos resultados que costumam produzir em um largo espectro de aplicações: aquelas que decorrem de modelos estatísticos.

Neste minicurso veremos algumas dessas operações, em particular: análise de amostras, simulação de paletas de pintores, filtros convolucionais, filtros de ordem e realce por decorrelação.

A seguir detalhamos os principais conteúdos:

Leitura de dados

Análise de dados: aspectos qualitativos e quantitativos

Seleção de amostras

Verificação da hipótese gaussiana

Estimação de parâmetros da distribuição gaussiana multivariada

Simulação de eventos da distribuição gaussiana multivariada

Convolução: propriedades, implementação, aplicação e análise de resultados

Estatísticas de ordem e filtros robustos

Análise de Componentes Principais: propriedades, implementação, aplicação em realce por decorrelação e análise de resultados.

Além das operações e dos seus resultados, será discutida a validade do modelo clássico em imagens: o modelo de ruído aditivo gaussiano.

A plataforma de trabalho será o R, disponível gratuitamente em <http://www.r-project.org>. O curso irá apresentar os principais resultados teóricos, e oferecerá a oportunidade de aplicar os conceitos através do uso e modificação de funções especialmente preparadas para o minicurso.

Público alvo: alunos de graduação e de pós-graduação com conhecimentos básicos de probabilidade e estatística.

⇑ Voltar ao topo

Calibração de Câmaras

Antônio Maria Garcia Tommaselli e Maurício Galo

O propósito deste curso é introduzir o participante no tema Calibração de Câmaras, sendo dada ênfase na calibração geométrica. Com este propósito será inicialmente apresentada a geometria das câmaras fotográficas, seguindo-se dos modelos matemáticos fundamentais que permitem o relacionamento entre as coordenadas medidas na imagem, com as coordenadas 3D no espaço objeto, bem como os principais referenciais intermediários envolvidos. Além dos modelos matemáticos fundamentais serão apresentados os principais modelos que permitem corrigir os erros sistemáticos intrínsecos à câmara e seu sistema óptico.

Uma vez conhecidos os modelos matemáticos envolvidos na solução do problema serão apresentados alguns dos principais métodos de calibração, usados tanto em Fotogrametria quanto em Visão Computacional. Dentre os modelos que serão tratados são destacados o Método Clássico de Calibração (do ponto de vista Fotogramétrico), o Método do Fio de Prumo (Plumb Line Method), o Método de Tsai e o método baseado no uso da Transformação Linear Direta (DLT) que é equivalente ao de transformações homogêneas.

Conhecidos os principais métodos, serão discutidos alguns aspectos relacionados ao processo de medição. Também serão apresentados estudos de casos com dados reais, nos quais serão discutidos aspectos como qualidade da solução, correlação entre parâmetros, efeito da geometria da tomada das imagens, dentre outros.

Entre os principais conteúdos a serem abordados, destacamos:

Introdução – Importância da calibração e tipos de calibração;

Geometria da câmara e sistemas de referência envolvidos;

Modelos matemáticos fundamentais e de correção de erros sistemáticos;

Métodos de Calibração: Método Clássico, Método do Fio de Prumo, Método de Tsai e DLT;

Apresentação e discussão de estudos de caso baseados em dados reais.

Público alvo: Alunos de graduação e de pós-graduação da área de exatas e das engenharias. Conhecimentos básicos de álgebra linear e geometria analítica e vetores são desejáveis.

⇑ Voltar ao topo

Visão Computacional usando OpenCV

Maurício Marengoni

Neste minicurso a ideia é aprofundar os conceitos de visão computacional utilizando a biblioteca do OpenCV. Portanto, não iremos cobrir a parte relativa à instalação do sistema e como ajustá-lo para diferentes plataformas nem a parte básica relacionada a processamento de imagens, que será tratada em maiores detalhes por um outro minicurso que estará sendo oferecido no WVC’10.

Iniciamos fazendo uma rápida revisão de algumas operações de filtragem e histogramas de imagens para em seguida verificar alguns outros algoritmos de segmentação, como o watershed e o mean-shift. Iremos então entrar em outros tópicos como determinação de contornos e reconhecimento de padrões. Em seguida falaremos sobre movimento e rastreamento dando ênfase ao fluxo óptico e a padrões de movimento. Estudaremos com algum detalhe os algoritmos de mean-shift e camshift para rastreamento e se houver tempo falaremos ainda sobre os recursos existentes na biblioteca OpenCV relacionados a modelos de câmeras e calibração com alguma aplicação em visão tridimensional.

Público alvo: Alunos de graduação e de Pós-graduação da área de exatas e das engenharias. Conhecimentos básicos de programação (Linguagem C/C++) e conceitos introdutórios sobre processamento de imagens são desejáveis, mas não restritivos.

⇑ Voltar ao topo