Redes Neurais ProbabilÃsticas para ClassificaÃÃo de Imagens BinÃrias

AUTOR(ES)

Glauber MagalhÃes Pires

DATA DE PUBLICAÇÃO

2009

RESUMO

Este trabalho propÃe uma nova abordagem para classificaÃÃo de objetos em imagens binÃrias de duas dimensÃes usando descritores de curvatura, descritores de momento e uma rede neural artificial. O modelo proposto classifica objetos utilizando uma rede neural supervisionada e, atravÃs do uso de uma distribuiÃÃo de probabilidade, associa um coeficiente de certeza para cada classificaÃÃo. Foram utilizados os descritores de imagens conhecidos por Momento de Hu e o Curvature Scale Space para prover uma representaÃÃo invariante Ãs transformaÃÃes das imagens, enquanto que o modelo neural proposto utiliza a correlaÃÃo mÃxima entre as representaÃÃes dos objetos para efetuar a classificaÃÃo e uma distribuiÃÃo de probabilidade para calcular o coeficiente de certeza da classificaÃÃo de cada imagem. A avaliaÃÃo da robustez baseou-se na medida da precisÃo da classificaÃÃo para imagens rotacionadas, escaladas e com transformaÃÃes nÃo-lineares que formam um conjunto de imagens padrÃo, usado pelo grupo MPEG na criaÃÃo da norma MPEG-7, demonstrando assim a aplicabilidade do mÃtodo

ASSUNTO(S)

mpeg-7 rede neural snsi recuperaÃÃo de imagens baseado em conteÃdo classificaÃÃo de imagens baseado em conteÃdo content-based image classification rede neural lvq ciencia da computacao lvq neural network mpeg-7 snsi neural network content-based image retrieval

Documentos Relacionados

• ClassificaÃÃo supervisionada de imagens SAR via redes neurais artificiais.
• InvestigaÃÃo sobre o efeito de ruÃdo na generalizaÃÃo de redes neurais sem peso em problemas de classificaÃÃo binÃria
• UtilizaÃÃo de redes neurais artificiais na classificaÃÃo de sinais eletrocardiogrÃficos atriais.
• Um modelo probabilÃstico de classificaÃÃo baseado em identificaÃÃo de fronteiras de grupos.
• Modelos multinÃveis para resposta binÃria: um enfoque na mà classificaÃÃo