Made available in DSpace on 2014-06-12T17:38:42Z (GMT). No. of bitstreams: 2 arquivo6845_1.pdf: 10239415 bytes, checksum: 97ca7ef7c66a679ee1f47d048e62011f (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2009 / O uso de câmeras digitais, devido ao seu custo baixo, portabilidade e boa qualidade de imagem, tem se tornado cada dia mais usual. Uma das aplicações não originalmente prevista, que vem se tornando corriqueira, é a fotografia de quadros didáticos e de reuniões para uso posterior. É freqüente que fotos de quadros didáticos englobem não só a lousa, mas também outros objetos que estão na sua circunvizinhança. Outro problema é a iluminação irregular resultante de várias fontes de luzes no ambiente em que a foto foi tirada. Esta dissertação tem como objetivo apresentar novos algoritmos para o processamento de imagens de quadros, os quais foram integrados formando um ambiente chamado Tableau. Tableau é um ambiente amigável ao usuário que permite: remoção automática de bordas; correção de perspectiva; melhoria da imagem de quadros de qualquer cor, o que é uma solução pioneira, pois não existe ferramenta acadêmica ou comercial com tal funcionalidade

Submitted by Viviane Lima da Cunha (viviane@biblioteca.ufpb.br) on 2016-02-18T10:52:41Z No. of bitstreams: 1 arquivototal.pdf: 2258673 bytes, checksum: 21b44b2c7c089c792e07c8e4e298daf6 (MD5) / Made available in DSpace on 2016-02-18T10:52:41Z (GMT). No. of bitstreams: 1 arquivototal.pdf: 2258673 bytes, checksum: 21b44b2c7c089c792e07c8e4e298daf6 (MD5) Previous issue date: 2015-02-27 / Biometrics offers a reliable authentication mechanism that identifies the users through their physical and behavioral characteristics. The problem of face recognition is not trivial because there are many factors that affect the face detection and recognition, as for example, lighting, face position, hair, beard, etc. This work proposes to analyze the effects of geometric and lighting normalization on face recognition techniques, aiming to adapt them to uncontrolled environments. The results show that the utilization of background information in the normalization process increases the face recognition error rates and this happens in many papers in the literature. The lighting and geometric normalization methods, when performed with precise points of the eyes centers, effectively help in face recognition. / A biometria oferece um mecanismo de autenticação confiável, que identifica os usuários por intermédio de suas características físicas e comportamentais. O problema do reconhecimento facial não é trivial, pois existem muitos fatores que influenciam na detecção e no reconhecimento de face como, por exemplo, a iluminação, a posição da face, cabelo, barba, etc. Este trabalho se propõe a analisar os efeitos de técnicas de normalização geométrica e de iluminação sobre métodos de reconhecimento de face, visando adequar esses métodos para ambientes não controlados. Os resultados mostram que a presença do plano de fundo no processo de normalização contribui para aumentar as taxas de erro no reconhecimento de face, fato que ocorre em vários trabalhos presentes na literatura. Nesta dissertação, verificou-se que a aplicação de técnicas de normalização de iluminação e normalização geométrica, quando realizadas com pontos precisos dos centros dos olhos, efetivamente ajuda na tarefa de reconhecimento facial.

Condições distintas de iluminação numa imagem podem produzir representações desiguais do mesmo objeto, dificultando o processo de segmentação e reconhecimento de padrões, incluindo o reconhecimento facial. Devido a isso, a distribuição de iluminação numa imagem é considerada de grande importância, e novos algoritmos de normalização utilizando técnicas mais recentes ainda vêm sendo pesquisados. O objetivo dessa pesquisa foi o de avaliar os seguintes algoritmos de normalização da iluminação encontrados na literatura, que obtiveram bons resultado no reconhecimento de faces: LogAbout, variação do filtro homomórfico e método baseado em wavelets. O objetivo foi o de identificar o método de normalização da iluminação que resulta na melhor taxa de reconhecimento facial. Os algoritmos de reconhecimento utilizados foram: auto-faces, PCA (Principal Component Analyses) com rede neural LVQ (Learning Vector Quantization) e wavelets com rede neural MLP (Multilayer Perceptron). Como entrada, foram utilizadas imagens do banco Yale, que foram divididas em três subconjuntos. Os resultados mostraram que o método de normalização da iluminação que utiliza wavelet e LogAbout foram os que apresentaram melhoria significativa no reconhecimento facial. Os resultados também evidenciaram que, de uma maneira geral, com a utilização dos métodos de normalização da iluminação, obtém-se uma melhor taxa do reconhecimento facial, exceto para o método de normalização variação do filtro homomórfico com os algoritmos de reconhecimento facial auto-faces e wavelet com rede neural MLP. / Distinct lighting conditions in an image can produce unequal representations of the same object, compromising segmentation and pattern recognition processes, including facial recognition. Hence, the lighting distribution on an image is considered of great importance, and normalization algorithms using new techniques have still been researched. This research aims to evaluate the following illumination normalization algorithms found in literature: LogAbout, variation of homomorphic filter and wavelet based method. The main interest was to find out the illumination normalization method which improves the facial recognition rate. The algorithms used for face recognition were: eigenfaces, PCA (Principal Component Analysis) with LVQ neural network and wavelets with MLP (Multilayer Perceptron) neural network. Images from Yale Face Database B, divided into three subsets have been used. The results show that the wavelet and LogAbout technique provided the best facial recognition rate. Experiments showed that the illumination normalization methods, in general, improve the facial recognition rate, except for the variation of homomorphic filter technique with the algorithms: eigenfaces and PCA with LVQ.

Condições distintas de iluminação numa imagem podem produzir representações desiguais do mesmo objeto, dificultando o processo de segmentação e reconhecimento de padrões, incluindo o reconhecimento facial. Devido a isso, a distribuição de iluminação numa imagem é considerada de grande importância, e novos algoritmos de normalização utilizando técnicas mais recentes ainda vêm sendo pesquisados. O objetivo dessa pesquisa foi o de avaliar os seguintes algoritmos de normalização da iluminação encontrados na literatura, que obtiveram bons resultado no reconhecimento de faces: LogAbout, variação do filtro homomórfico e método baseado em wavelets. O objetivo foi o de identificar o método de normalização da iluminação que resulta na melhor taxa de reconhecimento facial. Os algoritmos de reconhecimento utilizados foram: auto-faces, PCA (Principal Component Analyses) com rede neural LVQ (Learning Vector Quantization) e wavelets com rede neural MLP (Multilayer Perceptron). Como entrada, foram utilizadas imagens do banco Yale, que foram divididas em três subconjuntos. Os resultados mostraram que o método de normalização da iluminação que utiliza wavelet e LogAbout foram os que apresentaram melhoria significativa no reconhecimento facial. Os resultados também evidenciaram que, de uma maneira geral, com a utilização dos métodos de normalização da iluminação, obtém-se uma melhor taxa do reconhecimento facial, exceto para o método de normalização variação do filtro homomórfico com os algoritmos de reconhecimento facial auto-faces e wavelet com rede neural MLP. / Distinct lighting conditions in an image can produce unequal representations of the same object, compromising segmentation and pattern recognition processes, including facial recognition. Hence, the lighting distribution on an image is considered of great importance, and normalization algorithms using new techniques have still been researched. This research aims to evaluate the following illumination normalization algorithms found in literature: LogAbout, variation of homomorphic filter and wavelet based method. The main interest was to find out the illumination normalization method which improves the facial recognition rate. The algorithms used for face recognition were: eigenfaces, PCA (Principal Component Analysis) with LVQ neural network and wavelets with MLP (Multilayer Perceptron) neural network. Images from Yale Face Database B, divided into three subsets have been used. The results show that the wavelet and LogAbout technique provided the best facial recognition rate. Experiments showed that the illumination normalization methods, in general, improve the facial recognition rate, except for the variation of homomorphic filter technique with the algorithms: eigenfaces and PCA with LVQ.