FundaÃÃo Cearense de Apoio ao Desenvolvimento Cientifico e TecnolÃgico / Uma alternativa econÃmica importante para a regiÃo semi-Ãrida do Brasil à a criaÃÃo de ovinos e caprinos. AlÃm de leite e carne de caprinos/ovinos, as peles sÃo muito apreciadas na fabricaÃÃo de artefatos finos (por exemplo, sapatos, bolsas, carteiras e casacos). No entanto, devido ao modo extensivo de criaÃÃo/reproduÃÃo e informalidade do abate, as peles de ovinos/caprinos sÃo entregues ao curtume com diferentes tipos e nÃveis de defeitos. Na indÃstria, trabalhadores especializados tÃm a tarefa de classificar/discriminar as peles de acordo com a qualidade das mesmas. Este trabalho à artesanal, demorado e extremamente dependente da experiÃncia do funcionÃrio responsÃvel pela discriminaÃÃo da qualidade da pele. O mesmo funcionÃrio pode produzir diferentes classificaÃÃes se ele/ela tiver que reclassificar o lote de pele. Assim, a fim de lidar com esses problemas, neste trabalho, apresentam-se os primeiros resultados de um sistema baseado em visÃo computacional cujo objetivo à classificar automaticamente a qualidade da pele de caprinos/ovinos. Para isso, comparamos os desempenhos de classificadores estatÃsticos e neurais utilizando diversas tÃcnicas de extraÃÃo de caracterÃsticas, tais como a VariÃncia das colunas (VAR), Transformada Wavelet de Haar (HAAR), FatoraÃÃo em Matrizes NÃo-Negativas (NMF), AnÃlise de Componentes Principais (PCA) e Matrizes de Co-ocorrÃncia de nÃveis de cinza (GLCM). TambÃm foram implementados mecanismos de opÃÃo de rejeiÃÃo nos classificadores avaliados. OpÃÃo de rejeiÃÃo à uma tÃcnica usada para aumentar a confiabilidade do classificador em sistemas de apoio à tomada de decisÃo, que consiste em reter a classificaÃÃo automÃtica de um item, caso a decisÃo nÃo seja considerada suficientemente confiÃvel. Jà com a utilizaÃÃo da opÃÃo de rejeiÃÃo, de uma forma geral, foi possÃvel observar uma considerÃvel melhora nas taxas de acerto dos classificadores avaliados, Ãs expensas de uma taxa de rejeiÃÃo relativamente alta. TambÃm foi possÃvel observar que, para os classificadores analisados, os extratores HAAR e GLCM foram menos sensÃveis à aplicaÃÃo da opÃÃo de rejeiÃÃo, em comparaÃÃo com os resultados obtidos para o caso sem opÃÃo de rejeiÃÃo.

Conselho Nacional de Desenvolvimento CientÃfico e TecnolÃgico / A morfologia matemÃtica à uma abordagem utilizada em problemas de processamento e anÃlise de imagens em que sÃo realizadas transformaÃÃes de um objeto (imagem) por padrÃes de formas prÃ-definidas. Tais transformaÃÃes sÃo efetuadas por operadores morfolÃgicos, sendo a erosÃo e a dilataÃÃo os operadores morfolÃgicos elementares. Neste trabalho à apresentado um mecanismo de aprendizagem destinado à geraÃÃo automÃtica de templates, a serem utilizados em operadores morfolÃgicos de casamento inexato de padrÃes (em que o casamento nÃo precisa ser perfeito). Esse modelo de operador à aqui denominado de Operador MorfolÃgico Adaptativo de Casamento de PadrÃes (OMACP), e combina o formalismo da morfologia matemÃtica atravÃs de ELUTs (Elementary Look-Up Tables) com tÃcnicas de aprendizagem de mÃquina. Os operadores morfolÃgicos para casamento de padrÃes via ELUTs jà descritos na literatura permitem o casamento inexato de padrÃes, ou detecÃÃo com folga, em imagens digitais atravÃs da definiÃÃo de um intervalo em torno de um padrÃo de referÃncia. Esse intervalo aplicado em todos os pixels do padrÃo de referÃncia possui um valor constante e sua escolha depende de parÃmetros cujo ajuste normalmente à realizado tendo como base resultados empÃricos, alÃm de ser fortemente sensÃvel a idiossincrasia do usuÃrio. Este trabalho propÃe um mecanismo, baseado em parÃmetros estatÃsticos, que automatiza a escolha desse intervalo. AlÃm de nÃo considerÃ-lo mais um valor constante para todos os pixels do padrÃo de referÃncia. Tal mecanismo reduz assim a interferÃncia de um usuÃrio na definiÃÃo dos parÃmetros do operador morfolÃgico. Para comprovar a eficÃcia obtida com a inclusÃo tanto das tÃcnicas de aprendizagem quanto do mecanismo de escolha do intervalo em torno do padrÃo de referÃncia, foram realizados experimentos comparativos entre o OMACP proposto (com a inclusÃo das novas funcionalidades) com os operadores jà descritos na literatura sem essas alteraÃÃes. / Mathematical morphology is an approach applied in processing and image analysis problems that performs transformations in an object (image) by patterns of predefined forms. Such transformations are called morphological operators, with erosion and dilation being the elementary morphological operators. This work presents a machine learning mechanism applied for the automatic generation of templates, to be used by inexact template matching morphological operators. This model of operator is called Template Matching Adaptive Morphological Operator (OMACP), and combines the formalism of mathematical morphology through ELUTs (Elementary Look-Up Tables) with machine learning techniques. The ELUTs based template matching morphological operators already described in the literature allow inexact pattern recognition in digital images by defining a range around a reference pattern. This range has a constant value that is applied to all pixels of reference patterns, and its choice depends on parameters whose adjustments is usually performed based on empirical results, besides being highly sensitive to user idiosyncrasies. This work also proposes a mechanism, based on statistical parameters, which automates the choice of these range. Besides not consider it a constant value for all pixels of reference pattern. Such mechanism reduces the interference of a user to define the parameters of the morphological operator. To prove the effectiveness achieved with the inclusion of learning techniques and the choices mechanism of the range around the pattern reference, were performed comparative experiments between the proposed OMACP (with the inclusion of new features) with operators already studied without these features.

nÃo hà / Esta dissertaÃÃo trata da localizaÃÃo de placas de licenciamento brasileiras de veÃculos particulares. Imagens de carros em movimento, advindas de diversos sistemas analÃgicos de fiscalizaÃÃo de trÃnsito, foram usadas para testar os algoritmos. Estas imagens foram digitalizadas por um scanner e convertidas para o formato JPG ou JPEG (Joint Photographic Experts Group). O sistema proposto à classificado como sistema de reconhecimento de placa de licenciamento veicular (SRPLV), cujo propÃsito à a fiscalizaÃÃo de trÃnsito. O sistema à capaz de identificar a placa de veÃculos que avanÃaram sinais vermelhos ou excederam o limite de velocidade. VÃrios algoritmos, que constituem o sistema, foram analisados e comparados com o desempenho de algoritmos similares presentes na literatura. As principais contribuiÃÃes deste trabalho sÃo: o algoritmo de localizaÃÃo da placa, baseado em uma rede neural; a utilizaÃÃo do algoritmo Min/Max no pÃs-processamento das imagens binÃrias, e o uso do mÃtodo das linhas e colunas na etapa de separaÃÃo dos caracteres. Para avaliar o desempenho do sistema, testes foram realizados usando os dois mÃtodos propostos para a localizaÃÃo, baseados na correlaÃÃo mÃxima e em uma rede neural sem realimentaÃÃo. ConcluÃmos que o Ãltimo apresentou resultados superiores ao primeiro, de acordo com os resultados obtidos para o conjunto de imagens utilizadas. / This dissertation deals with the localization of Brazilian license plates of private vehicles, and recognition of their characters. Images of moving cars, acquired by diverse analog systems of traffic law enforcement were used to test the algorithms. These images were digitalized by a scanner and finally formatted as JPG or JPEG (Joint Photographic Experts Group). The proposed system is classified as a vehicle license plate recognition system(VLPRS), whose purpose is the traffic law enforcement. The system is able to identify license plate numbers of drivers who jump red lights and exceed the speed limit. Several algorithms which constitute the overall system were evaluated and compared with the performance of similar ones from the literature. The main contributions of this work are: the localization plate algorithm, based on a neural network; the use of the Min/Max algorithm to post processing binary images, and the use of the method of rows and columns in the characters isolation step. To assess the system performance some tests were provided using the two proposed methods for plate localization which are based on the maximum correlation and a feedforward neural network. We concluded that the latter performed better than the former according to the simulation results obtained for the set of images used.