Utilização de quantização vetorial para reconhecimento de edifícios em ambientes urbanos
DOI:
https://doi.org/10.53660/CONJ-1763-2K69Palavras-chave:
Reconhecimento de Imagens, Quantização Vetorial, Reconhecimento de EdifíciosResumo
O reconhecimento de edifícios é essencial para uma variedade de aplicações. Devido à sua importância, este trabalho tem por objetivo analisar as taxas de reconhecimento de imagens de edifícios, para 40 classes e 30 imagens por classe, na escala de cor RGB, utilizando um sistema de reconhecimento baseado na técnica de Quantização Vetorial para compressão de imagens por meio do algoritmo LBG, variando a quantidade de centroides e treinos. Para a discussão dos resultados fez-se uma análise estatística descritiva e para a estatística inferencial utilizando o teste paramétrico da ANOVA, com post-hoc de Tukey, com o nível de significância de p ≤ 0,05. Os resultados alcançados obtiveram uma alta taxa de acerto, de 100%, quando trabalhado com 128 e 256 centroides. Não foi encontrado diferença significativa entre os treinos. Encontrou-se diferença significativa somente entre as taxas de reconhecimento processadas com 16 centroides e as demais quantidades de centroides.
Downloads
Referências
ALBUQUERQUE, M. P. Processamento de imagens: Métodos e análise, 2000. Acedido em 03 de setembro de 2021, em http://www.cbpf.br/~mpa/curso2.htm.
CHANG, C.; LIN, C.; HSIEH, Y. Data Hiding dor Vector Quantization images using mixed-base notation and dissimilar patterns without loss of fidelity, information scienes. Information Sciences, 201, 70-79, 2012.
GERSHO, A.; GRAY, R. M. Vector Quantization and signal compression. Kluwer Academic Publishers, Boston, MA, 1992.
GONZALES, R.; WOODS, R. Processamento de Imagens Digitais, 3ª ed., São Paulo: Edgard Blucher Ltda., 2000.
LI, J.; ALLINSON, N. M. Building Recognition Using Local Oriented Features, IEEE Transactions on Industrial Informatics, vol. 9, no. 3, pp. 1697-1704, Aug. 2013
LI, J.; ALLINSON, N. M. Subspace learning-based dimensionality reduction in building recognition, Neuro computing, vol. 73, no. 1–3, pp. 324–330, 2009.
LI, J.; HUANG, W.; SHAO, L.; ALLISON, N. Building recognition in urban environments: A survey of statee-of-the-art and future challenges. Information Sciences, 277, 406-420, 2014
LINDE, Y.; BUZO, A.; GRAY, R. M. An algorithm for Vector Quantizer desing. IEEE Transactions on Communications, Nem York, v. 28, n. 1, 84-95, 1980.
MADEIRO, F.; GALVÃO, R.; FERREIRA, F.; CUNHA, D. Uma alternativa de aceleração do algoritmo fuzzy k-means aplicado à Quantização Vetorial, TEMA, 13, n. 2, 193-206, 2012.
MADEIRO, F.; LOPES, W. T. A. Introdução à Compressão de Sinais. Revista de Tecnologia da Informação e Comunicação, vol. 1, nº. 1, pp. 33–40, outubro 2011.
RODRIGUES, C.; REDWEIK, P. Extração de fachadas de edifícios em imagens obtidas com UVA. Dissertação de mestrado em Mestrado em Engenharia Geográfica: Faculdade de Ciências - Departamento de Engenharia Geográfica, Geofísica e Energia, Lisboa, Portugal, 54p., 2016.
SCOLARI, D. Estudo e desenvolvimento de algoritmos para o reconhecimento de arritmias cardíacas. Dissertação de mestrado em Engenharia Elétrica: PUCRS, Porto Alegre, 96p., 2007.
SILVA, L. A.; FLÔRES, E. L.; CARNEIRO, M. B. P.; NOMURA, S.; SANTOS, C. F. Utilização de filtros orientados como método de seleção de características de imagens usadas em reconhecimento de edifícios. XII Conferência de Estudos em Engenharia Elétrica, 2014.
SRINIVASAN, A. Speaker identification and verification using Vector Quantization and mel frequency cepstral coefficients. Engineering and Technology, 4:1, 33-40, 2012.
VASCONCELOS, E. S.; MELO, D. V.; CARRIJO, G. A. Reconhecimento de edifícios em ambientes urbanos com a utilização de quantização vetorial. Brazilian Journal of Development, Curitiba, v.8, n.4, p.23332-23342, apr.,2022.
VIEIRA, R.; BRUNET, N.; COSTA, S.; CORREIA, S.; NETO, B.; FECHINE, J. Combining entropy measurements and cepstral analysis for pathological voice assessment. Journal of Medical and Biological Engineering, 2012. Acedida em 08 de setembro de 2021 em https://www.researchgate.net/publication/234059530_Combining_entropy_measurements_and_cepstral_analysis_for_pathological_voice_assessment.
WIGGERS, K. L.; VELOSO, L. H. L.; CALDAS, E. A.; GUIMARÃES, A. M. Análise de abordagens para extração de características de sementes usando processamento digital de imagens. In: IX Congresso Brasileiro de Agro Informática, 2013.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2022 Conjecturas
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
