Um Estudo sobre a extração de características e a classificação de imagens invariantes à rotação extraídas de um sensor industrial 3D

Detalhes bibliográficos
Autor(a) principal: Silva, Rodrigo Dalvit Carvalho da
Data de Publicação: 2014
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da Universidade Federal do Ceará (UFC)
Texto Completo: http://www.repositorio.ufc.br/handle/riufc/10852
Resumo: In this work, the problem of recognition of objects using images extracted from a 3D industrial sensor is discussed. We focus in 9 feature extractors (where seven are based on invariant moments -Hu, Zernike, Legendre, Fourier-Mellin, Tchebichef, Bessel–Fourier and Gaussian-Hermite-, another is based on the Hough transform and the last one on independent component analysis), and 4 classifiers (Naive Bayes, k-Nearest Neighbor, Support Vector machines and Artificial Neural Network-Multi-Layer Perceptron). To choose the best feature extractor, their performance was compared in terms of classification accuracy rate and extraction time by the k-nearest neighbors classifier using euclidean distance. The feature extractor based on Zernike moments, got the best hit rates, 98.00 %, and relatively low time feature extraction, 0.3910 seconds. The data generated from this, were presented to different heuristic classification. Among the tested classifiers, the k-nearest neighbors classifier achieved the highest average hit rate, 98.00%, and average time of relatively low rank, 0.0040 seconds, thus making it the most suitable classifier for the implementation of this study.
id UFC-7_a6cc74a6b8dbacf1f74da0c0da5a8cd7
oai_identifier_str oai:repositorio.ufc.br:riufc/10852
network_acronym_str UFC-7
network_name_str Repositório Institucional da Universidade Federal do Ceará (UFC)
repository_id_str
spelling Um Estudo sobre a extração de características e a classificação de imagens invariantes à rotação extraídas de um sensor industrial 3DA Study on the extraction of characteristics and the classification of invariant images through the rotation of an 3D industrial sensorTeleinformáticaProcessamento de imagensReconhecimento de padrõesAutomação industrialIn this work, the problem of recognition of objects using images extracted from a 3D industrial sensor is discussed. We focus in 9 feature extractors (where seven are based on invariant moments -Hu, Zernike, Legendre, Fourier-Mellin, Tchebichef, Bessel–Fourier and Gaussian-Hermite-, another is based on the Hough transform and the last one on independent component analysis), and 4 classifiers (Naive Bayes, k-Nearest Neighbor, Support Vector machines and Artificial Neural Network-Multi-Layer Perceptron). To choose the best feature extractor, their performance was compared in terms of classification accuracy rate and extraction time by the k-nearest neighbors classifier using euclidean distance. The feature extractor based on Zernike moments, got the best hit rates, 98.00 %, and relatively low time feature extraction, 0.3910 seconds. The data generated from this, were presented to different heuristic classification. Among the tested classifiers, the k-nearest neighbors classifier achieved the highest average hit rate, 98.00%, and average time of relatively low rank, 0.0040 seconds, thus making it the most suitable classifier for the implementation of this study.Neste trabalho, é discutido o problema de reconhecimento de objetos utilizando imagens extraídas de um sensor industrial 3D. Nós nos concentramos em 9 extratores de características, dos quais 7 são baseados nos momentos invariantes (Hu, Zernike, Legendre, Fourier-Mellin, Tchebichef, Bessel-Fourier e Gaussian-Hermite), um outro é baseado na Transformada de Hough e o último na análise de componentes independentes, e, 4 classificadores, Naive Bayes, k-Vizinhos mais Próximos, Máquina de Vetor de Suporte e Rede Neural Artificial-Perceptron Multi-Camadas. Para a escolha do melhor extrator de características, foram comparados os seus desempenhos de classificação em termos de taxa de acerto e de tempo de extração, através do classificador k-Vizinhos mais Próximos utilizando distância euclidiana. O extrator de características baseado nos momentos de Zernike obteve as melhores taxas de acerto, 98.00%, e tempo relativamente baixo de extração de características, 0.3910 segundos. Os dados gerados a partir deste, foram apresentados a diferentes heurísticas de classificação. Dentre os classificadores testados, o classificador k-Vizinhos mais Próximos, obteve a melhor taxa média de acerto, 98.00% e, tempo médio de classificação relativamente baixo, 0.0040 segundos, tornando-se o classificador mais adequado para a aplicação deste estudo.Thé, George André PereiraSilva, Rodrigo Dalvit Carvalho da2015-03-04T17:08:40Z2015-03-04T17:08:40Z2014info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfSILVA. R. D. C. Um Estudo sobre a extração de características e a classificação de imagens invariantes à rotação extraídas de um sensor industrial 3D. 2014. 79 f. Dissertação (Mestrado em Engenharia de Teleinformática) - Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2014.http://www.repositorio.ufc.br/handle/riufc/10852porreponame:Repositório Institucional da Universidade Federal do Ceará (UFC)instname:Universidade Federal do Ceará (UFC)instacron:UFCinfo:eu-repo/semantics/openAccess2020-08-24T15:08:12Zoai:repositorio.ufc.br:riufc/10852Repositório InstitucionalPUBhttp://www.repositorio.ufc.br/ri-oai/requestbu@ufc.br || repositorio@ufc.bropendoar:2024-09-11T18:34:23.091760Repositório Institucional da Universidade Federal do Ceará (UFC) - Universidade Federal do Ceará (UFC)false
dc.title.none.fl_str_mv Um Estudo sobre a extração de características e a classificação de imagens invariantes à rotação extraídas de um sensor industrial 3D
A Study on the extraction of characteristics and the classification of invariant images through the rotation of an 3D industrial sensor
title Um Estudo sobre a extração de características e a classificação de imagens invariantes à rotação extraídas de um sensor industrial 3D
spellingShingle Um Estudo sobre a extração de características e a classificação de imagens invariantes à rotação extraídas de um sensor industrial 3D
Silva, Rodrigo Dalvit Carvalho da
Teleinformática
Processamento de imagens
Reconhecimento de padrões
Automação industrial
title_short Um Estudo sobre a extração de características e a classificação de imagens invariantes à rotação extraídas de um sensor industrial 3D
title_full Um Estudo sobre a extração de características e a classificação de imagens invariantes à rotação extraídas de um sensor industrial 3D
title_fullStr Um Estudo sobre a extração de características e a classificação de imagens invariantes à rotação extraídas de um sensor industrial 3D
title_full_unstemmed Um Estudo sobre a extração de características e a classificação de imagens invariantes à rotação extraídas de um sensor industrial 3D
title_sort Um Estudo sobre a extração de características e a classificação de imagens invariantes à rotação extraídas de um sensor industrial 3D
author Silva, Rodrigo Dalvit Carvalho da
author_facet Silva, Rodrigo Dalvit Carvalho da
author_role author
dc.contributor.none.fl_str_mv Thé, George André Pereira
dc.contributor.author.fl_str_mv Silva, Rodrigo Dalvit Carvalho da
dc.subject.por.fl_str_mv Teleinformática
Processamento de imagens
Reconhecimento de padrões
Automação industrial
topic Teleinformática
Processamento de imagens
Reconhecimento de padrões
Automação industrial
description In this work, the problem of recognition of objects using images extracted from a 3D industrial sensor is discussed. We focus in 9 feature extractors (where seven are based on invariant moments -Hu, Zernike, Legendre, Fourier-Mellin, Tchebichef, Bessel–Fourier and Gaussian-Hermite-, another is based on the Hough transform and the last one on independent component analysis), and 4 classifiers (Naive Bayes, k-Nearest Neighbor, Support Vector machines and Artificial Neural Network-Multi-Layer Perceptron). To choose the best feature extractor, their performance was compared in terms of classification accuracy rate and extraction time by the k-nearest neighbors classifier using euclidean distance. The feature extractor based on Zernike moments, got the best hit rates, 98.00 %, and relatively low time feature extraction, 0.3910 seconds. The data generated from this, were presented to different heuristic classification. Among the tested classifiers, the k-nearest neighbors classifier achieved the highest average hit rate, 98.00%, and average time of relatively low rank, 0.0040 seconds, thus making it the most suitable classifier for the implementation of this study.
publishDate 2014
dc.date.none.fl_str_mv 2014
2015-03-04T17:08:40Z
2015-03-04T17:08:40Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv SILVA. R. D. C. Um Estudo sobre a extração de características e a classificação de imagens invariantes à rotação extraídas de um sensor industrial 3D. 2014. 79 f. Dissertação (Mestrado em Engenharia de Teleinformática) - Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2014.
http://www.repositorio.ufc.br/handle/riufc/10852
identifier_str_mv SILVA. R. D. C. Um Estudo sobre a extração de características e a classificação de imagens invariantes à rotação extraídas de um sensor industrial 3D. 2014. 79 f. Dissertação (Mestrado em Engenharia de Teleinformática) - Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2014.
url http://www.repositorio.ufc.br/handle/riufc/10852
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da Universidade Federal do Ceará (UFC)
instname:Universidade Federal do Ceará (UFC)
instacron:UFC
instname_str Universidade Federal do Ceará (UFC)
instacron_str UFC
institution UFC
reponame_str Repositório Institucional da Universidade Federal do Ceará (UFC)
collection Repositório Institucional da Universidade Federal do Ceará (UFC)
repository.name.fl_str_mv Repositório Institucional da Universidade Federal do Ceará (UFC) - Universidade Federal do Ceará (UFC)
repository.mail.fl_str_mv bu@ufc.br || repositorio@ufc.br
_version_ 1813028860272312320