Image Analysis / Analise de Imagens
Occurrences / Ocorrencias:
2003/2, 2004/2, 2005/2, 2006/2, 2007/1, 2008/1, 2009/1, 2010/2 (UFF e Minter/Dinter(PI)),
2012/1 , 2013/1, 2014 , 2015/2, 2016/2 (UFF e Minter/Cuiaba), 2017/2, 2018/2, 2019/2, 2020/2, 2021/2, 2022/2, 2023/2
About this teaching in the virtual learning environment in an emergency remote format due COVID-19
Classes and assessments of students learning will be on live (and recorded) over the internet.
Assessments can be synchronous (in the form of presentation of papers during classes) or asynchronous (works to be delivered over the internet).
Assessments will be carried out on a continuous basis, that is, several works graded and will make up the student's final weighted average in the course.
As the students did not report a problem in watching classes synchronously and using the internet for this, exceptional situations of technical unfeasibility (during a specific presentation) will be dealt with in the form of having the presentation as soon as the technical problem, both of the teacher and the student, is resolved.
Mechanisms for handling exceptional situations must be disclosed within 3 days of the synchronous assessment.
According to the survey carried out in the first class, students did not report having difficulties in synchronous access, but if this condition changes during the course of the course, please get in touch with us, as recommended by the PPGC / UFF.
Plano de ensino no ambiente virtual de aprendizagem em formato remoto emergencial devido a pandemia.
As aulas e as avaliacoes serao ao vivo (e gravadas) pela internet.
As avaliacoes podem ser sincronas (na forma de apresentacao de trabalhos durante as aulas) ou assincronas (trabalhos a serem entregues pela internet)
As avaliacoes serao feitas de forma continuada, ou seja diversos trabalhos que valem nota individualmente e comporao a media ponderada final do aluno no curso.
Como nao foi relatado pelos alunos problema em assitir as aulas sincronamente e no uso da internet para isso, situacoes excepcionais de inviabilidade tecnica (durante alguma apresentacao especifica) sera tratado na forma de haver a apresentacao assim que o prolema tecnico, tanto do docente quanto do discente, for resolvido.
Os mecanismos para o tratamento de situacoes excepcionais devem ser divulgados em um intervalo de 03 dias da realizacao da avaliacao sincrona.
Pelo levantamento feito na primeira aula, os alunos nao relataram ter dificuldades de acesso sincrono, mas caso essa condincao mude no decorrer do periodo do curso, por favor entrem em contato conosco, como recomendado pelo PPGC / UFF.
2010/2 : | ... | 2012/1 : | 2013/1 : | 2014/1 : | 2015/2 : | 2016/2 : |
se quizer use esse
programa de imaging desenvolvido aqui no I.C. para usar nos seus estudos!
Topicos
1. Imagens Digitais. Classificacao. Aplicacoes. Processamento, analise e sintese. Realce de Imagens. Pseudocor e Falsecolor . Efeitos Especiais em imagens . Restauracao. Transformacoes 2D . Mapeamentos Diretos e Inversos. Mapeamentos geograficos. Morphing x warping.Dithering .
2. Manipulacao de Imagens em tons de cinza.Suavizacao. Modificacao do Contraste. Equaliazacao.Limiariazacao. e Binarizacao . Thresholding . Limiarizacao baseada ou nao baseada no Histograma (adaptativas): Otsu ( texto ), Pun & Kapur (entropia maxima) , Metodo Chow e Kaneko, Niblack , Iterativas e outras . Rotacoes e translacoes . Reconhecimento de Objetos . Interpolacao e Estimativa de Movimento .
3. Segmentacao de
Imagens . Melhoria de Ruido .
Mudanca de escalas. Convolucao (aula em audio). Efeito do tamanho do kernel no resultado da
filtragem. Filtros de
Mediana e de Media . Filtros 2D separaveis 1D. Filtragem Out-of-Range. Filtragens passa-alta, passa-faixa
passa-baixa . Filtros Gaussianos, Laplaciano de Gaussinos e derivados. Filtragens lineares e nao lineares. Sistemas homomorficos e
adaptativos. Filtros no MatLab:
4.
Analise de
Fourier. Convolucao em funcoes e sinais. Convolucao de funcoes discretas. Processamento de Imagens no Dominio da Frequencia. Transformadas de Imagens ( Fourier , Hough,
Hurst). Sistemas lineares 1D,
2D e 3D ( na reta , no plano e no espaco). Reconstrucao de imagens genericas.
Reconstrucao a partir de imagens de tomografica, ultrasom,
PET, ressonancia magnetica. Fusao de Imagens.
5. Percepcao Visual Humana: os olhos.
teorias dapercepcao humana. Dispositivos de
captura. Resolucao
espacial e profundidade de cores. Imagens multibandas: Imagens coloridas em
qualquer espaco de cor. Imagens de Satelites .
Imagens Infravermelhas..
Visao Noturna. Imagens termicas. Cores em video e
printers. Sistemas: RGB, CMY , CMYK , YIQ , HSV , XYZ , HLS , Lab , LUV ,
Cores Oponentes. Transformacoes entre Espacos de
Cores. Sistemas usados na industria: PANTONE, MUNSELL, SCOTICK.
Quantizacao e construcao de tabelas de cores. Percepcao de cores.
Calibracao de monitores. Correcao Gama. Obtecao ou recuperacao (retrieval) de Imagens em BD pelo conteudo
cromatico ou textural. Segmentacao de videos por conteudo das imagens e sonoro. Mining de imagens. 6. Detectar - Capturar -
Tracking. Moire patterns x
DPI e aliasing. Relacao formato x tamanho do arquivo x qualidade:Imaging . Principios fisicos envolvidos na aquisicao de tipos especiais de imagens: (termicas, satelites, impressoes digitais, CT, MRI, US, etc) . Tecnicas de Compressao e
de Codificacao de Imagens. Compressao com Perdas x sem Perdas. Correlacao entre pixels, RLE, Huffmann, LZ, LZW , DCT,
FIF:base da compressao fractal ( texto , imagens coloridas: ideia do espaco de cor adequado e canal seguidor), Wavelets.
- Formatos de
Armazenamento de Imagens e Som. DINCOM,TIFF, EPS, TGA, MIDI,
WAV, JPEG / MPEG e MP3, PGN/MNG etc.
Como manipular
arquivos de imagens e Programacao dos Formatos de arquivos com ou sem Compressao: 7. Morfologia Matematica de imagens
binarias. Operadores
basicos: dilatacao, erosao, abertura, fechamento. Propriedades. Hit-miss. Top-Hat,
Contornos. Afinamento, Esqueletizacao. Morfologia em Cinza. MM de imagens coloridas . Importancia do Elemento Estruturante 8. Extracao de Caracteristicas. Entropia de imagens. Reconhecimento de padroes. Tipos
de segmentacao e identificacao. Assinaturas. Texturas .Matrizes de Co-Ocorrencia - (como calcula-las no MatLab) . Dicionario LZW como caracteristica para texturas. Gradiente tridimensional. Coeficiente de Hurst. CVE - Coeficiente de Variacao Espacial. Filtro de Gabor auto-similar.
Coeficientes de Poincare'.
PCA - Analise de Componentes Principais (tutorial com exemplo no Scilab). Glusterizacao. Kohonen. Quantizacao Vetorial. Lacunaridade. Imagens Medicas: CT, MRI, US, PET/SPECT. Visualizacao de imagens DICON em 3D.
9. Aplicacoes. Seminarios. Estudos Dirigidos sobre os capitulos do Livro de Watt & Policarpo
( os ED sao para voce se auto avaliar para os testes): Cap. 9 ( gabarito de respostas
) Cap. 10 ( gabarito de
respostas) . Cap.
11 - ( respostas).
Cap. 12- ( respostas). Cap. 13. (
Estudo dirigido de
Morfologia - (
respostas ). Estudo dirigido de Reconhecimento de Padroes- Cap. 14 ( respostas ) . Cap. 26 - ( gabarito de respostas
) . Outros estudos dirigidos: Est Dirigido Cores (
gabarito de respostas ) .Estudo Dirigido sobre formatos de arquivos ( PCX, PNG , Gif e BMP).
[Topicos do Curso][Referencias
Bibliograficas] [Trabalhos][Outros Sites]
Referencias Bibliograficas: ( em ordem de prioridade )
Clique aqui para
pegar uma amostra da imagem de um anemograma para o estudo dirigido de cores. |
Exercicio 1
Procurem na internet o maior numero de espacos de cores.
Traga esses nomes, suas siglas e uma frase dizendo a principal caracteristica dos mesmos. Proponha agrupamentos para esses espacos usando criterios diversos que justifiquem a semelhanca dos membro do grupo.
Um exemplo de frase seria:"YIQ (Y=Luminancia, e as crominancias: I = in phase, Q=quadrature - componentes usadas na modulacao da amplitude) e usado na teledifusao e foi estabelecido em 1940 nos USA." A figura mostra uma imagem colorida e cada uma destas 3 bandas em separado (em false colors para voce lembrar que sao de crominancia). Esse espaco poderia estar no mesmo grupo que outros que usam a Y=Luminancia e 2 crominancias para definir as coordenadas 3D de uma cor, como por exemplo os YCrCb, Lab, LUV, etc...
Exercicio 2
Leia secoes 2.4 do Sonka et al. e o capitulo 5, do Gomes & Velho. Depois faca um resumo destes texto de 2 paginas, com suas palavras. Sera feita uma verificacao automatica se houve copia de algum lugar na internet do texto.
Exercicio 3
Esse trabalho tem 2 partes:Exercicio 4
Continuando o trabalho com as ROIs das imagens de Neurofibromas:Exercicio 5
Continuando o trabalho com as ROIs das imagens de Neurofibromas:Exercicio 6
Seminario ou texto sobre os filtros de Marr Hildreth, Canny e Homeomoficos, em Conjunto, com o capitulos do Sonka , Shapiro e LIM (secao 8.1.2 a 8.1.4). Depois use esses filtros , para tentar passar filtro que diminuem o efeito da iluminacao irregular e ao mesmo tempo saliente os detalhes das bordas. Traga uma tabela com seus resultados para melhor se visualizar os resultados das imagens.
Exercicio 7
Leia o material de Transformada de Hough para as imagens em : http://homepages.inf.ed.ac.uk/rbf/HIPR2/hough.htm#1, e no capitulo 10 (Shapiro). Depois, considerando a transformada de Hough de circulos vamos tentar detectar o maior numero possivel de circulos de raios variados nas 3 imagens de Neurofibromas com que estamos trabalhando, primiero nas bordas brancas e depois nos interiores. Apresentacao em 10/11.
Exercicio 8
Morfologia Matematica para deteccao de bordas e Granulometria em imagens. Leia sobre gradiente morfologico e granulometria. Use as tecnicas de MM para detectar as boldas das 3 imagens de Neurofibromas com que estamos trabalhando. Leia sobre reconstrucao (abertura com reconstrucao, fechamento com reconstrucao e granulometria com reconstrucao ). Use as bordas das imagens com as marcacoes para tentar contar quantos circulos ha de determinado raio, usando granulometria (repare que isso depende de que raios considerara em cada grupo). Apresente os conceitos de granulometria em niveis de cinza e umbra, em especial como ficam as operacoes de erosao e dilatacao em imagens nao binarias (tome como base o texto da aula da universidade de Bufalo distribuido). Sera que funciona fazer granulometria nestas imagens considerando elas em niveis de cinza (secao 13.6 Sonka)?
Exercicio 9
Extracao de Features de textura para classificar as 3 imagens de Neurofibromas com as quais estamos trabalhando. Que grupo de features poderiam ser usados ? Sera que pode-se correlacionar indices com niveis de "bolhamento" destas imagens ?
Exercicio 10
Folheando os livros textos usados, ou outras bibliografias , voce acha que haveria mais alguma tecnica que poderiamos tentar para resolver o "problemas da contagem de bolhas"? Que tal a tecnica de "region forming from partial bordes"? (secao 6.2.8 do Sonka?) Uma segmentacao Watershed? Ou tentar coeficientes de detalhes de wavelets? etc...
Trabalho 1
Para 26/08:
Cada aluno deve fazer um esquema (ou uma implementacao simples) que relacione a distancia da paciente ate camera, de modo que na distancia em que ela se pocisione haja uma ocupacao de x% (por exemplo 90%) da largura da imagem , pela largura , L, do corpo da paciente, nas aquisicoes das imagens Infra-Vermelhas realizadas no HUAP.
Recomendamos para isso assistir a apresentacao da tese de doutorado do Lincoln em 13/08/2015 `as 14 horas. Onde ele apresenta esse trabalho do cruso como um dos trabalho futuros da nossa linha de pesquisa em deteccao precoce de doencas da mama.
O esquema ou trabalho implementado e para ser mostrado e explicado oralmente na sala de aula, como uma apresentacao rapida de alguns slides em .PPT.
O proprio grupo de alunos verificara os pontos fortes e fracos de cada trabalho os discutindo em sala de aula.
O trabalho mais completo recebera a maior nota
Trabalho com resultados errados nao podera receber nota maior que 5.
Trabalho 2
Para 02/09:
Cada aluno deve ler e apresentar um dos metodos de limiarizacao comentados pela professora em sala , na aula 2. Conforme definido em aula , cada aluno recebe o tema de um metodo diferente. Deve fazer isso descrevendo em especial o algortimo para sua implementacao.
O trabalho e para ser entregue escrito e apresentado em ppt. como usualmente se faz no caso de exposicao da metodologia em um congresso, com pontos suficientes para que o mesmo seja implementado depois como Trabalho 3, para a aula seguinte (16/09/2015) e testado em um grupo de imagens de RM a ser fornecidas pela professora.
Trabalho 4
Para 16/09:
Cada aluno deve pesquisa, entender e apresentar um metodo de melhoria do contraste em imagens ou deteccao de bordas conforme definido no material da AULA 5 (acima) . Depois esse metodo devera ser testado nos 5 exames de MR celebrais que estamos experimentado em 23/09/2015 (Trabalho 5), para entendermos melhor os efeitos das diversas metodologias.
O trabalho e para ser apresentado e explicado oralmente na sala de aula.
Trabalho 6
Para 30/09:
Cada aluno deve filtrar os ruidos das images abaixo. Elas forem degradadas em uma tentativa de filtragem que passa para o Dominio da Frequencia. Dica: caracterize o espectro de Fourier delas, centrado na origem, conforme definido no material da AULA 6 (acima) . A tecnica que o aluno desenvolveu e os resultados obtidos deverao ser testado em todas as imagens e apresentrados em sala no dia 30/09/2015 , para entendermos melhor as diversas metodologias. Ou seja o trabalho e para ser apresentado e explicado oralmente na sala de aula.
Trabalho 7
Para 30/09:
Mostre como ficam 3 metricas (iniciando pela a metrica sup , ou infinito, mas no que alguma ja for feitas escolham outras 3 diferentes) para uma vizinhanca de 7x7 de um pixel. Use a formula apresentada no slide 31 da Aula 7. Apresente essas distancias em cores distindas seguindo os modelos
desta aula para as outras metricas apresentados no slide 32. Para os 4 primeiros niveis de vizinhanca use as mesmas cores deste slide.
O trabalho e para ser apresentado e comparado com as respostas de cada aluno na sala de aula.
Qual a figura geometrica resultante de cada vizinhanca?
Trabalho 8
Para (04/11/2015):
Cada aluno ou grupo deve apresentar um algoritmo de segmentacao baseado em crescimento de regioes, divisao/fusao, atlas/registro, ou tecnicas hibridas destas (pesquisas novas sao bem vindas) ,
de modo que usem diversas caracteristicas (features), bem como e valores de tolerancia em torno destas,
quando for o caso, de modo que se segmente baseado em diversas features e nao apenas tons, ou uma unica caracteristica.
As features deverao ser escolhidas de modo a fazer sentido para o problema a ser segmentado,
estarem bem escolhidas (nao representarem coisas com mesmo sentido) e serem do menor numero possivel.
(O uso de tecnicas de selecao como ICA, PCA, etc, sao encorajadas).
Como os demais esse trabalho e para ser apresentado e explicado oralmente na sala de aula.
Ainda ,
devera ser depois aplicado ao trabalho 9.
Trabalho 9
Para (11/11/2015):
Cada aluno deve fazer apresentar uma solucao para segmentacao automatica da ROI em imagens termicas,
e do corpo caloso, em imagens de RM.
Recomendamos para isso assistir a apresentacao do Lincoln no seminario de pos em 21/10/2015 `as 14 horas e ler a tese de mestrado do Erick (defendida neste ano , que pode ser obtida no sitre da IC).
Pois eles apresentam como essas tecnicas podem ser usadas em trabalho futuros nas respectivas area ,
dentro da nossa linha de pesquisa em deteccao precoce de doencas da mama e segmentacao de imagens medicas.
O trabalho e para ser apresentado e explicado oralmente na sala de aula.
Exercicio 10
Para (28-10-2015):
Cada aluno deve ler, pesquisa e apresentar na ultima aula do curso (28-10-2015) uma explicacao de como pode ser a Analise dos Componentes Independentes (ICA = indepedent component analysis), Se baseando na explicao detalhada das PCA feita no material das aulas de reconhecimento de padroes ou do capitulo 6 da referencia 1: A. Conci, E. Azevedo e F.R. Leta - Computacao Grafica: volume 2.
O trabalho e para ser entregue escrito e apresentado em sala de aula
Exercicio 1
Para 20/03:
Exercicio 2
Para (27/03):
Cada aluno deve ilustrar atraves de exemplos como fica a visao a cores de pessoas com algum tipo de Dautonismo. Exemplificando a visao por um tricromatra padrao e pelo deficiente do tipo escolhido. A denominacao deve ser explicada bem como o motivo da distorcao das cores.
O trabalho e para ser mostrado oralmente na sala de aula.
Exercicio 3
Para ate a proxima aula (02/04):
Cada aluno deve primeiro escolher um espaco de cores diferente (por exemplo a Priscilla ja escolheu o CMYK e ninguem pode escolher o CMY, pois estou usando ele como exemplo abaixo) .
Depois disso deve mostrar, preferencialmente atraves de uma matriz de transformacao ou de equacoes , como se transformam as bandas RGB normalizadas neste espaco.
A seguir fazer o mesmo de forma inversa, ou seja, mostrar como se volta deste espaco para o RGB.
Ainda: dar pelo menos 10 valores de cores RGB neste espaco. Ou seja mostrar como exemplos, a descricao de pelo menos 10 cores normalizadas em ambos os espacos , por exemplo as seguintes cores soo descritas respectivamente em RGB e CMY: vermelho(1,0,0)(1,0,1), verde(0,1,0)(0,1,1), azul(0,0,1)(1,1,0), amarelo(1,1,0)(0,0,1), ciano(0,1,1)(0,1,0), magenta(1,0,1)(1,0,0), branco(1,1,1)(0,0,0), preto(0,0,0)(1,1,1), cinza(0.7,0.7,0.7)(0.3,0.3,0.3), rosa(1,0.5,0.5)(0.5,0,0.5).
Descrever que sua
vizualiazacao geometrica (por exemplo CMY
como o RGB sao um cubo diagonalmente opostos e com ou eixos principois defazados e apontando em direcoes opostas).
Finalmente : dizer qual sua caracteristica especial principal, ou para que nescessidade foi inventado e melhor se aplica.
IMPORTANTE: No caso especifico deste trabalho, prefiro que entreguem ate um dia antes da proxima aula, por e-mail, para que se possa antes verificar se todos entenderam, nao houve sobreposicao e fizeram adequadamente o mesmo.
Espaco de Cores RGB/CMY:
Girando em torno do eixo de cinzas:BW | Repartindo-se em torno do eixo BW Repare a variacao de tons de cinza | Dividindo-se em planos paralelos aos limites Repare a variacao de tons |
TRABALHO 1
Implementar , na aplicacao escolhida pelo seu grupo, uma forma que permite uma comparacao entre como fica uma imagem tipica, que voce vai usar, nas formas:
1- originalNa tecnica 3 (AHE) , em vez do histograma global, e calculado um histograma local para vizinhanca de cada pixel, por tamanhos variaveis. Nesta etapa voce deve verificar , qual seria o melhor tamanho de janela para seu caso. Ou seja seus sistema deve permitir variar e visualizar diversos exemplos de janelas ao redor do pixel.
A tecnica 4 (CLAHE) corta, no histograma local, todas as intensidades em que o numero de pixeis esteja acima de um limite definido. As intensidades acima do limite sao redistribuidas no histograma pelos tons vizinhos.
DDSM (de onde essas imagens originais forma obtidas) :
http://marathon.csee.usf.edu/Mammography/DDSM/thumbnails/benigns/benign_01/case3102/B-3102-1.html
LINKS:
Assuntos