Pesquisa premiada ajuda a identificar imagens por características numéricas

Extrair características numéricas de imagens, para assim classificá-las e utilizá-las no reconhecimento automático em equipamentos é a pesquisa do egresso do Programa de Pós-Graduação em Engenharia Elétrica (PPGEE) do Câmpus Pato Branco, André Marasca. O trabalho “Análise de textura usando descritores fractais estimados pela interferência mútua de grupo de pixels coloridos” (Texture analysis using fractal descriptors estimated by the mutual interference of groups of colored pixels) foi orientado pelo professor Dalcimar Casanova e co-orientado pelo professor Marcelo Teixeira.

A pesquisa ficou com o prêmio de segunda melhor dissertação nacional, durante o XV Workshop de Visão Computacional (WVC2019).

Os estudos utilizam a análise de textura para este tipo de reconhecimento e podem contribuir para áreas como a medicina, a botânica, a automação, o controle e a manufatura, a cibernética, entre outras. Os dispositivos que utilizaram análise de textura, ou seja, a classificação das imagens por meio de padrões, realizam a aquisição de imagens, que podem então ser interpretadas e enviadas a dispositivos eletrônicos na forma de sinais, para efetiva integração com o universo físico.

O método criado se baseia na conversão de uma imagem bidimensional em nuvens de pontos rotulados, que são então dilatados revelando características da textura. Resultados mostram que essa combinação proporciona um descritor de textura mais robusto e preciso que o convencional.

Os estudos realizados pelo pesquisador André Maraca já tiveram início durante o Trabalho de Conclusão de Curso (TCC) de sua graduação de Engenharia da Computação, também orientado pelo professor Dalcimar Casanova. “Isso contribuiu para que as pesquisas para esta dissertação no curso de mestrado fossem concluídas em menos de dois anos pelo aluno”, destaca o professor Dalcimar.

Concurso

A pesquisa foi submetida ao XV Workshop de Visão Computacional (WVC2019), concorrendo ao prêmio de melhor dissertação nacional no período de 2018 a 2019 (nível mestrado) e ganhou a segunda colocação no evento.

O primeiro lugar entre as dissertações também foi para outra pesquisa da UTFPR: “Técnicas de aprendizado ativo e descritor para classificação e recuperação de imagens”. O trabalho foi desenvolvido pelo pesquisador do Câmpus Cornélio Procópio, Rafael Bressan, orientado pelos professores Pedro Bugatti e Priscilla Saito.