Trabalhos 2015

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.

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.

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.

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.

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?

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.

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.

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

---

[Topics / Topicos][References / Referencias] [Works / Trabalhos] [Videos] [Others / Outros]

---

TRABALHOS: 2013

Exercicio 1

Para 20/03:

Cada aluno deve fazer apresentar exemplos de aplicacoes de AI, PI e CG.
O trabalho e para ser explicado oralmente na sala de aula.

---

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

[Topics / Topicos][References / Referencias] [Works / Trabalhos] [Videos] [Others / Outros]

---

TRABALHO 1

(proxima aula de maio /2013)

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- original
2- depois de processada por Equalizacao do Histograma
3- depois de uma equalizacao adaptativa do histograma (AHE - Adaptative Histogram Equalization)
4- depois de usar a tecnica de equalizacao adaptativa de histograma com limitacao de contraste (CLAHE - Contrast Limited Adaptive Histogram Equalization)

Na 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.

A Figura abaixo mostra uma representacao desse processo, em janela de 8x8, retirada da Dissertacao apresentada ao Programa de Pos-Graduacao em Ciencia da Computacao da Universidade Federal do Maranhao, pore Leonardo Silva Kury Aragao Mendes: Deteccao de Massas em Imagens Mamograficas utilizando Beamlets.

DDSM (de onde essas imagens originais forma obtidas) :
http://marathon.csee.usf.edu/Mammography/DDSM/thumbnails/benigns/benign_01/case3102/B-3102-1.html

---

Trabalhos dos anos anteriores

---

[Topicos do Curso][Referencias Bibliograficas] [Trabalhos][Outros Sites]

LINKS:

datasets:

• There are over 1500 datasets listed at: http://homepages.inf.ed.ac.uk/rbf/CVonline/Imagedbase.htm with more being added monthly without cost.
• Edinburgh office monitoring video dataset: The dataset is available at: http://homepages.inf.ed.ac.uk/rbf/OFFICEDATA/
• Labelme: an online annotation tool to build image databases for computer vision research OpenSurfaces: a large database of annotated surfaces created from real-world consumer photographs.
• ImageNet: a large-scale image dataset for visual recognition organized by WordNet hierarchy
• ADE20K Dataset: a benchmark for scene and instance segmentation, with pixelwise semantic annotations
• Places Database: a scene-centric database with 205 scene categories and 2.5 millions of labelled images
• NYU Depth Dataset v2: a RGB-D dataset of segmented indoor scenes
• Microsoft COCO: a new benchmark for image recognition, segmentation and captioning
• Flickr100M: 100 million creative commons Flickr images
• Labeled Faces in the Wild: a dataset of 13,000 labeled face photographs
• Human Pose Dataset: a benchmark for articulated human pose estimation
• YouTube Faces DB: a face video dataset for unconstrained face recognition in videos
• UCF101: an action recognition data set of realistic action videos with 101 action categories
• HMDB-51: a large human motion dataset of 51 action classes

Ex alunos do IC:

• Site do John : http://www.ic.uff.br/~jcarvalho
• Site do Rafael : http://www2.ic.uff.br/~rmelo

Cursos em Universidades Brasileiras.

• J. Facon, Morfologia Matematica - http://www.pucpr.br
• Unicamp - Univ. Campinas
• Universidade de Santa Catarina, professor Aldo von Wangenheim: http://www.inf.ufsc.br/~visao/ - UFSC

Universidades e Labs.

• Estagios:
  1. Czech Technical University in Prague - Dept. of Telecommunications Engineering - Praha - Czech Republic
  2. University of West Bohemia, Plzen, Czech Republic: http://wscg.zcu.cz
  3. Advanced Computer Vision - Viena - Austria : http://www.acv.ac.at
  4. Institute for Computer Graphics and Vision - Graz - AUSTRIA
• Intelligent Sensory Information Systems - University of Amsterdam
• Universitat Tuebingen - Alemanha - GRIS - Institut fur Informatif, Computer-Graphik
• GRAIL - Graphics and Imaging Laboratory - University of Washington's Department of Computer Science and Engineering
• Grupo de Pesquisa em Visao Criativa- USP:
  www.vision.ime.usp.br/~creativision
  www.ime.usp.br/~cesar/shape_crc
• Universidade da California at Davis:
  http://graphics.cs.ucdavis.edu/GraphicsNotes/Graphics-Notes.html
• Unicamp: http://www.dca.fee.unicamp.br/dipcouse/index.html
• Universidade Fed. de Santa Catarina: http://www.inf.ufsc.br/~awangenh/CG/programa.html
• Algoritmos: http://www.efg2.com/Lab/Library/ImageProcessing/Algorithms.htm

[Topics / Topicos][References / Referencias] [Works / Trabalhos] [Videos] [Others / Outros]

Assuntos

• Computacao Visual
• Reconstrucao de Documentos Impressos:
  Site projeto internacional
  Site pesquisas da UFF
• Tutoriais on line: HIPR2
• Image Smoothing e Averaging:
  HIPR2 - http://www.dai.ed.ac.uk/HIPR2/csmooth.htm
  http://www.nasatech.com/Briefs/Sept99/NPO20475.html
  http://www.icaen.uiowa.edu/~dip/LECTURE/contents.html
  http://www.ph.tn.tudelft.nl/Courses/FIP/noframes/fip-Smoothin.html
  http://imaging.utk.edu/publications/papers/Yiyong_ICIP2000.pdf
  http://www.worldscinet.com/journals/ijprai/15/1504/S0218001401001076.html
  
• Reconstrucao 3D: (papers importantes)
  • Debevec - IEEE, 2003.
  • Colombo - UNIFI, 2003.
  • Allen et al - IEEE, 2001.
  • Laycock et al - C & G, 2003.
  • Curti et al - IEEE, 2002.
  • Benallal et al. - ICCVG, 2002.
  • Allen et al - IEEE, 2001.
  • Zhao et al - IEEE, 2001.
  • Baillard & Maitre - CVIU, 1999.

• Wavelets
  
  
• Imagens Medicas:
  • http://www.spl.harvard.edu
  • http://www.inria.fr/epidaure/personnel/ayache/ayache.html
  • http://www.sensor.com
  • http://www.nomos.com
  • http://www.sofamordanek.com
  
  
• Mining de Imagens:
  • Nossas pesquisas em de imagens coloridas pelo conteudo cromatico:
    paper SBMIDIA.
  • Isis - WWW Color Image Processing and Retrieval: http://carol.wins.uva.nl/~gevers/cfp_cviu.html
  • Virage image search engine:http://www.virage.com
  • content basedimage retrieval systems (CBIRS)
  • Query by image video content: the QBIC system: http://wwwqbic.almaden.ibm. com/~qbic/
  • for large data bases: http://www.ctr.columbia.edu/web-seek
  • VideoQ: http://www.ctr.columbia.edu/videoq
    
  
  
• Formatos de Imagens, Som, Movies, etc
  • http://www.wotsit.org/
  • www.dcs.ed.ac.uk/home/mxr/gfx/index-hi.html
  • www.cica.indiana.edu/graphics/image_specs
  
  
• `game programming`: curso gratuito
• Novo Site:de Games da UFF:

• Morfologia em tons de cinza
  • Intelligent Sensory Information Systems - University of Amsterdam
  • Universitat Tuebingen - Alemanha - GRIS - Institut fur Informatif, Computer-Graphik
  • GRAIL - Graphics and Imaging Laboratory - University of Washington's Department of Computer Science and Engineering
  • Grupo de Pesquisa em Visao Criativa- USPwww.vision.ime.usp.br/~creativision
    www.ime.usp.br/~cesar/shape_crc
  • Universidade da California at Davis:
    http://graphics.cs.ucdavis.edu/GraphicsNotes/Graphics-Notes.html
  • Unicamp: http://www.dca.fee.unicamp.br/dipcouse/index.html
  • Universidade Fed. de Santa Catarina: http://www.inf.ufsc.br/~awangenh/CG/programa.html
  • Algoritmos: http://www.efg2.com/Lab/Library/ImageProcessing/Algorithms.htm
  • outros:
    Reference Ranges and What They Mean.
    http://www.labtestsonline.net/understanding/analytes/cd4/test.html

  ---

[Referencias Bibliograficas] [Trabalhos][Outros Sites]

---

voltar inicio ementa

dados do professor

voltar linhas de pesquisa