Beruflich Dokumente
Kultur Dokumente
de uma imagem
pode ser considerado um ponto no espao R
n
: v
= (v
1
, v
2,
v
3
,...., v
n
), onde n a
dimenso do vetor (TORRES et. al., 2008).
O descritor D definido como uma tupla (
D
,
D
) (TORRES et al., 2008),
onde
D:
{} R
n
uma funo que extrai o vetor de caractersticas v
da imagem ,
e
D
: R
n
X R
n
R
n
uma funo que calcula a similaridade entre duas imagens.
Os descritores de imagens devem ter propriedades que assegurem a sua
eficcia quando usados na indexao e recuperao de imagens, se destacado:
- A caracterizao nica de um determinado objeto a partir do vetor de
caractersticas, facilitando a distino entre imagens visualmente diferentes, de
acordo com alguma mtrica.
- A invarincia do descritor a algumas classes de transformaes
geomtricas, como a rotao, escala e a translao.
27
Outras propriedades desejveis so: insensibilidade a rudo, gerao de
vetores de caractersticas compactos (que requer pouco espao de armazenamento)
e funo de extrao computacionalmente eficiente.
2.4 Descritores de cores
A escolha de um espao de cor no qual as imagens sero representadas,
analisadas e comparadas o primeiro passo em qualquer sistema de recuperao
de imagens por cor. As cores presentes em uma imagem possuem um papel
significativo na indexao e recuperao da mesma.
A maioria das extraes de caractersticas de cor utiliza histogramas de cor.
Os histogramas de cor so invariantes translao e rotao das imagens, sendo
que, com a normalizao dos histogramas, obtm-se tambm a invarincia escala.
Mas os histogramas de cor no indicam a localizao espacial dos pixels na
imagem. Outro aspecto a considerar se a imagem contm um nmero alto de
cores, ento o vetor de caractersticas ser maior e a indexao de vetores com
essa dimenso torna-se problemtica.
No entanto, na aplicao motivadora deste trabalho, observa-se que a
informao de cor dos objetos pode no ter a mesma relevncia, pois uma semente
pode assumir diferentes cores durante seu ciclo de vida (Popinigis, 1985) (LOPES;
DIAS; PEREIRA, 2005).
2.5 Descritores de textura
Para o olho humano fcil a identificao de texturas, porm, para
procedimentos computacionais automticos, exigem tcnicas computacionais
complexas. A utilizao de textura de imagens tem como objetivo permitir sua
segmentao em determinadas regies que possuem mesmo textura.
O termo textura definido como um arranjo repetitivo de um padro bsico
(TUCERRYAN; JAIN, 1993). Esse padro pode ser definido pela diferena na
superfcie ou pela diferena de cor devido a propriedades fsicas presentes na
superfcie do objeto (rugosidade), ou o resultado de diferenas de reflexo tal como
a cor nas superfcies exemplificadas na Figura 3.
28
Figura 3 Exemplos de diferentes texturas. Fonte: Wang, 2000.
Textura tambm pode ser definida como um plano no quais certas
caractersticas, chamadas de caractersticas texturais, permanecem constantes. Seis
caractersticas texturais so apresentadas em (TAMURA; MORI; YAMAWAKI, 1978)
e so correspondentes aos atributos visuais comuns de texturas, pois o critrio para
a seleo destas seis caractersticas foi a influncia delas na percepo das
diferentes texturas. Desta forma a granularidade, contraste, direcionalidade,
linearidade, regularidade e aspereza podem ser estudados e quantificados a partir
de uma determinada textura para fins de identificao, diferenciao e classificao.
Considera-se que a textura formada por clulas, ou grupos de pixels, que
internamente tem um nvel de cinza uniforme.
Geralmente estes grupos so chamados primitivas tonais. O tamanho destas
clulas e a sua distribuio espacial ao longo da imagem com os valores dos nveis
de cinza entre as primitivas tonais definem as caractersticas de uma textura. Para
caracterizar a textura devem ser levadas em conta as propriedades das primitivas
tonais, bem como as inter-relaes entre as clulas que a constituem. Cada uma
das caractersticas pode ser entendida como:
- Granularidade: refere-se ao tamanho das clulas presentes na imagem. As
clulas podem ser definidas como sendo reas com aproximadamente o
mesmo brilho. Uma textura com clulas grandes considerada grossa,
enquanto que as texturas finas so formadas de clulas pequenas.
- Contraste: medido pelas variaes dos tons de cinza na imagem. Uma alta
variao dos tons (claro e escuro) nos limites (valores mximo e mnimo) das
clulas de uma imagem caracteriza uma imagem com alto contraste, uma
baixa variao dos tons de cinza nestes mesmos limites caracteriza o baixo
contraste.
29
- Direcionalidade: aplica-se para determinar se a textura possui uma direo
de ocorrncia principal dos elementos que a constituem, pode ser vertical,
horizontal, inclinada ou no-direcional.
- Linearidade: Mede a presena ou no de linhas na imagem. Algumas
imagens podem ter uma alta ocorrncia de linhas e outras com total ausncia
das mesmas.
- Regularidade: Trata da visualizao de uma imagem, que pode ser regular
ou no.
- Aspereza: Foi imaginado inicialmente para texturas tctis e no visuais.
Entretanto uma textura spera pode ser identificada visualmente e as
imagens destas texturas apresentam contornos que transmitem a sensao
de aspereza mesmo sem a possibilidade de toc-las.
A anlise da informao de textura em uma imagem requer,
necessariamente, uma anlise dos pixels em uma vizinhana e seu posicionamento
em relao aos demais (conectividade), o nmero de pixels por unidade espacial
(densidade) e a sua regularidade (homogeneidade). Por isso, o processo de
filtragem espacial, normalmente ser mais demorado computacionalmente que
outras operaes. Os algoritmos de extrao de informao de textura geralmente
requerem um tempo computacional consideravelmente maior do que um algoritmo
pixel-a-pixel.
Nos sistemas CBIR as caractersticas de textura so muito teis, pelo fato de
que a grande maioria de superfcies naturais exibe texturas.
2.6 Descritores de forma
A forma um atributo muito importante para o desenvolvimento deste
trabalho. Pois ela possibilita capturar as estruturas topolgicas dos objetos
presentes nas imagens (TORRES et. al., 2008).
Para a extrao dos descritores de forma, a maioria das vezes, as imagens
devem passar previamente pelo processo de segmentao. O processo de
segmentao consiste na extrao ou distino de objetos em uma imagem. Como
diferentes objetos requerem diferentes algoritmos de segmentao, tornando-se
complexa a tarefa de descrio de imagens por meio da forma.
30
Devido ao fato anterior a segmentao um problema que os sistemas de
recuperao de contedo baseado na forma precisam lidar (TORRES et. al., 2008).
Depois de aplicado o mtodo de segmentao e uma possvel
representao dos objetos nas imagens, as caractersticas devem ser compactadas.
Porm, existe uma dificuldade de encontrar uma descrio matemtica capaz de
captar totalmente os aspectos das formas como so visualmente captados e
entendidos. Alm, do fato, de que a comparao acarreta a um novo problema
(TORRES et. al., 2008).
Os sistemas CBIR que utilizam a este tipo de descritor extraem as
informaes dos contornos dos objetos e/ou das regies desses objetos. Contudo,
os valores extrados podem diferir entre cada CBIR. Assim, um importante problema
que deve ser resolvido para construo de um CBIR elaborar descritores de forma
especficos para cada aplicao.
De acordo com ZHANG e LU (2001), existem dois tipos de descritores de
forma: os baseados em contorno e os baseados em regio. Os mtodos baseados
em contorno usam apenas o contorno (ou bordas) da forma do objeto e ignora
completamente seu interior. Por outro lado, as tcnicas baseadas em regio levam
em conta no s a borda da forma do objeto, como tambm os detalhes internos da
forma do mesmo, ou seja, todos os pixels presentes no interior da forma do objeto
analisado so utilizados para obteno da representao da mesma (ZHANG; LU,
2001).
2.7 Extrao de caractersticas
A extrao de caractersticas consiste em transformar os dados de entrada
em caractersticas. Assim, quando os dados a serem processados so redundantes,
estes devem ser reduzidos para uma melhor representao. Essa representao
denominada de vetor de caractersticas.
Na etapa de anlise de imagens o vetor de caractersticas destaca-se como
uma representao mais concisa da imagem ou dos seus objetos, pois armazena os
atributos mais expressivos das regies da imagem. O nmero desses atributos
determina o tamanho do vetor de caractersticas, que usualmente depende das
propriedades que se pretende diferenciar.
31
A seguir so descritos os mtodos de extrao de vetores de textura e
forma. Para extrair caractersticas de textura utilizam-se matrizes de co-ocorrncia
de nveis de cinza e pela adaptao dessa matriz podem-se extrair atributos de
forma. Os momentos invariantes de Hu tambm servem para extrair atributos de
forma.
2.7.1 Matrizes de co-ocorrncia de nveis de cinza para extrair textura
A matriz de co-ocorrncia, ou ocorrncia simultnea, uma tabulao de
quantas combinaes diferentes de valores de nveis de cinza (intensidade dos
pixels) ocorrem em uma imagem. A principal utilidade dessa matriz representar
texturas de uma imagem atravs do nmero de ocorrncias de cada tom de cinza
em diferentes direes. Logo, uma ferramenta capaz de classificar imagens.
Porm, ela possui alto custo computacional medida que o nmero de tons de cinza
crescer na imagem.
A representao de textura baseada em Matriz de Co-ocorrncia de Nveis
de Cinza (GLCM - Gray Level Co-occurrence Matrix). Baseado na repetio das
ocorrncias de nveis de cinza dos pixels de uma imagem e fornece medidas quanto
s propriedades como rugosidade, suavidade e regularidade apresentadas na
imagem (MARTINS et. al., 2005).
Em Haralick (1973), apresentara vrios experimentos com fotografias areas
e imagens de satlite que foram classificadas atravs das GLCM com boa exatido
(mais de 80% de acerto), mostrando a capacidade e a generalidade deste mtodo.
As caractersticas texturais de uma dada imagem so especificadas atravs
de um conjunto de matrizes de dependncia espacial dos nveis de cinza, baseadas
nas freqncias de ocorrncia de pares de nveis de cinza com determinada
separao e orientao angular. assumido que a informao de textura est
contida na relao espacial que os nveis de cinza tm um com o outro.
Sendo uma das mais usadas e com resultados muito bons em vrias reas
de aplicao, formalmente, Haralick fundamenta GLCM da seguinte forma:
Suponha-se uma imagem com N
x
pixels na direo horizontal, N
y
pixels na direo
vertical e que o nvel de cinza associado a cada pixel seja quantizado por N
c
+1
nveis. Seja D
x
= {1, 2,..., N
x
} o domnio horizontal D
y
= {1, 2,..., N
y
} o domnio
32
espacial vertical e C= {0, 1, 2,..., N
c
} o conjunto dos N
c
+1 nveis de cinza
quantizados.
Os pixels da imagem, exceto aqueles localizados na borda da mesma,
possuem oito pixels vizinhos, levando em conta uma distncia entre eles de um. Ou
seja, cada pixel possui oito pixels adjacentes, dois em cada orientao: horizontal
(0), vertical (90), diagonal direita (45) e diagonal esquerda (135). A matriz de co-
ocorrncia leva em conta a adjacncia dos pixels e seus valores e do tamanho
N
c
+1 X N
c
+1. Cada posio na matriz corresponde ao nmero de vezes que os
nveis de cinza ocorreram na imagem em pixels adjacentes em cada uma das
direes (horizontal, vertical, diagonal direita e diagonal esquerda), segundo alguma
distncia e direo dos pontos. As matrizes tambm so simtricas, pois tem o
mesmo nmero de colunas e linhas. A soma das 4 matrizes direcionais resulta em
uma matriz invariante a rotao (HARALICK,1973).
A partir destes fatos, os valores de uma GLCM podem ser utilizados para
compor um vetor de caractersticas. Haralick descreve um conjunto de 14
caractersticas, sendo os mais utilizados: a energia, a entropia, o contraste, a
momento da diferena inversa (MDI), as medidas de correlao, a varincia, a
dissimilaridade e a mdia. Esses descritores so dados, respectivamente, pelas
equaes (1), (2), (3), (4), (5), (6), (7) e (8) a seguir.
Para cada pixel p(i,j) processado na imagem, existe outros em torno dele,
nas quatros direes. Com n-1 nveis de cinza em uma imagem.
=
=
1
0
1
0
2
) , (
n
i
n
j
j i p Energia
(1)
A energia, tambm conhecida por segundo momento angular, permite
identificar o grau de homogeneidade das medidas de distncia.
=
=
1
0
1
0
2
)] , ( [ ) (
log
n
i
n
j
j i p j i Entropia
(2)
A entropia fornece o grau de disperso de nveis de cinza de uma imagem.
=
=
1
0
1
0
2
) , ( ) (
n
i
n
j
j i p j i Contraste
(3)
O contraste mede a quantidade de variao local de nveis de cinza em uma
imagem.
33
( ) ( )
=
|
|
.
|
\
|
+
=
1
0
1
0
2
) , (
1
1
n
i
n
j
j i p
j i
MDI
(4)
O momento da diferena inversa denota a homogeneidade da matriz de co-
ocorrncia.
=
1
0
1
0
) , ( n
i
n
j
y x
y x
j j ijp
Correlao
o o
(5)
A correlao mede a dependncia linear dos nveis nas combinaes dos
pares de pixels em uma determinada direo. O
x
e
y
denotam as mdias nas
direes x e y, enquanto
o x
e
o y
representam os desvios padro.
( )
( ) j i p Varincia
n
i
n
j
j i
,
1
0
1
0
2
=
=
(6)
A varincia diz respeito heterogeneidade da matriz de co-ocorrncia em
forma de desvio dos valores p da matriz.
=
=
1
0
1
0
) , ( | ) ( | .
n
i
n
j
j i p j i i Dissimilar
(7)
A dissimilaridade mede o desvio dos valores da combinao de pares de
pixels diagonais, em que apenas a contribuio do desvio considerada.
=
=
1
0
1
0
) , ( .
n
i
n
j
j i p i Mdia
(8)
Mdia da matriz de co-ocorrncia.
Outro valor denominado de informao de medida de correlao tambm
pode ser calculado. O valor da entropia subtrado de outro clculo de entropia que
utiliza a multiplicao das probabilidades de x e y.
( ) HY HX
HXYL HXY
IMC
, max
= (9)
Onde HX e HY so dadas pela entropia de x e de y.
=
=
1
0
1
0
)] , ( log[ ) , (
n
i
n
j
j i p j i p HXY
(10)
34
( ) ( )
=
=
1
0
1
0
] log[ ) , (
n
i
n
j
y x
j i j i p HXY
p p (11)
2.7.2 Implementao alternativa para matriz de co-ocorrncia
O algoritmo proposto neste trabalho substitui os nveis de cinza da matriz de
co-ocorrncia de Haralick pelas distncias da borda do objeto em relao ao centro
aproximado.
As distncias so calculadas nos 360 graus possveis. Esses valores so
normalizados em 100, pois as distncias so divididas pela maior e multiplicadas por
100, por isso a matriz de co-ocorrncia contm 100 linhas por 100 colunas, e ser
gerada pela combinao do valor das distncias nos ngulos complementares (valor
do ngulo mais 180 graus). Assim, se a distncia na direo do ngulo 0 50 e do
ngulo 180 70 o valor da clula da matriz na posio (50, 70) incrementado em
um, e assim sucessivamente com os demais ngulos, totalizando 180 combinaes.
Para aumentar o nmero de combinaes posio (70, 50) tambm
incrementada, dessa forma a quantidade de combinaes chega a 360 e temos uma
possvel maneira de deixar o mtodo invariante posio. Para tornar o mtodo
mais invariante posio podem-se adicionar os ngulos 45, 90 e 135 totalizando
1440 combinaes de ngulos.
Para chegar ao clculo das distncias foi preciso primeiramente definir
alguns atributos da imagem e dos objetos.
Inicialmente foi realizada a extrao dos pontos dos contornos do objeto pelo
algoritmo criado por Suzuki (1985). Com isso, foi possvel submet-los ao algoritmo
que ajusta uma elipse ao objeto (ANDREW; FISHER, 1995). Esse algoritmo calcula
a elipse que melhor se encaixa aos pontos do contorno da imagem. Aps a gerao
da elipse possvel acessar o valor do seu centro e este ponto foi considerado o
centro do objeto. A Figura 4 mostra um objeto com a elipse ajustada.
35
Figura 4 Exemplo da elipse ajustada.
A distncia euclidiana (CONCI; AZEVEDO, 2007) entre o centro da elipse e
as coordenadas dos contornos so calculadas utilizando as coordenadas polares
(HEARN; BAKER, 2004), como exemplifica a Figura 5. Esse mtodo fixa, desde a
origem O ao plo P, uma semi-reta e possibilita encontrar os pares de pontos pela
variao do raio e do ngulo da origem como uma referncia, representado pelo
plano que contm a semi-reta que passa pelos pontos O e A na Figura 5. O raio
representa a distncia entre o ponto O e o plo P.
Figura 5 - Representao grfica das coordenadas polares.
As coordenadas so obtidas pelas eq.(12) e eq.(13):
u cos = r x
(12)
36
u sen r y =
(13)
Os valores do ngulo e do raio iniciam em zero, com o semi-eixo fixo no grau
zero. O raio aumentando em um e so calculadas as coordenadas (x, y) at que o
pixel nessa posio pertena borda do objeto. Quando isso acontece, o valor do
raio zerado e o ngulo passa a valer um. Esse procedimento ocorre at que o
ngulo seja igual a 359.
Assim, ao final do processo mostrado so obtidas 360 coordenadas. O
resultado do deste mtodo, inclusive com a elipse, ilustrado na Figura 6 as
distncias so mostradas em verde e a maior distncia est em destaque.
Figura 6 - Imagem do objeto com a elipse posicionada, as linhas verdes representam
as 360 distncias e alinha laranjada a maior distncia.
2.7.3 Momentos Invariantes de HU
Os momentos de HU um importante mtodo de extrao de vetores de
atributos de forma, pois so invariantes translao, mudana de escala e
tambm rotao (HU, 1962).
Para desenvolver este mtodo HU (1962) derivou expresses das
invariantes algbricas aplicadas ao momento da funo gerada a partir de uma
transformao de rotao. Estas consistem em grupos de expresses no lineares
de momentos centralizados. O resultado um conjunto de momentos invariantes
ortogonais absolutos que podem ser usados para a identificao de padres
invariantes escala, posio e rotao. Esses momentos so obtidos a partir dos
37
momentos centralizados normalizados, os quais mostrados a seguir e
posteriormente os sete momentos de HU (HU, 1962).
Definio matemtica de um momento discreto centralizado, como descreve
HU (1962):
( ) ( )
=
P y y x x xy
q p
pq
(14)
A seguir as 7 equaes dos momentos invariantes de Hu:
q q
02 20
1
+ =
I
(15)
( )
q q q
2
11
2
2
4
02 20
+ =
I
(16)
( ) ( ) q q q q
03 21 12 30
3 3
2 2
3
+ =
I
(17)
( ) ( ) q q q q
03 21 12 30
2 2
4
+ =
I
(18)
( )( ) ( ) ( )
( )( ) ( ) ( )
(
+
+
(
+ =
+ +
+ +
q q q q q q q q
q q q q q q q q
03 21 12 30
3
03 21 12 30
2 2
03 21 03 21
2 2
12 30 12 30
5
3
3 3
I
(19)
( )
( ) ( )
( )( )
(
+ + + =
+ q q q q q q q q q q q
03 21 12 30 11
2 2
02 20
6
4
03 21 12 30
I
(20)
( )( ) ( ) ( )
( )( ) ( ) ( )
(
+
+
(
+ =
+ +
q q q q q q q q
q q q q q q q q
03 21 12 30
3
03 21
3
12 30
3
2 2
03 21 12 30
2 2
12 30 03 21
7
3
I
(21)
2.8 Consideraes sobre o captulo
Neste capitulo foi discutido conceitos importantes para o desenvolvimento
deste trabalho discutindo as etapas desse processo. Tambm, a modelagem do
sistema de recuperao de Imagens, descrevendo a sua arquitetura e a forma de
representar imagens por meio de vetores de caractersticas para cor, textura e
forma. Justificando a excluso dos atributos de cor para a identificao de sementes,
devido a as sementes apresentam variao de cores dentro de uma mesma espcie
durante a sua maturao. E afirmando o uso da forma e textura, pois a maioria das
espcies de sementes tem formatos e texturas diferenciados.
38
Alm de discutir os mtodos para a extrao de vetores de caractersticas de
forma e textura, como os 7 momentos invariantes HU, a matriz de co-ocorrncia de d
nveis de cinza de Haralick e o, mtodo desenvolvido neste trabalho, a adaptao da
matriz de co-ocorrncia de Haralick.
No captulo a seguir descrita a metodologia utilizada para o
desenvolvimento deste trabalho.
39
3 Uma Ferramenta para Apoio Identificao de Sementes
O presente captulo tem por objetivo apresentar o algoritmo de extrao de
atributos de forma desenvolvido neste trabalho. Tambm so descritos os materiais
utilizados no desenvolvimento, execuo e validao da ferramenta desenvolvida.
As etapas que foram utilizadas para a construo do sistema automtico de
identificao de sementes, com base nas caractersticas de forma e textura so
descritas na seo 3.5.
3.1 Linguagem e Ambiente de Desenvolvimento
A linguagem que foi utilizada para a implementao do software de extrao
de caractersticas foi C++, que, alm das vantagens de uma linguagem moderna e
orientada a objetos, compatvel com OpenCV (Open Source Computer Vision),
uma biblioteca grfica de cdigo aberto. O OpenCV implementa uma variedade de
ferramentas de interpretao de imagens, indo desde operaes simples como um
filtro de rudo, at operaes complexas, tais como anli ses de movimentos,
reconhecimento de padres e reconstruo em 3D. O pacote OpenCV est
disponvel gratuitamente na Internet (SOURCEFORGE, 2010) bem como o manual
de referncia (INTEL, 2001).
3.2 Equipamento de Aquisio de Imagens
As fotografias das sementes foram obtidas por uma cmera fotogrfica
digital de seis megapixels. Cada imagem obtida contm grupos de 2 a 14
exemplares de uma mesma espcie distribudos sobre um vidro limpo. Observou-se
que no houvesse sementes sobrepostas ou tocando-se. Para homogeneizao da
imagem, este vidro foi colocado a 15 cm de distncia de um fundo azul e foi utilizada
uma fonte de luz proveniente de uma lmpada fluorescente redonda, sobreposta ao
vidro, para garantir luminosidade em todos os lados da semente, evitando a
formao de sombra e brilho causados pelo reflexo do flash da cmera no vidro. A
Figura 7 apresenta o equipamento utilizado para obteno das imagens fotogrficas.
A Figura 8 um exemplo de uma fotografia obtida.
Para cada uma das 66 espcies, ao final do processo de obteno das
fotografias, foram adquiridas pelo menos oito imagens.
40
Figura 7 - Equipamento montado para a aquisio das imagens de sementes.
Outro aspecto importante que se decidiu por utilizar mquina fotogrfica
digital convencional em detrimento a equipamentos mais robustos, como lupa
eletrnica ou microscpio. Esta deciso foi tomada para permitir que o usurio
pudesse reproduzir, a custo acessvel, um ambiente com as mesmas caractersticas
daquele utilizado para obteno das imagens da base de dados, de forma a ser
possvel a leitura de informaes visuais das imagens com caractersticas
semelhantes. A utilizao de lupa ou microscpio encareceria o sistema, embora
ambos estivessem disposio para realizao do presente trabalho.
Figura 8 - Imagem adquirida com o equipamento da espcie invasora.
41
3.3 Base de Imagens
A base de dados utilizada nos experimentos realizados neste trabalho
contm 66 espcies de sementes classificadas como invasoras. A forma de
aquisio das imagens seguiu rigorosamente o mesmo procedimento, uma vez que
devem ser garantidas as mesmas condies de luminosidade para garantir
uniformidade na etapa de extrao das caractersticas das imagens.
3.4 Funcionamento Simplificado
Podem-se resumir as atividades realizadas pela ferramenta conforme
descrito pelo algoritmo descrito na Figura 9.
Algoritmo: Processo de obteno de caractersticas das sementes
Entradas:
- O nome de um diretrio contendo um conjunto de imagens
fotogrficas de grupos de sementes. O nome de cada arquivo
descreve o gnero e a espcie do grupo de exemplares nele
contido.
- Tabela de cruzamento de nomes de espcie e nome da famlia da
espcie.
Sada:
- Arquivo contendo uma tabela onde as linhas correspondem as
famlias das espcies manipuladas e as colunas contm a mdia
aritmtica simples de cada atributo das caractersticas
extradas.
1. Para cada arquivo no diretrio
1.1. Leitura do arquivo contendo a imagem fotogrfica de um grupo de
sementes da mesma espcie.
1.2. Pr-Processamento da imagem fotogrfica.
1.3. Segmentao da imagem fotogrfica em regies contendo um nico
exemplar.
1.4. Recorte da imagem fotogrfica gerando uma imagem para cada espcie
segmentada.
1.5. Para cada imagem obtida no passo anterior, extrai as
caractersticas de:
1.5.1. Textura.
1.5.2. Forma pela tcnica proposta.
1.5.3. Forma pela tcnica Momentos de HU.
1.6. Identifica famlia da espcie tratada e atualiza tabela de mdias
de atributos de caractersticas da famlia;
2. Salva arquivo de sada.
Figura 9 - Algoritmo descrevendo o processo de obteno das caractersticas das
imagens de sementes.
Neste algoritmo verifica-se que a principal entrada consiste no nome de um
diretrio que contm arquivos de imagens fotogrficas de grupos de sementes. A
sada consiste em um arquivo que contm a mdia aritmtica simples de cada
42
atributo das caractersticas extradas para as espcies de cada famlia. Os passos
deste algoritmo so desenvolvidos no restante deste captulo.
3.5 Identificao de sementes
O software desenvolvido tem um nico parmetro de entrada, que a
imagem adquirida que contem a semente a ser identificada. Para implementar essa
etapa foi utilizada a biblioteca OpenCV.
3.5.1 Pr-processamento
Para realizar a etapa de pr-processamento da imagem foi desenvolvido um
mtodo de segmentao especifico para tratar a imagens de sementes. Antes de
realizar a segmentao feita uma converso do padro de cor RGB da imagem
para o padro HSV. Logo aps, aplicado um borramento para eliminar pequenas
partculas presentes nas imagens.
Essa manipulao da imagem feita para garantir o maior acerto no
processo de segmentao. Esses procedimentos so descritos a seguir.
3.5.1.1 Converso de RGB para HSV
As imagens adquiridas no padro RGB foram convertidas para o espao
HSV Aps esta transformao feita a multiplicao dos canais e uma imagem
monocromtica criada. Os canais sofrem uma multiplicao simples H*S*V e o
valor resultante multiplicado por 255 para criar uma imagem com um nico canal
de cor (escala de cinza). A Figura 10 mostra uma imagem original e a imagem
resultante aps o processo de multiplicao. possvel notar que aps a etapa de
converso e multiplicao a imagem fica praticamente dividida entre o fundo e as
outras estruturas, com exceo da rgua que tem elementos em ambas as classes.
A multiplicao dos canais facilitar o processo de segmentao da imagem
em sementes e fundo que ser descrito na prxima subseo.
43
Figura 10 - Converso do modelo RGB para HSV. a) Imagem no modelo RGB. b)
Imagem no padro HSV.
3.5.1.2 Borramento
Antes da limiarizao aplicado um borramento da imagem com um filtro
gaussiano de tamanho 19x19, para eliminar rudos e estruturas pequenas que
aparecem na imagem (plos, poeira e outros).
3.5.2 Segmentao de imagens utilizando Histograma
Um mtodo de segmentao especifica foi desenvolvido para este trabalho
(OLIVEIRA et. al., 2010) e utilizado por MEDEIROS (2011). Esse mtodo utiliza o
histograma da imagem para realizar a segmentao da imagem.
A prxima etapa calcular o histograma da imagem e encontrar o valor que
tem a maior probabilidade de ocorrer (pico mais alto). Como as estruturas esto
realadas, devido multiplicao de canais, a busca feita de forma simples,
somente verificando qual o maior valor encontrado no histograma. Como o fundo
azul, na maior, parte das vezes predominante na imagem, ele aparece como o
maior pico da imagem. A Figura 11 mostra o histograma da Figura 12.
Figura 11 - Histograma calculado.
44
Figura 12 - Imagem HSV.
E possvel perceber que os valores na imagem esto mais prximos do valor
preto (imagem escura). Outra caracterstica do histograma que ele possui dois
picos, um bem prximo ao valor preto e outro mais prximo a metade dos valores.
Esses picos so as regies que tm maior concentrao de valores (fundo
azul e outras estruturas). A tcnica desenvolvida encontra o maior pico no
histograma, ou seja, encontra o nvel de cinza que tem maior probabilidade de
ocorrncia e divide seu valor pela metade. Escolhendo um valor no vale entre os
dois picos da imagem. O valor obtido utilizado na aplicao de um threshold
simples invertido. Onde a regio mais clara recebe o valor 0 (zero) e o restante
recebe valor 1 (um). A Figura 13 mostra a imagem aps aplicao do threshold
invertido.
Figura 13 - Imagem binria resultante da aplicao do threshold invertido.
Aps a aplicao do threshold invertido a imagem binarizada multiplicada
pela imagem original utilizando uma operao AND do OpenCV. Como o fundo tem
45
valor zero (cor preta) na etapa de multiplicao ele continua com este valor. J as
outras estruturas que tm valor um (cor branca) iro manter a cor da imagem original
sendo destacadas em relao ao restante da imagem. Com esse procedimento
conseguimos separar o fundo das imagens. A Figura 14 mostra o resultado final
obtido com a imagem de exemplo.
Figura 14 - Imagem resultante do processo de segmentao.
3.5.3 Recortar as sementes
Para recortar as sementes da imagem utilizado um mtodo de deteco
(cvblob) para localizar as posies das sementes nas imagens. Esse tem como
entrada a imagem binria Figura 13.
Neste mtodo as coordenadas, a altura e largura de cada semente na
imagem so utilizadas para calcular um retngulo em torna da semente, assim esse
retngulo pode ser recortado. A Figura 15 mostra a imagem binria com os
retngulos e a Figura 16 mostra as imagens das sementes recortadas.
Figura 15 - Imagem destacando com retngulos nas sementes.
46
Figura 16 - Imagem com os recortes de sementes.
3.5.4 Extrao de Vetores de Caractersticas
Esta etapa muito importante, na metodologia utilizada para o
desenvolvimento deste trabalho, devido ao fato de ser a etapa de extrao dos
atributos de forma e textura presentes na imagem.
O mtodo de extrao de caracterstica de forma proposto, primeiramente,
calcula os pontos dos contornos de cada semente segmentada anteriormente
(Figura 16). Com os valores dos contornos aplicado o algoritmo que ajusta a elipse
prxima a forma da semente na Figura 17. Depois do ajuste da elipse possvel
encontrar o valor do centro da semente visto na Figura 18.
Figura 17 - Imagem com a elipse aproximada da forma da semente.
Figura 18 - Imagem com sementes recortadas destacando o centro em vermelho.
47
A partir do centro da semente calculada a distncia Euclidiana at as
bordas da semente comeando com ngulo zero at completar 359. Com essas
distncias a matriz de co-ocorrncia preenchida conforme descrito na seo 2.7.2.
Na Figura 19 em verde ilustrado o clculo das distncias com a variao do ngulo
zero at 359 e destacando a maior distancia em laranja. Os atributos extrados das
sementes so: Energia, entropia, contraste, homogeneidade, dissimilaridade e a
correlao.
Figura 19 - Imagem com o clculo da maior distancia do centro de massa at a
borda.
Os sete momentos invariantes de HU so calculados utilizando os recortes
mostrados na Figura 16. O mtodo de extrao de caractersticas de textura utiliza
os recortes da Figura 20, pois contem as texturas das sementes em tons de cinza.
Figura 20 - Imagem com recortes contendo a textura das sementes.
3.6 Consideraes sobre o captulo
No presente captulo foram descritos o funcionamento do mtodo de
extrao de caractersticas e a operao bsica da ferramenta desenvolvida.
Ressalta-se que o objetivo da ferramenta a identificao da famlia a qual uma
determinada espcie pertence. Assim, as caractersticas obtidas para cada exemplar
comparam parte na mdia das caractersticas de cada famlia. Para realizao desta
48
ferramenta, uma tcnica de extrao de caracterstica de forma foi proposta e
implementada. Para validar o resultado obtido pelo uso desta tcnica e tambm
garantir resultados confiveis da ferramenta, foi tambm implementado a tcnica
Momentos de Hu para extrao de caractersticas de forma. Para complementar os
resultados e permitir comparao, a ferramenta inclui tambm a extrao de
caracterstica de textura de imagens.
49
4 RESULTADOS
Este trabalho ter por objetivo o desenvolvimento de uma ferramenta de
identificao de sementes baseada na arquitetura CBIR. Assim, foi proposto um
mtodo de extrao de caractersticas de forma, utilizou-se um mtodo de forma
reconhecido na bibliografia e um mtodo de textura para comparar os resultados. .
Inicialmente apresentamos os resultados preliminares obtidos com o mtodo
proposto, na sequncia uma avaliao da utilizao das outras tcnicas no contexto
de identificao de sementes.
4.1 Resultados preliminares
Para testar a metodologia foram feitos alguns testes preliminares, para isso
foram montadas duas categorias de imagens. A primeira categoria representa
objetos com padres de comportamento uniforme, ou seja, objetos que tem a
distncia do seu centro at a borda bem definidas. A segunda categoria de objetos
no uniformes, pois as distncias em relao ao centro no so definidas. No total
foram geradas 12 imagens com fundo branco e um objeto preto. As Figura 21 e
Figura 22 mostram os objetos criados nas imagens. Para verificar se o mtodo
proposto invariante a rotao os objetos nas imagens foram rotacionados nos
ngulos 90, 180 e 270 (Figura 23), com exceo do quadrado que girou nos graus
22.5, 45 e 67.5.
Figura 21 - Imagens geradas e classificadas como uniformes.
50
Figura 22 - Imagens criadas que ficaram no grupo das formas no-uniformes.
Outro tipo de teste foi realizado utilizando as duas categorias montadas
anteriormente. Verificamos se a metodologia seria capaz de generalizar entre as
duas categorias montadas. Para isso utilizamos 28 imagens de sementes.
Separamos as sementes em duas categorias, 14 imagens em cada,
denominadas uniformes e no-uniformes. A categorizao foi feita de forma visual,
sem nenhum tipo de auxlio de especialista. A Figura 24 mostra algumas sementes
com um padro considerado uniforme e a Figura 25 mostra sementes com
caractersticas no-uniformes.
Figura 23 - Exemplo de uma imagem no-uniforme rotacionada nos ngulos 90,
180 e 270.
Os dois primeiros conjuntos de testes foram processados e os atributos de
Haralick extrados. Esses dados foram armazenados, para serem utilizados na
classificao das imagens de sementes. Foram geradas duas tabelas.
O valor que representa o comportamento das duas categorias de objetos foi
obtido pelo clculo da mdia dos atributos. Assim, foram utilizadas as mdias dos
51
atributos das tabelas de imagens criadas como parmetro de classificao das
sementes como formas uniformes ou no-uniformes. A combinao das mdias do
conjunto de objetos do mesmo grupo representa os valores da categoria.
Para a classificao das imagens de sementes nas classes foi utilizado um
clculo de distncia quadrtica entre o valor dos atributos calculados para as
sementes e os valores mdios dos atributos das classes. O valor obtido para cada
atributo das sementes foi subtrado do valor mdio correspondente e elevado ao
quadrado. O menor valor de soma das diferenas ao quadrado serviu para
classificar a semente nas classes uniforme ou no-uniforme.
Figura 24 - Sementes com formato uniforme.
Figura 25 - Sementes com caractersticas no-uniformes.
4.1.1 Testes Imagens Criadas
A Tabela 1 mostra o resultado de uma das imagens no-uniforme testada
em diferentes rotaes. Utilizamos seis atributos de Haralick para os nossos testes.
Tabela 1 - Valores resultantes de uma imagem normal e rotacionada.
ng. Rotao Energia Entropia IDM Varincia Dissim. IMC
0 0,0048 5,4903 0,0659 284,0834 14,2167 0,6409
90 0,0052 5,4750 0,0703 266,8611 13,7944 0,6345
180 0,0048 5,4826 0,0619 270,9167 13,8833 0,6441
270 0,0050 5,4880 0,0762 267,8111 13,8222 0,6295
Mdia 0,0049 5,4840 0,0686 272,4181 13,9292 0,6373
Desvio Padro 0,0002 0,0068 0,0062 7,9674 0,1952 0,0065
52
Nos outros casos testados o desvio padro apresentou valores muito baixos
indicando uma tendncia de uniformidade nas categorias montadas. As imagens
no-uniformes tambm apresentaram valores prximos nas caractersticas mesmo
com as diferentes rotaes.
4.1.2 Classificao das Sementes
Utilizando as classes da etapa anterior foi montada uma classificao por
distncia quadrtica. Os resultados podem ser vistos nas Tabela 2 e Tabela 3. A
Tabela 2 mostra a classificao das sementes uniformes e a Tabela 3 as no-
uniformes, ambas possuem a mesma padronizao de dados.
A primeira coluna tem o nome da imagem testada, j a segunda informa a
classe a qual a imagem pertence, na terceira e na quarta coluna o clculo das
distncias do objeto para as classes montadas na etapa anterior. A ltima coluna
mostra o resultado da classificao da imagem.
Tabela 2 - Classificao das sementes da classe uniforme.
Imagem Forma da Imagem Distncia UNI Distncia N_UNI Classificao realizada
Uni_1 Uniforme 435,8305 16067,8654 Uniforme
Uni_2 Uniforme 3,3281 21267,1991 Uniforme
Uni_3 Uniforme 13,3354 20737,3151 Uniforme
Uni_4 Uniforme 382,5400 16404,5489 Uniforme
Uni_5 Uniforme 2071,5652 10420,9467 Uniforme
Uni_6 Uniforme 3683,9249 7552,2828 Uniforme
Uni_7 Uniforme 48,2541 19797,6658 Uniforme
Uni_8 Uniforme 24,3738 20376,8337 Uniforme
Uni_9 Uniforme 3039,6195 8552,5481 Uniforme
Uni_10 Uniforme 3307,9332 8114,2519 Uniforme
Uni_11 Uniforme 94,3959 19010,1379 Uniforme
Uni_12 Uniforme 1375,3797 12217,1725 Uniforme
Uni_13 Uniforme 352,9844 16596,6627 Uniforme
Uni_14 Uniforme 683,8534 14753,1891 Uniforme
Mdia 108,3798 1108,379866
Desvio Padro 1349,57 4952,397683
A classificao uniforme apresentou uma taxa do acerto de 100%. Como
pode ser observado na Tabela 2, todas as sementes foram classificadas na classe
correta.
53
Tabela 3 - Classificao das sementes da classe no-uniforme.
Imagem Forma da Imagem Distncia UNI Distncia N_UNI Classificao realizada
N_Uni_1 No-Uniforme 512,2996705 28964,61552 No-Uniforme
N_Uni_2 No-Uniforme 12699,52598 1218,441894 Uniforme
N_Uni_3 No-Uniforme 34,76123454 20081,04785 No-Uniforme
N_Uni_4 No-Uniforme 234,9651396 17488,68897 No-Uniforme
N_Uni_5 No-Uniforme 294,8099689 17004,84621 No-Uniforme
N_Uni_6 No-Uniforme 399,3084356 27943,73881 No-Uniforme
N_Uni_7 No-Uniforme 13198,92403 1071,348795 Uniforme
N_Uni_8 No-Uniforme 7471,713085 3740,38667 Uniforme
N_Uni_9 No-Uniforme 89191,08843 199077,4751 No-Uniforme
N_Uni_10 No-Uniforme 12357,62914 66879,86602 No-Uniforme
N_Uni_11 No-Uniforme 8295,989241 56921,96835 No-Uniforme
N_Uni_12 No-Uniforme 408,4411451 28145,66317 No-Uniforme
N_Uni_13 No-Uniforme 306748,9937 491920,5124 No-Uniforme
N_Uni_14 No-Uniforme 49098,22324 136255,4714 No-Uniforme
Mdia 35781,91 78336,72
Desvio Padro 81248,24 130913,47
J a classe no-uniforme apresentou uma taxa de acerto de 78,57%, pois,
das 14 sementes testadas o mtodo errou em trs casos.
4.2 Teste no sistema CBIR implementado
Esta seo descreve os testes realizados com mtodo proposto e
comparando com os mtodos da bibliografia. Esses testes so baseados na
arquitetura do sistema CBIR.
Para elaborar os testes foram utilizadas 66 espcies de sementes de 12
famlias. No experimento, a base de dados contou com 462 imagens de sementes,
as quais foram utilizadas para construo da Base de vetores de Caractersticas.
Esses vetores serviram para indexar cada famlia e tambm para comparar com os
valores extrados das imagens de entrada. Ressalta-se que as imagens de entrada,
ou seja, as imagens para as quais se busca identificar a espcie, no foram
utilizadas para compor a Base de vetores de Caractersticas.
Depois so extrados os vetores de caractersticas de todas as 66 imagens
retiradas e calculadas as similaridades atravs do clculo da distncia quadrtica
com a base de vetores. A equao da distncia quadrtica:
. . / )) . . (Im ) 2 . 2 . (Im ) 1 . 1 . ((Im tan caract n n base n g base g base g abs cia Dis + + = (22)
54
A eq. 24 calcula a soma da diferena entre o vetor de caractersticas da
imagem de entrada com os valores da Base de vetores divididos pelo o nmero de
caractersticas do vetor.
Aps isso, os resultados das distncias so ordenados em ordem crescente.
O menor e o primeiro valor indicam a famlia que tem maior similaridade com a
imagem de entrada.
Nas prximas sees so descritos e comparados os resultados obtidos dos
testes realizados no mtodo proposto de extrao de caractersticas de forma, nos
momentos invariantes de Hu e nos descritores de textura de Haraclick.
4.2.1 Mtodo de extrao de forma proposto
Nesta seo so descritos os resultados do mtodo de extrao de vetores
de forma.
A Tabela 4 mostra a base de vetores calculada para um ngulo de 180 e a
Tabela 5 base de vetores calculada para os ngulos de 45, 90, 135 e 180. Os
valores da comparao de cada imagem retirada com a os valores das tabelas
Tabela 4 e Tabela 5 so ordenados em ordem crescente. O menor valor aquele
que tem a maior similaridade com a famlia correspondente na tabela. Logo aps, foi
verificado manualmente se essa famlia aquela que a imagem pertence.
Tabela 4 - Base de vetores calculados para um ngulo 180.
Famlias Energia EntropiaY EntropiaX Contraste IDM
ASPHODELIACEAE 0,01 5,01 3,46 337,87 0,06
AMARANTHACEAE 0,02 4,31 2,85 398,57 0,05
ASTERACEAE 0,01 5,13 3,72 265,34 0,08
BORAGINACEAE 0,01 5,13 3,39 225,51 0,07
BRASSICACEAE 0,02 4,44 2,96 510,29 0,04
CHENOPODIUM 0,02 4,38 2,90 519,89 0,04
CONVOLVULACEAE 0,01 5,02 3,37 204,55 0,09
CUSCUTACEAE 0,02 4,41 2,91 524,53 0,04
EUPHORBIACEAE 0,01 5,01 3,38 147,17 0,08
FABACEAE 0,01 5,01 3,49 175,79 0,08
POLYGONACEAE 0,01 5,02 3,42 178,59 0,09
SAPINDACEAE 0,02 4,20 2,71 89,57 0,10
Os valores Tabela 6 mostram a contagem das posies das famlias
corretas, isto , na primeira linha e na coluna Teste 1 (calculados utilizando 180) foi
55
encontrada 13 famlias corretas e na coluna Teste 2 (calculados utilizando 45, 90,
135 e 180) foram encontradas 25 famlias corretas. Na segunda linha na coluna
Teste1 foram encontradas 10 famlias corretas com o segundo maior grau de
similaridade e na coluna Teste 2 foram encontradas 3 famlias que tiveram o
segundo menor valor em relao a famlia correta.
Tabela 5 - Base de valores calculados com ngulos: 45, 90,135 e 180.
Famlia Energia Entropia EntropiaX Contraste IDM
AMARANTHACEAE 0,01 5,25 2,82 286,94 0,07
ASPHODELIACEAE 0,00 6,09 3,41 534,28 0,05
ASTERACEAE 0,00 6,39 3,68 786,82 0,05
BORAGINACEAE 0,00 6,05 3,34 251,20 0,08
BRASSICACEAE 0,01 5,36 2,91 487,26 0,07
CHENOPODIUM 0,01 5,34 2,87 367,88 0,06
CONVOLVULACEAE 0,00 6,02 3,33 297,36 0,08
CUSCUTACEAE 0,01 5,33 2,88 415,07 0,06
EUPHORBIACEAE 0,00 6,01 3,33 245,36 0,07
FABACEAE 0,00 6,16 3,50 367,81 0,06
POLYGONACEAE 0,00 6,08 3,40 307,91 0,07
SAPINDACEAE 0,01 5,03 2,66 66,46 0,13
Tabela 6 - Nmero de Imagens que tiveram a mesma posio nos resultados.
Nmero de imagens.
Posio Teste 1 Teste 2
1 13 25
2 10 3
3 6 6
4 5 9
5 7 8
6 8 2
7 8 4
8 3 4
9 0 0
10 4 4
11 2 1
12 0 0
Total: 66 66
Analisando a Tabela 6 pode-se perceber que o aumento de 13 para 25
acertos j na primeira posio foi significativo, pois quase que dobrou o percentual,
19,69% do Teste 1 para 37,87% no Teste 2. J na segunda e terceira posio os
56
acertos diminuram (caso 2) e se mantiveram (caso 3), se levarmos em conta as trs
primeiras posies samos de 43,93% no Teste 1 e aumentamos para 51,51% no
Teste 2. Esta melhora pode ser entendida por considerar que a introduo novos
ngulos ressalta a propriedade de invarincia do descritor a rotao e a translao,
conforme discutido na Seo 3.2.
A Tabela 13 e Tabela 15 mostram as trs primeiras famlias encontradas, a
Tabela 14 e a Tabela 16 exibem a contagem dessas famlias, por fim a Tabela 17
mostra a comparao da primeira posio da Tabela 13 com a Tabela 15 no
apndice A .
4.2.2 Mtodo de extrao de textura
Nesta seo so descritos os resultados do mtodo de extrao de vetores
de caractersticas de textura de Haralick.
A Tabela 7 base de vetores para comparar com cada imagem retirada,
ordenando os resultados dessa comparao em ordem crescente. O primeiro valor
aquele que tem a maior similaridade com a famlia correspondente na tabela. Logo
aps, foi verificado manualmente se essa famlia aquela que a imagem foi retirada.
Tabela 7 - Base de vetores textura de Haralick .
Entr. Ene. Homo. Constr. C.Tend C.Shade Corr. Corr1 Corr2 MProb
AMARANTHACEAE 5,61 0,11 0,56 97,37 11493,5 674489,74 0,98 0,04 0,99 0,33
ASPHODELIACEAE 5,68 0,12 0,51 285,2 12584,19 1567645,21 0,95 0,04 0,99 0,34
ASTERACEAE 5,85 0,15 0,5 217,07 22354,8 336320,5 0,98 0,02 0,98 0,37
BORAGINACEAE 5,06 0,24 0,57 306 21490,71 2047301,7 0,97 0,02 0,97 0,47
BRASSICACEAE 6,23 0,08 0,5 91,83 17142,99 1014006,59 0,99 0,03 0,99 0,28
CHENOPODIUM 6,05 0,14 0,47 236,03 14224,84 458847,82 0,97 0,02 0,97 0,36
CONVOLVULACEAE 6,07 0,14 0,48 246,86 16832,23 870750,83 0,97 0,03 0,98 0,37
CUSCUTACEAE 6,38 0,1 0,44 260,72 18202,13 440454,88 0,97 0,02 0,98 0,32
EUPHORBIACEAE 5,25 0,13 0,55 266,69 15775,48 788371,97 0,96 0,03 0,98 0,36
FABACEAE 5,67 0,17 0,49 435,91 21587,9 855656,59 0,96 0,02 0,98 0,41
POLYGONACEAE 5,86 0,13 0,46 415,71 18224,46 85018,25 0,95 0,02 0,98 0,36
SAPINDACEAE 5,58 0,14 0,5 432,41 25391,45 368790,29 0,96 0,03 0,99 0,38
Os valores da Tabela 8 mostra a contagem das posies das famlias
corretas, na posio 1 foram encontradas somente 22 famlias corretas e na posio
2 ocorreram 8 famlias. Se levarmos em conta as trs primeiras posies o mtodo
acertou 34 vezes o que d 51,51% que a mesma taxa que obtivemos com a nossa
tcnica de atributos de forma.
57
Tabela 8 - Nmero de Imagens que tiveram a mesma posio nos resultados.
Posio Nmero de imagens
1 22
2 8
3 4
4 6
5 9
6 3
7 1
8 4
9 2
10 4
11 2
12 1
Total: 66
A Tabela 18 mostra as trs primeiras famlias encontradas e a contagem na
Tabela 19 no apndice B.
4.2.3 Mtodo de HU
Nesta seo so descritos os resultados dos 7 momentos invariantes de HU.
A Tabela 9 contm os vetores de caractersticas calculados para este mtodo e na
Tabela 10 esto contagem das famlias encontradas nas mesmas posies.
As a relao das famlias encontradas nas trs primeiras esto Tabela 20 na
e a contagem dessas posies ento Tabela 21 no apndice C. A contagem da
Tabela 21 segue igual as outras tabelas de contagem de ocorrncia, onde a imagem
que tiver a famlias correta em uma das trs famlias indicada com o valor 1 e se
no tiver indicado com valor 0.
58
Tabela 9 - Base de vetores com os 7 momentos invariantes de HU.
M1 M2 M3 M4 M5 M6 M7
AMARANTHACEAE 0,192 0,013 0,002 0,001 0 0,001 0
ASPHODELIACEAE 0,178 0,007 0 0 0 0 0
ASTERACEAE 0,16 0 0 0 0 0 0
BORAGINACEAE 0,188 0,009 0 0 0 0 0
BRASSICACEAE 0,163 0,001 0 0 0 0 0
CHENOPODIUM 0,165 0,002 0 0 0 0 0
CONVOLVULACEAE 0,18 0,005 0,001 0 0 0 0
CUSCUTACEAE 0,162 0,001 0 0 0 0 0
EUPHORBIACEAE 0,174 0,003 0,001 0 0 0 0
FABACEAE 0,271 0,065 0,004 0,002 0,001 0,003 0
POLYGONACEAE 0,177 0,007 0 0 0 0 0
SAPINDACEAE 0,169 0,003 0 0 0 0 0
J o mtodo de HU acertou menos que o nosso na primeira posio (19
vezes contra 35), porm se levarmos em considerao as trs primeiras posies
ele teve 41 acertos de 66 imagens, o que d uma taxa de 62,12%.
Tabela 10 - Nmero de Imagens que tiveram a mesma posio nos resultados.
Posio Nmero de imagens
1 19
2 12
3 10
4 3
5 2
6 1
7 5
8 0
9 0
10 1
11 5
12 8
Total: 66
A Tabela 20 mostra as trs primeiras famlias encontradas e a contagem na
Tabela 21 no apndice C.
59
4.2.4 Mtodo proposto combinado com HU
Esta seo so mostrados os resultados, no mesmo formato dos anteriores,
para a combinao do clculo de similaridade do mtodo proposto de extrao de
forma neste trabalho com os 7 momentos invariantes de HU. Este utiliza a como
base de vetores a Tabela 5 e a Tabela 9.
O objeto da combinao desses dois mtodos aumentar o nmero de
acertos do sistema. O nmero de acertos no foi maior, porm observou-se que a
maioria dos acertos na primeira posio no correspondeu s mesmas espcies
identificados anteriormente. Este fato indica potencial de melhora da qualidade dos
resultados em um estudo complementar sobre a combinao do mtodo proposto
com o mtodo de HU.
Tabela 11 - Nmero de Imagens que tiveram a mesma posio nos resultados.
Posio Nmero de imagens
1 25
2 3
3 6
4 9
5 8
6 3
7 3
8 4
9 0
10 4
11 1
12 0
Total: 66
A Tabela 22 mostra as trs primeiras famlias encontradas e a contagem na
Tabela 23 no apndice D.
60
4.2.5 Mtodo proposto, mtodo de textura e HU
Nesta seo sero descritos os resultados da combinao dos dois mtodos
de extrao de forma com o mtodo de extrao de textura. A base de vetores
utilizada a combinao das trs bases de cada mtodo das tabelas: Tabela 5,
Tabela 7.
Tabela 12 - Nmero de Imagens que tiveram a mesma posio nos resultados.
Posio Nmero de imagens
1 12
2 8
3 4
4 6
5 8
6 9
7 4
8 3
9 1
10 6
11 3
12 2
Total: 66
O objetivo dessa combinao aumentar o nmero de acertos do sistema
adicionando outro tipo de caracterstica. Na
Tabela 12 mostrado o nmero de imagens que tiveram a mesma posio
na identificao da sua famlia correspondente. Nessa tabela possvel visualizar
que o nmero de acertos nas primeiras posies foi menor que na Tabela 6 e na
Tabela 8.
No Apndice E, a Tabela 24 mostra as trs primeiras famlias encontradas e
a contagem de ocorrncias na Tabela 25.
61
4.3 Consideraes sobre o captulo
Os resultados preliminares deram uma perspectiva de resultados finais
teriam bons resultados. O mtodo de extrao de caractersticas de forma proposto
neste trabalho teve bons resultados na seo 6.2.1, visto que teve melhoria na
adio dos ngulos de 45, 90, 135 e 180 o que tornou o mtodo mais invariante
em relao ao calculado somente com 180, isso quer dizer que sementes de
mesma espcie com a mesma forma que esto em posies diferentes tm vetores
de caractersticas muito semelhantes.
A combinao do mtodo proposto com o mtodo de HU teve bons
resultados, mas no da maneira imaginada, pois se esperava um aumento no
nmero de sementes identificadas nas trs primeiras posies em comparao com
os resultados do mtodo proposto.
Tambm se esperava que a combinao com o mtodo de textura
aumentasse o nmero de acertos. Baseado na hiptese de que a textura ajudaria na
identificao de sementes de famlias que tem vetores muito semelhantes.
62
5 CONCLUSES
Neste trabalho uma ferramenta de identificao de sementes foi
desenvolvida, ela recebe como entrada uma imagem e gera na sada uma lista de
espcies similares as sementes presentes na imagem de entrada.
O processo de identificao de imagens pela forma uma tarefa complexa e
muitos algoritmos para essa funo j foram desenvolvidos.
A tcnica proposta de extrao de atributos de forma uma metodologia
apta para executar essa tarefa. O trabalho proposto aborda uma metodologia de
classificao de imagens pela forma do objeto, utilizando uma adaptao do
conceito de matriz de co-ocorrncia e o clculo dos atributos de Haralick.
Os testes mostraram que a tcnica proposta obteve bons resultados, visto
que mesmo para sementes rotacionadas os valores dos atributos calculados tiveram
uma variao mnima. Isso mostra uma tendncia dos valores ficarem dentro de uma
faixa mesmo com o objeto em diversas posies e de tamanhos variados. Logo os
vetores de caractersticas extrados atendem a propriedade de invarincia
Portanto possvel utilizar esta tcnica junto a outras metodologias de
extrao de caractersticas existentes na bibliografia, para desenvolver um sistema
robusto de identificao de sementes. O sistema de identificao de sementes ser
uma ferramenta com grande utilidade para os laboratrios de anlises de sementes.
5.1 Trabalhos futuros
A prxima tarefa ser aumentar o nmero de ngulos para calcular as
caractersticas de forma do mtodo proposto, por exemplo, de 10 em 10 graus,
aumentaria ainda mais a invarincia dos vetores de caractersticas de cada
semente.
Outra tarefa ser verificar quais caractersticas so mais discriminantes para
identificar as sementes.
Tambm ser realizada uma avaliao no sistema desenvolvido nesse
trabalho por profissionais que atuam na rea de sementes.
63
6 REFERNCIAS
ANDREW, W. F.; FISHER, R. B. A Buyers Guide to Conic Fitting. Proc.5th
British Machine Vision Conference, Birmingham, 1995.
ARAJO, S. A.;LIBRANTZ, A. F. H.; ALVES, W. A. L. . Ferramenta para indexao
e recuperao automtica de imagens mdicas. Exacta, So Paulo, v.4, n. especial,
25 nov. 2006, p. 75-77.
BARROS, R. C. Desenvolvimento de Ferramenta para Anlise quantitativa de
imagens de Cintilografia de perfuso Miocrdica atravs de Tcnicas de
Processamento e Imagens. Trabalho de Concluso de Curso. Universidade
Federal de Pelotas, 2007, p.86.
BOSWELL, V.R. Que son las semillas y que hacen introduccion. In: United States,
Departmento de Agricultua. Semillas. Mxico: Ed. Continental, 1962, p.19-36.
BRASIL. INSTRUO NORMATIVA do MAPA n 41, de 1 de julho de 2008. Dirio
Oficial da Unio: Braslia, 02 de julho de 2008. seo 1, n.125, p.8-9.
Bueno, J. M. Suporte Recuperao de Imagens Mdicas Baseada em
Contedo Atravs de Histogramas Mtricos. Tese de doutorado, Instituto de
Cincias Matemticas e de Computao - Universidade de So Paulo, 2002.
CEPSRM. Pgina Dinmica para Aprendizado do Sensoriamento Remoto.
(http://www6.ufrgs.br/engcart/PDASR/formcor.html). Acessado em 22 de novembro
2011.
CONCI, A. ; AZEVEDO, E.; LETA, F. R. Computao Grfica Volume 2 - Teoria
e Prtica. Ed. Campus, Rio de Janeiro, 2007.
FACON, Jacques. Processamento e Anlise de Imagens. Pontifcia Universidade
Catlica do Paran. Curso de Mestrado em Informtica Aplicada, 2005, p.119.
FRERY, C.O.;LEITE, T.P.C;GALO, M.;DENISE, S.; SOUZA, I.; SILVA, L. A.;
MARENGONI, M. Viso Computacional usando OpenCV. Presidente Prudente:
FCT/UNESP, 2011, p.165.
HEARN, D.; BAKER, M. P. Computer Graphics. Prentice Hall, Inc., 2a. edition,
1997.
HEARN, D.; BAKER, M. P. Computer Graphics C Version. Pearson Education,
New Delhi, 2004.
HU, Ming-Kuei, Visual pattern recognition by moment invariants, Information
Theory, IRE Transactions,1962,vol. 8, p. 179-187.
POPINIGIS, Flavio. Fisiologia das sementes.Slia-DF. 1985, 2 edio. p.289.
64
GONZALEZ, R. C.; WOODS, R. C.Digital image processing. Electrical and
Computer Engineering Series. Addison-Wesley Longman Publishing Co. Inc., 2nd
edition.2001.
GONZALEZ, R. C., WOODS, R. C. Digital Image Processing. 2a. Ed.,Addison
Wesley,.2002, p.716.
GONZALEZ, R. C.; WOODS, R.C. Digital Image Processing using MATLAB.
Pearson, 2006.
GONZALEZ, R. C.; WOODS, R.C. Digital Image Processing. Addison-Wesley
Publishing Company, United States of America, 2007.
GROTH, Doris; BOARETTO, Maria R.; SILVA, Rosana N. Revista Brasileira de
Sementes, 1980, vol. 02, n 2, p. 67-98.
HARALICK, R. M.; SHANMUGAN, K.; DINSTEIN, I. Textural Fetures for Image
Classification. IEEE Transactions on Systems, Man and Cybernetics, 1973, p.
610-621.
INTEL. Open source computer vision library reference manual. INTEL
Corporation,2001.
KOEHN, D. Identificao de algumas invasoras encontradas em sementes das
principais espcies forrageiras produzidas no Rio Grande do Sul. Bol.Tc.IPAGRO,
Porto Alegere, 1977, v.1, n.1 p.3-96.
LOPES, J.C.; DIAS, P.C.; PEREIRA, M.D.; Maturao fisiolgica de sementes de
quaresmeira, Pesquisa agropecuria brasileira, Braslia, ago. 2005, v.40, n.8,
p.811-816.
MARTINS, E.R.S.; AZEVEDO-MARQUES, P. M.; OLIVEIRA, L F, PEREIRA JR R R,
TRAD C S. Caracterizao de leses intersticiais de pulmo em radiograma de trax
utilizando anlise local de textura. Radiol Bras, 2005 p.421-426.
MEDEIROS, Rafael S.; ARAUJO, Ricardo M. Contagem de gotculas superpostas
em cartes hidrossensveis utilizando tcnicas de aprendizado de mquina. VIII
Congresso Brasileiro de Agroinformtica, Bento Gonalves, 2011.
MUSIL, A.F. Identification of crop and weed seeds. Washington:
Department of Agriculture, 1963, p.171.
OHLSON, O. C.; SOUZA, C. R.; PANOBIANCO, M. Qualidade Fsica e Fisiolgica
de Sementes de Capim-Colonio e Milheto, Comercializadas no estado
do Paran. Informativo Abrates, 2010, vol.20, no.1,2 p.030 - 036.
OLIVEIRA, L. F. de; KIST, D. M.; CAVALHEIRO, G. G. H..; MENEGHELLO, G. E. ;
TILLMANN, M. A. A..Segmentao de Imagens com Fundo Azul utilizando a
multiplicao dos Canais HSV. VI Workshop de Viso Computacional,
Presidente Prudente, 2010 v. 1,p. 1-6..
65
PETNEWS. Jornal PetNews. http://www.dsc.ufcg.edu.br/~pet/jornal/setembro2011/
materias/recapitulando.html (acessado em 14/11/2011).
ROSA,D.E.; RODRIGUES, L.; ROSA, T. D. R.; MENEGAZ, W.; MENEGHELLO,G.
E.; GROTH, D.; TILLMANN, M. A. A.; CAVALHEIRO, G. G. H. Sistema
Computacional para Catalogao e Apoio Identificao de Unidades de Unidades
de Disperso de Espcies Invasoras e Pragas Quarentenrias. VIII Congresso
Brasileiro de Agroinformtica, Bento Gonalves, 2011.
SCHUSTER, I.; QUEIROZ, V. T.; TEIXEIRA, A. I.,BARROS,E.G.;MOREIRA, M.A.
Determinao da pureza varietal de sementes de soja com o auxlio de marcadores
moleculares microssatlites. Pesquisa agropecuria brasileira., Braslia, v.39, n.3,
2004,p.247-253.
SOURCEFORGE. Opencv website. http://sourceforge.net/projects/opencvlibrary
(acessado em 10/01/2010).
SUZUKI, S.; ABE, K. Topological structural analysis of digitized binary images by
border following. CVGIP,1985, p.3246.
SWAIN, M.; BALLARD, D. Color Indexing. International Journal of Computer
Vision, 1991,p.1132.
TAMURA, H.; MORI, S.; YAMAWAKI, T. Textural Features Corresponding to Visual
Perception. IEEE Transactions on Systems, Man and Cybernectivs, New York, v.8,
n.6, p.460-473, June 1978.
TORRES, R. S.; ZEGARRA, J. A. M.; SANTOS, J. A.;FERREIRA, C. D.; PENATTI,
O. A. B.; ANDAL,F.; ALMEIDA, J. Recuperao de Imagens: Desafios e Novos
Rumos.SEMISH, Belm. XXXV Seminrio Integrado de Software e Hardware, 2008,
p. 223-237.
TUCERRYAN, M.; JAIN, A.. Texture Analysis. Handbook of Pattern Recognition
and Computer Vision, 1993, p. 235276.
ZHANG, D.; LU, G. "Content-Based Shape Retrieval Using Different Shape
Descriptors: A Comparative Study". In Proc. of IEEE International Conference on
Multimedia, p.317-320, Tokyo, Japan, August 22-25, 2001.
66
APNDICE A
As trs primeiras posies da Tabela 6 so mostradas na Tabela 13 do
Teste 1 e na Tabela 15 do Teste2, a contagem desses valores aparece nas Tabela
14 e Tabela 16 do apndice A. Para fazer essa contagem a imagem que tiver a
famlias correta em uma das trs famlias indicado com o valor 1 e se no tiver
indicado com valor 0.
Na Tabela 17 feita uma comparao entre a primeira posio Tabela 13 e
na Tabela 15 das, ou seja, as imagens que o sistema identificou corretamente as
famlias.
A Tabela 13 observada que as imagens 1 a 9 na tem mais famlias
corretas na primeira posio do que na Tabela 15, destacando a famlia
AMARANTHACEAE . Em compensao da imagem 10 at a 28 o nmero de acertos
na primeira posio bem maior na Tabela 15 do que na Tabela 13, destacando as
imagens 10 e 11 da famlia ASPHODELIACEAE e 12 at 28 da famlia
ASTERACEAE.
Um ponto interessante dessa comparao o fato de que quando o sistema
no encontra exatamente na primeira, nem na segunda ou na terceira posio a
famlia correta, as famlias encontradas so a maioria as mesmas, assim, tendem a
seguir um padro.
Tabela 13 - As trs primeiras Famlias encontradas com 180.
Imagem Posio 1 Posio 2 Posio 3 Famlia correta
1 AMARANTHACEAE ASPHODELIACEAE ASTERACEAE AMARANTHACEAE
2 AMARANTHACEAE BRASSICACEAE CHENOPODIUM AMARANTHACEAE
3 AMARANTHACEAE ASPHODELIACEAE ASTERACEAE AMARANTHACEAE
4 AMARANTHACEAE ASPHODELIACEAE ASTERACEAE AMARANTHACEAE
5 ASPHODELIACEAE AMARANTHACEAE ASTERACEAE AMARANTHACEAE
6 ASTERACEAE BORAGINACEAE CONVOLVULACEAE AMARANTHACEAE
7 CHENOPODIUM BRASSICACEAE CUSCUTACEAE AMARANTHACEAE
8 CHENOPODIUM BRASSICACEAE CUSCUTACEAE AMARANTHACEAE
9 CUSCUTACEAE CHENOPODIUM BRASSICACEAE AMARANTHACEAE
10 ASPHODELIACEAE AMARANTHACEAE ASTERACEAE ASPHODELIACEAE
11 CONVOLVULACEAE BORAGINACEAE POLYGONACEAE ASPHODELIACEAE
12 AMARANTHACEAE ASPHODELIACEAE BRASSICACEAE ASTERACEAE
13 ASPHODELIACEAE AMARANTHACEAE ASTERACEAE ASTERACEAE
14 ASPHODELIACEAE AMARANTHACEAE ASTERACEAE ASTERACEAE
67
15 ASTERACEAE BORAGINACEAE CONVOLVULACEAE ASTERACEAE
16 BRASSICACEAE EUPHORBIACEAE FABACEAE ASTERACEAE
17 CONVOLVULACEAE POLYGONACEAE FABACEAE ASTERACEAE
18 CUSCUTACEAE CHENOPODIUM BRASSICACEAE ASTERACEAE
19 CUSCUTACEAE CHENOPODIUM BRASSICACEAE ASTERACEAE
20 CUSCUTACEAE CHENOPODIUM BRASSICACEAE ASTERACEAE
21 EUPHORBIACEAE FABACEAE POLYGONACEAE ASTERACEAE
22 EUPHORBIACEAE SAPINDACEAE FABACEAE ASTERACEAE
23 EUPHORBIACEAE FABACEAE POLYGONACEAE ASTERACEAE
24 SAPINDACEAE EUPHORBIACEAE FABACEAE ASTERACEAE
25 SAPINDACEAE EUPHORBIACEAE FABACEAE ASTERACEAE
26 SAPINDACEAE EUPHORBIACEAE FABACEAE ASTERACEAE
27 SAPINDACEAE EUPHORBIACEAE FABACEAE ASTERACEAE
28 SAPINDACEAE EUPHORBIACEAE FABACEAE ASTERACEAE
29 BORAGINACEAE ASTERACEAE CONVOLVULACEAE BORAGINACEAE
30 CONVOLVULACEAE POLYGONACEAE FABACEAE BORAGINACEAE
31 CONVOLVULACEAE BORAGINACEAE POLYGONACEAE BORAGINACEAE
32 AMARANTHACEAE BRASSICACEAE CHENOPODIUM BRASSICACEAE
33 ASTERACEAE BORAGINACEAE CONVOLVULACEAE BRASSICACEAE
34 CUSCUTACEAE CHENOPODIUM BRASSICACEAE BRASSICACEAE
35 EUPHORBIACEAE FABACEAE POLYGONACEAE BRASSICACEAE
36 SAPINDACEAE EUPHORBIACEAE FABACEAE BRASSICACEAE
37 ASTERACEAE ASPHODELIACEAE BORAGINACEAE CHENOPODIUM
38 CUSCUTACEAE CHENOPODIUM BRASSICACEAE CHENOPODIUM
39 BORAGINACEAE CONVOLVULACEAE ASTERACEAE CONVOLVULACEAE
40 BORAGINACEAE CONVOLVULACEAE POLYGONACEAE CONVOLVULACEAE
41 BRASSICACEAE CHENOPODIUM CUSCUTACEAE CONVOLVULACEAE
42 EUPHORBIACEAE FABACEAE POLYGONACEAE CONVOLVULACEAE
43 POLYGONACEAE FABACEAE CONVOLVULACEAE CONVOLVULACEAE
44 SAPINDACEAE EUPHORBIACEAE FABACEAE CONVOLVULACEAE
45 SAPINDACEAE EUPHORBIACEAE FABACEAE CONVOLVULACEAE
46 SAPINDACEAE EUPHORBIACEAE FABACEAE CONVOLVULACEAE
47 SAPINDACEAE EUPHORBIACEAE FABACEAE CONVOLVULACEAE
48 AMARANTHACEAE ASPHODELIACEAE BRASSICACEAE CUSCUTACEAE
49 AMARANTHACEAE ASPHODELIACEAE ASTERACEAE CUSCUTACEAE
50 ASPHODELIACEAE AMARANTHACEAE ASTERACEAE CUSCUTACEAE
51 ASPHODELIACEAE AMARANTHACEAE ASTERACEAE CUSCUTACEAE
52 BRASSICACEAE CHENOPODIUM CUSCUTACEAE CUSCUTACEAE
53 CUSCUTACEAE CHENOPODIUM BRASSICACEAE CUSCUTACEAE
54 CUSCUTACEAE CHENOPODIUM BRASSICACEAE CUSCUTACEAE
55 CUSCUTACEAE CHENOPODIUM BRASSICACEAE CUSCUTACEAE
56 BORAGINACEAE CONVOLVULACEAE POLYGONACEAE EUPHORBIACEAE
57 BORAGINACEAE CONVOLVULACEAE ASTERACEAE EUPHORBIACEAE
68
58 EUPHORBIACEAE FABACEAE POLYGONACEAE EUPHORBIACEAE
59 FABACEAE POLYGONACEAE EUPHORBIACEAE EUPHORBIACEAE
60 SAPINDACEAE EUPHORBIACEAE FABACEAE EUPHORBIACEAE
61 SAPINDACEAE EUPHORBIACEAE FABACEAE EUPHORBIACEAE
62 FABACEAE EUPHORBIACEAE POLYGONACEAE FABACEAE
63 ASPHODELIACEAE ASTERACEAE AMARANTHACEAE POLYGONACEAE
64 FABACEAE POLYGONACEAE EUPHORBIACEAE POLYGONACEAE
65 SAPINDACEAE EUPHORBIACEAE FABACEAE POLYGONACEAE
66 SAPINDACEAE EUPHORBIACEAE FABACEAE SAPINDACEAE
Tabela 14 - Contagem da nmero de acertos para o ngulo de 180.
Imagem Posio 1 Posio 2 Posio 3
1 1 0 0
2 1 0 0
3 1 0 0
4 1 0 0
5 0 1 0
6 0 0 0
7 0 0 0
8 0 0 0
9 0 0 0
10 1 0 0
11 0 0 0
12 0 0 0
13 0 0 1
14 0 0 1
15 1 0 0
16 0 0 0
17 0 0 0
18 0 0 0
19 0 0 0
20 0 0 0
21 0 0 0
22 0 0 0
23 0 0 0
24 0 0 0
25 0 0 0
26 0 0 0
27 0 0 0
28 0 0 0
29 1 0 0
30 0 0 0
31 0 1 0
69
32 0 1 0
33 0 0 0
34 0 0 1
35 0 0 0
36 0 0 0
37 0 0 0
38 0 1 0
39 0 1 0
40 0 1 0
41 0 0 0
42 0 0 0
43 0 0 1
44 0 0 0
45 0 0 0
46 0 0 0
47 0 0 0
48 0 0 0
49 0 0 0
50 0 0 0
51 0 0 0
52 0 0 1
53 1 0 0
54 1 0 0
55 1 0 0
56 0 0 0
57 0 0 0
58 1 0 0
59 0 0 1
60 0 1 0
61 0 1 0
62 1 0 0
63 0 0 0
64 0 1 0
65 0 0 0
66 1 0 0
Total: 13 9 6
Tabela 15 - As trs primeiras famlias encontradas para os ngulos de 45, 90, 135
e 180.
Imagem Posio 1 Posio 2 Posio 3 Famlia correta
1 EUPHORBIACEAE BORAGINACEAE AMARANTHACEAE AMARANTHACEAE
2 EUPHORBIACEAE BORAGINACEAE SAPINDACEAE AMARANTHACEAE
70
3 CHENOPODIUM FABACEAE POLYGONACEAE AMARANTHACEAE
4 POLYGONACEAE CONVOLVULACEAE AMARANTHACEAE AMARANTHACEAE
5 POLYGONACEAE CHENOPODIUM FABACEAE AMARANTHACEAE
6 AMARANTHACEAE CONVOLVULACEAE BORAGINACEAE AMARANTHACEAE
7 CHENOPODIUM FABACEAE POLYGONACEAE AMARANTHACEAE
8 AMARANTHACEAE BORAGINACEAE EUPHORBIACEAE AMARANTHACEAE
9 POLYGONACEAE CHENOPODIUM FABACEAE AMARANTHACEAE
10 ASPHODELIACEAE BRASSICACEAE CUSCUTACEAE ASPHODELIACEAE
11 ASPHODELIACEAE BRASSICACEAE CUSCUTACEAE ASPHODELIACEAE
12 ASTERACEAE ASPHODELIACEAE BRASSICACEAE ASTERACEAE
13 ASTERACEAE ASPHODELIACEAE BRASSICACEAE ASTERACEAE
14 ASTERACEAE ASPHODELIACEAE BRASSICACEAE ASTERACEAE
15 ASPHODELIACEAE BRASSICACEAE ASTERACEAE ASTERACEAE
16 ASTERACEAE ASPHODELIACEAE BRASSICACEAE ASTERACEAE
17 ASPHODELIACEAE BRASSICACEAE CUSCUTACEAE ASTERACEAE
18 ASTERACEAE ASPHODELIACEAE BRASSICACEAE ASTERACEAE
19 ASTERACEAE ASPHODELIACEAE BRASSICACEAE ASTERACEAE
20 ASTERACEAE ASPHODELIACEAE BRASSICACEAE ASTERACEAE
21 ASPHODELIACEAE BRASSICACEAE CUSCUTACEAE ASTERACEAE
22 ASTERACEAE ASPHODELIACEAE BRASSICACEAE ASTERACEAE
23 ASTERACEAE ASPHODELIACEAE BRASSICACEAE ASTERACEAE
24 ASTERACEAE ASPHODELIACEAE BRASSICACEAE ASTERACEAE
25 ASTERACEAE ASPHODELIACEAE BRASSICACEAE ASTERACEAE
26 ASTERACEAE ASPHODELIACEAE BRASSICACEAE ASTERACEAE
27 ASTERACEAE ASPHODELIACEAE BRASSICACEAE ASTERACEAE
28 BRASSICACEAE ASPHODELIACEAE CUSCUTACEAE ASTERACEAE
29 CONVOLVULACEAE AMARANTHACEAE POLYGONACEAE BORAGINACEAE
30 POLYGONACEAE CONVOLVULACEAE AMARANTHACEAE BORAGINACEAE
31 EUPHORBIACEAE BORAGINACEAE AMARANTHACEAE BORAGINACEAE
32 SAPINDACEAE EUPHORBIACEAE BORAGINACEAE BRASSICACEAE
33 EUPHORBIACEAE BORAGINACEAE SAPINDACEAE BRASSICACEAE
34 SAPINDACEAE EUPHORBIACEAE BORAGINACEAE BRASSICACEAE
35 BORAGINACEAE AMARANTHACEAE EUPHORBIACEAE BRASSICACEAE
36 ASTERACEAE ASPHODELIACEAE BRASSICACEAE BRASSICACEAE
37 EUPHORBIACEAE BORAGINACEAE AMARANTHACEAE CHENOPODIUM
38 BRASSICACEAE ASPHODELIACEAE CUSCUTACEAE CHENOPODIUM
39 POLYGONACEAE FABACEAE CHENOPODIUM CONVOLVULACEAE
40 POLYGONACEAE CONVOLVULACEAE FABACEAE CONVOLVULACEAE
41 CONVOLVULACEAE POLYGONACEAE AMARANTHACEAE CONVOLVULACEAE
42 ASPHODELIACEAE BRASSICACEAE CUSCUTACEAE CONVOLVULACEAE
43 EUPHORBIACEAE BORAGINACEAE AMARANTHACEAE CONVOLVULACEAE
71
44 EUPHORBIACEAE BORAGINACEAE SAPINDACEAE CONVOLVULACEAE
45 EUPHORBIACEAE BORAGINACEAE SAPINDACEAE CONVOLVULACEAE
46 POLYGONACEAE CONVOLVULACEAE AMARANTHACEAE CONVOLVULACEAE
47 BORAGINACEAE EUPHORBIACEAE AMARANTHACEAE CONVOLVULACEAE
48 CUSCUTACEAE CHENOPODIUM FABACEAE CUSCUTACEAE
49 ASTERACEAE ASPHODELIACEAE BRASSICACEAE CUSCUTACEAE
50 POLYGONACEAE CONVOLVULACEAE AMARANTHACEAE CUSCUTACEAE
51 ASPHODELIACEAE BRASSICACEAE CUSCUTACEAE CUSCUTACEAE
52 ASTERACEAE ASPHODELIACEAE BRASSICACEAE CUSCUTACEAE
53 CHENOPODIUM FABACEAE POLYGONACEAE CUSCUTACEAE
54 BORAGINACEAE EUPHORBIACEAE AMARANTHACEAE CUSCUTACEAE
55 AMARANTHACEAE CONVOLVULACEAE POLYGONACEAE CUSCUTACEAE
56 POLYGONACEAE CONVOLVULACEAE AMARANTHACEAE EUPHORBIACEAE
57 EUPHORBIACEAE BORAGINACEAE AMARANTHACEAE EUPHORBIACEAE
58 FABACEAE CHENOPODIUM POLYGONACEAE EUPHORBIACEAE
59 EUPHORBIACEAE BORAGINACEAE AMARANTHACEAE EUPHORBIACEAE
60 EUPHORBIACEAE SAPINDACEAE BORAGINACEAE EUPHORBIACEAE
61 BORAGINACEAE AMARANTHACEAE EUPHORBIACEAE EUPHORBIACEAE
62 FABACEAE CHENOPODIUM CUSCUTACEAE FABACEAE
63 BORAGINACEAE EUPHORBIACEAE AMARANTHACEAE POLYGONACEAE
64 POLYGONACEAE CONVOLVULACEAE AMARANTHACEAE POLYGONACEAE
65 BORAGINACEAE EUPHORBIACEAE AMARANTHACEAE POLYGONACEAE
66 SAPINDACEAE EUPHORBIACEAE BORAGINACEAE SAPINDACEAE
Tabela 16 - Contagem de acertos para os ngulos de 45, 90, 135 e 180.
Imagem Posio 1 Posio 2 Posio 3
1 0 0 1
2 0 0 0
3 0 0 0
4 0 0 1
5 0 0 0
6 1 0 0
7 0 0 0
8 1 0 0
9 0 0 0
10 1 0 0
11 1 0 0
12 1 0 0
13 1 0 0
14 1 0 0
15 0 0 1
16 1 0 0
72
17 0 0 0
18 1 0 0
19 1 0 0
20 1 0 0
21 0 0 0
22 1 0 0
23 1 0 0
24 1 0 0
25 1 0 0
26 1 0 0
27 1 0 0
28 0 0 0
29 0 0 0
30 0 0 0
31 0 1 0
32 0 0 0
33 0 0 0
34 0 0 0
35 0 0 0
36 0 0 1
37 0 0 0
38 0 0 0
39 0 0 0
40 0 1 0
41 1 0 0
42 0 0 0
43 0 0 0
44 0 0 0
45 0 0 0
46 0 1 0
47 0 0 0
48 1 0 0
49 0 0 0
50 0 0 0
51 0 0 1
52 0 0 0
53 0 0 0
54 0 0 0
55 0 0 0
56 0 0 0
57 1 0 0
58 0 0 0
59 1 0 0
73
60 1 0 0
61 0 0 1
62 1 0 0
63 0 0 0
64 1 0 0
65 0 0 0
66 1 0 0
Total: 25 3 6
Tabela 17 Comparao entre a primeira posies da Tabela.
Imagem
Teste1 (utilizando
180)
Teste 2 (utilizando
45,90, 135, 180) Famlia correta
1 AMARANTHACEAE EUPHORBIACEAE AMARANTHACEAE
2 AMARANTHACEAE EUPHORBIACEAE AMARANTHACEAE
3 AMARANTHACEAE CHENOPODIUM AMARANTHACEAE
4 AMARANTHACEAE POLYGONACEAE AMARANTHACEAE
5 ASPHODELIACEAE POLYGONACEAE AMARANTHACEAE
6 ASTERACEAE AMARANTHACEAE AMARANTHACEAE
7 CHENOPODIUM CHENOPODIUM AMARANTHACEAE
8 CHENOPODIUM AMARANTHACEAE AMARANTHACEAE
9 CUSCUTACEAE POLYGONACEAE AMARANTHACEAE
10 ASPHODELIACEAE ASPHODELIACEAE ASPHODELIACEAE
11 CONVOLVULACEAE ASPHODELIACEAE ASPHODELIACEAE
12 AMARANTHACEAE ASTERACEAE ASTERACEAE
13 ASPHODELIACEAE ASTERACEAE ASTERACEAE
14 ASPHODELIACEAE ASTERACEAE ASTERACEAE
15 ASTERACEAE ASPHODELIACEAE ASTERACEAE
16 BRASSICACEAE ASTERACEAE ASTERACEAE
17 CONVOLVULACEAE ASPHODELIACEAE ASTERACEAE
18 CUSCUTACEAE ASTERACEAE ASTERACEAE
19 CUSCUTACEAE ASTERACEAE ASTERACEAE
20 CUSCUTACEAE ASTERACEAE ASTERACEAE
21 EUPHORBIACEAE ASPHODELIACEAE ASTERACEAE
22 EUPHORBIACEAE ASTERACEAE ASTERACEAE
23 EUPHORBIACEAE ASTERACEAE ASTERACEAE
24 SAPINDACEAE ASTERACEAE ASTERACEAE
25 SAPINDACEAE ASTERACEAE ASTERACEAE
26 SAPINDACEAE ASTERACEAE ASTERACEAE
27 SAPINDACEAE ASTERACEAE ASTERACEAE
28 SAPINDACEAE BRASSICACEAE ASTERACEAE
29 BORAGINACEAE CONVOLVULACEAE BORAGINACEAE
30 CONVOLVULACEAE POLYGONACEAE BORAGINACEAE
31 CONVOLVULACEAE EUPHORBIACEAE BORAGINACEAE
74
32 AMARANTHACEAE SAPINDACEAE BRASSICACEAE
33 ASTERACEAE EUPHORBIACEAE BRASSICACEAE
34 CUSCUTACEAE SAPINDACEAE BRASSICACEAE
35 EUPHORBIACEAE BORAGINACEAE BRASSICACEAE
36 SAPINDACEAE ASTERACEAE BRASSICACEAE
37 ASTERACEAE EUPHORBIACEAE CHENOPODIUM
38 CUSCUTACEAE BRASSICACEAE CHENOPODIUM
39 BORAGINACEAE POLYGONACEAE CONVOLVULACEAE
40 BORAGINACEAE POLYGONACEAE CONVOLVULACEAE
41 BRASSICACEAE CONVOLVULACEAE CONVOLVULACEAE
42 EUPHORBIACEAE ASPHODELIACEAE CONVOLVULACEAE
43 POLYGONACEAE EUPHORBIACEAE CONVOLVULACEAE
44 SAPINDACEAE EUPHORBIACEAE CONVOLVULACEAE
45 SAPINDACEAE EUPHORBIACEAE CONVOLVULACEAE
46 SAPINDACEAE POLYGONACEAE CONVOLVULACEAE
47 SAPINDACEAE BORAGINACEAE CONVOLVULACEAE
48 AMARANTHACEAE CUSCUTACEAE CUSCUTACEAE
49 AMARANTHACEAE ASTERACEAE CUSCUTACEAE
50 ASPHODELIACEAE POLYGONACEAE CUSCUTACEAE
51 ASPHODELIACEAE ASPHODELIACEAE CUSCUTACEAE
52 BRASSICACEAE ASTERACEAE CUSCUTACEAE
53 CUSCUTACEAE CHENOPODIUM CUSCUTACEAE
54 CUSCUTACEAE BORAGINACEAE CUSCUTACEAE
55 CUSCUTACEAE AMARANTHACEAE CUSCUTACEAE
56 BORAGINACEAE POLYGONACEAE EUPHORBIACEAE
57 BORAGINACEAE EUPHORBIACEAE EUPHORBIACEAE
58 EUPHORBIACEAE FABACEAE EUPHORBIACEAE
59 FABACEAE EUPHORBIACEAE EUPHORBIACEAE
60 SAPINDACEAE EUPHORBIACEAE EUPHORBIACEAE
61 SAPINDACEAE BORAGINACEAE EUPHORBIACEAE
62 FABACEAE FABACEAE FABACEAE
63 ASPHODELIACEAE BORAGINACEAE POLYGONACEAE
64 FABACEAE POLYGONACEAE POLYGONACEAE
65 SAPINDACEAE BORAGINACEAE POLYGONACEAE
66 SAPINDACEAE SAPINDACEAE SAPINDACEAE
75
APNDICE B
Tabela 18 - As trs primeiras Famlias encontradas do mtodo de textura.
Imagem Posio 1 Posio 2 Posio 3 Famlia correta
1 ASTERACEAE AMARANTHACEAE SAPINDACEAE AMARANTHACEAE
2 SAPINDACEAE BORAGINACEAE ASPHODELIACEAE AMARANTHACEAE
3 ASTERACEAE AMARANTHACEAE SAPINDACEAE AMARANTHACEAE
4 AMARANTHACEAE SAPINDACEAE BORAGINACEAE AMARANTHACEAE
5 ASTERACEAE AMARANTHACEAE SAPINDACEAE AMARANTHACEAE
6 BORAGINACEAE ASPHODELIACEAE SAPINDACEAE AMARANTHACEAE
7 ASTERACEAE AMARANTHACEAE SAPINDACEAE AMARANTHACEAE
8 CONVOLVULACEAE EUPHORBIACEAE CHENOPODIUM AMARANTHACEAE
9 EUPHORBIACEAE CONVOLVULACEAE CHENOPODIUM AMARANTHACEAE
10 SAPINDACEAE BORAGINACEAE ASPHODELIACEAE ASPHODELIACEAE
11 ASPHODELIACEAE BORAGINACEAE FABACEAE ASPHODELIACEAE
12 AMARANTHACEAE ASTERACEAE SAPINDACEAE ASTERACEAE
13 AMARANTHACEAE ASTERACEAE SAPINDACEAE ASTERACEAE
14 FABACEAE ASPHODELIACEAE BORAGINACEAE ASTERACEAE
15 AMARANTHACEAE SAPINDACEAE BORAGINACEAE ASTERACEAE
16 ASTERACEAE AMARANTHACEAE SAPINDACEAE ASTERACEAE
17 ASTERACEAE AMARANTHACEAE SAPINDACEAE ASTERACEAE
18 AMARANTHACEAE SAPINDACEAE BORAGINACEAE ASTERACEAE
19 ASTERACEAE AMARANTHACEAE SAPINDACEAE ASTERACEAE
20 ASTERACEAE AMARANTHACEAE SAPINDACEAE ASTERACEAE
21 AMARANTHACEAE SAPINDACEAE BORAGINACEAE ASTERACEAE
22 ASTERACEAE AMARANTHACEAE SAPINDACEAE ASTERACEAE
23 ASTERACEAE AMARANTHACEAE SAPINDACEAE ASTERACEAE
24 ASTERACEAE AMARANTHACEAE SAPINDACEAE ASTERACEAE
25 ASTERACEAE AMARANTHACEAE SAPINDACEAE ASTERACEAE
26 SAPINDACEAE BORAGINACEAE AMARANTHACEAE ASTERACEAE
27 ASPHODELIACEAE AMARANTHACEAE ASTERACEAE ASTERACEAE
28 CUSCUTACEAE BRASSICACEAE POLYGONACEAE ASTERACEAE
29 CHENOPODIUM POLYGONACEAE EUPHORBIACEAE BORAGINACEAE
30 POLYGONACEAE CHENOPODIUM EUPHORBIACEAE BORAGINACEAE
31 ASPHODELIACEAE AMARANTHACEAE ASTERACEAE BORAGINACEAE
32 BRASSICACEAE CUSCUTACEAE POLYGONACEAE BRASSICACEAE
33 CUSCUTACEAE POLYGONACEAE CHENOPODIUM BRASSICACEAE
34 CUSCUTACEAE POLYGONACEAE CHENOPODIUM BRASSICACEAE
35 BRASSICACEAE CUSCUTACEAE POLYGONACEAE BRASSICACEAE
36 CONVOLVULACEAE EUPHORBIACEAE CHENOPODIUM BRASSICACEAE
37 BRASSICACEAE CUSCUTACEAE POLYGONACEAE CHENOPODIUM
38 SAPINDACEAE BORAGINACEAE ASPHODELIACEAE CHENOPODIUM
39 CUSCUTACEAE POLYGONACEAE CHENOPODIUM CONVOLVULACEAE
76
40 POLYGONACEAE CHENOPODIUM EUPHORBIACEAE CONVOLVULACEAE
41 ASPHODELIACEAE BORAGINACEAE SAPINDACEAE CONVOLVULACEAE
42 ASTERACEAE AMARANTHACEAE SAPINDACEAE CONVOLVULACEAE
43 ASPHODELIACEAE BORAGINACEAE FABACEAE CONVOLVULACEAE
44 CUSCUTACEAE POLYGONACEAE CHENOPODIUM CONVOLVULACEAE
45 POLYGONACEAE CHENOPODIUM EUPHORBIACEAE CONVOLVULACEAE
46 CUSCUTACEAE POLYGONACEAE CHENOPODIUM CONVOLVULACEAE
47 POLYGONACEAE CHENOPODIUM EUPHORBIACEAE CONVOLVULACEAE
48 CHENOPODIUM POLYGONACEAE EUPHORBIACEAE CUSCUTACEAE
49 CUSCUTACEAE BRASSICACEAE POLYGONACEAE CUSCUTACEAE
50 CUSCUTACEAE BRASSICACEAE POLYGONACEAE CUSCUTACEAE
51 ASPHODELIACEAE AMARANTHACEAE ASTERACEAE CUSCUTACEAE
52 ASPHODELIACEAE AMARANTHACEAE ASTERACEAE CUSCUTACEAE
53 BRASSICACEAE CUSCUTACEAE POLYGONACEAE CUSCUTACEAE
54 CHENOPODIUM EUPHORBIACEAE CONVOLVULACEAE CUSCUTACEAE
55 CUSCUTACEAE BRASSICACEAE POLYGONACEAE CUSCUTACEAE
56 CONVOLVULACEAE EUPHORBIACEAE CHENOPODIUM EUPHORBIACEAE
57 CUSCUTACEAE POLYGONACEAE CHENOPODIUM EUPHORBIACEAE
58 CUSCUTACEAE POLYGONACEAE CHENOPODIUM EUPHORBIACEAE
59 FABACEAE CONVOLVULACEAE EUPHORBIACEAE EUPHORBIACEAE
60 POLYGONACEAE CHENOPODIUM EUPHORBIACEAE EUPHORBIACEAE
61 POLYGONACEAE CHENOPODIUM EUPHORBIACEAE EUPHORBIACEAE
62 FABACEAE ASPHODELIACEAE BORAGINACEAE FABACEAE
63 ASTERACEAE AMARANTHACEAE SAPINDACEAE POLYGONACEAE
64 ASPHODELIACEAE AMARANTHACEAE ASTERACEAE POLYGONACEAE
65 ASPHODELIACEAE AMARANTHACEAE ASTERACEAE POLYGONACEAE
66 FABACEAE ASPHODELIACEAE BORAGINACEAE SAPINDACEAE
Tabela 19 - Contagem das trs primeiras famlias.
Imagem Posio 1 Posio 2 Posio 3
1 0 1 0
2 0 0 0
3 0 1 0
4 1 0 0
5 0 1 0
6 0 0 0
7 0 1 0
8 0 0 0
9 0 0 0
10 0 0 1
11 1 0 0
12 0 1 0
77
13 0 1 0
14 0 0 0
15 0 0 0
16 1 0 0
17 1 0 0
18 0 0 0
19 1 0 0
20 1 0 0
21 0 0 0
22 1 0 0
23 1 0 0
24 1 0 0
25 1 0 0
26 0 0 0
27 0 0 1
28 0 0 0
29 0 0 0
30 0 0 0
31 0 0 0
32 1 0 0
33 0 0 0
34 0 0 0
35 1 0 0
36 0 0 0
37 0 0 0
38 0 0 0
39 0 0 0
40 0 0 0
41 0 0 0
42 0 0 0
43 0 0 0
44 0 0 0
45 0 0 0
46 0 0 0
47 0 0 0
48 0 0 0
49 1 0 0
50 1 0 0
51 0 0 0
52 0 0 0
53 0 1 0
54 0 0 0
55 1 0 0
78
56 0 1 0
57 0 0 0
58 0 0 0
59 0 0 1
60 0 0 1
61 0 0 1
62 1 0 0
63 0 0 0
64 0 0 0
65 0 0 0
66 0 0 0
Total: 16 8 5
79
APNDICE C
Tabela 20 - As trs primeiras famlias encontradas do mtodo de HU.
Imagem Posio 1 Posio 2 Posio 3 Famlia Correta
1 CHENOPODIUM AMARANTHACEAE SAPINDACEAE AMARANTHACEAE
2 SAPINDACEAE CHENOPODIUM AMARANTHACEAE AMARANTHACEAE
3 CUSCUTACEAE AMARANTHACEAE CHENOPODIUM AMARANTHACEAE
4 AMARANTHACEAE CHENOPODIUM CUSCUTACEAE AMARANTHACEAE
5 SAPINDACEAE CHENOPODIUM AMARANTHACEAE AMARANTHACEAE
6 CHENOPODIUM AMARANTHACEAE SAPINDACEAE AMARANTHACEAE
7 SAPINDACEAE CHENOPODIUM AMARANTHACEAE AMARANTHACEAE
8 CHENOPODIUM AMARANTHACEAE SAPINDACEAE AMARANTHACEAE
9 SAPINDACEAE CHENOPODIUM AMARANTHACEAE AMARANTHACEAE
10 CONVOLVULACEAE ASPHODELIACEAE POLYGONACEAE ASPHODELIACEAE
11 ASPHODELIACEAE POLYGONACEAE FABACEAE ASPHODELIACEAE
12 CONVOLVULACEAE ASPHODELIACEAE POLYGONACEAE ASTERACEAE
13 CONVOLVULACEAE ASPHODELIACEAE POLYGONACEAE ASTERACEAE
14 CONVOLVULACEAE ASPHODELIACEAE POLYGONACEAE ASTERACEAE
15 CONVOLVULACEAE ASPHODELIACEAE POLYGONACEAE ASTERACEAE
16 ASTERACEAE CONVOLVULACEAE ASPHODELIACEAE ASTERACEAE
17 CONVOLVULACEAE ASPHODELIACEAE POLYGONACEAE ASTERACEAE
18 CONVOLVULACEAE ASPHODELIACEAE POLYGONACEAE ASTERACEAE
19 ASTERACEAE CONVOLVULACEAE ASPHODELIACEAE ASTERACEAE
20 ASTERACEAE CONVOLVULACEAE ASPHODELIACEAE ASTERACEAE
21 CONVOLVULACEAE ASPHODELIACEAE POLYGONACEAE ASTERACEAE
22 ASTERACEAE CONVOLVULACEAE ASPHODELIACEAE ASTERACEAE
23 ASTERACEAE CONVOLVULACEAE ASPHODELIACEAE ASTERACEAE
24 ASTERACEAE CONVOLVULACEAE ASPHODELIACEAE ASTERACEAE
25 ASTERACEAE CONVOLVULACEAE ASPHODELIACEAE ASTERACEAE
26 CONVOLVULACEAE ASPHODELIACEAE POLYGONACEAE ASTERACEAE
27 ASTERACEAE CONVOLVULACEAE ASPHODELIACEAE ASTERACEAE
28 BORAGINACEAE BRASSICACEAE FABACEAE ASTERACEAE
29 BORAGINACEAE BRASSICACEAE FABACEAE BORAGINACEAE
30 EUPHORBIACEAE BORAGINACEAE CUSCUTACEAE BORAGINACEAE
31 EUPHORBIACEAE CUSCUTACEAE AMARANTHACEAE BORAGINACEAE
32 SAPINDACEAE CHENOPODIUM AMARANTHACEAE BRASSICACEAE
33 SAPINDACEAE CHENOPODIUM AMARANTHACEAE BRASSICACEAE
34 SAPINDACEAE CHENOPODIUM AMARANTHACEAE BRASSICACEAE
35 SAPINDACEAE CHENOPODIUM AMARANTHACEAE BRASSICACEAE
36 ASTERACEAE CONVOLVULACEAE ASPHODELIACEAE BRASSICACEAE
37 SAPINDACEAE CHENOPODIUM AMARANTHACEAE CHENOPODIUM
38 CUSCUTACEAE EUPHORBIACEAE AMARANTHACEAE CHENOPODIUM
39 BRASSICACEAE FABACEAE POLYGONACEAE CONVOLVULACEAE
80
40 BRASSICACEAE FABACEAE POLYGONACEAE CONVOLVULACEAE
41 ASTERACEAE CONVOLVULACEAE ASPHODELIACEAE CONVOLVULACEAE
42 CONVOLVULACEAE ASPHODELIACEAE POLYGONACEAE CONVOLVULACEAE
43 ASTERACEAE CONVOLVULACEAE ASPHODELIACEAE CONVOLVULACEAE
44 CUSCUTACEAE AMARANTHACEAE EUPHORBIACEAE CONVOLVULACEAE
45 CUSCUTACEAE EUPHORBIACEAE AMARANTHACEAE CONVOLVULACEAE
46 BORAGINACEAE BRASSICACEAE FABACEAE CONVOLVULACEAE
47 EUPHORBIACEAE BORAGINACEAE CUSCUTACEAE CONVOLVULACEAE
48 AMARANTHACEAE CHENOPODIUM CUSCUTACEAE CUSCUTACEAE
49 CUSCUTACEAE AMARANTHACEAE CHENOPODIUM CUSCUTACEAE
50 AMARANTHACEAE CHENOPODIUM CUSCUTACEAE CUSCUTACEAE
51 SAPINDACEAE CHENOPODIUM AMARANTHACEAE CUSCUTACEAE
52 CUSCUTACEAE AMARANTHACEAE CHENOPODIUM CUSCUTACEAE
53 AMARANTHACEAE CHENOPODIUM CUSCUTACEAE CUSCUTACEAE
54 CHENOPODIUM AMARANTHACEAE SAPINDACEAE CUSCUTACEAE
55 AMARANTHACEAE CHENOPODIUM CUSCUTACEAE CUSCUTACEAE
56 BORAGINACEAE EUPHORBIACEAE BRASSICACEAE EUPHORBIACEAE
57 EUPHORBIACEAE BORAGINACEAE CUSCUTACEAE EUPHORBIACEAE
58 EUPHORBIACEAE BORAGINACEAE CUSCUTACEAE EUPHORBIACEAE
59 CUSCUTACEAE EUPHORBIACEAE AMARANTHACEAE EUPHORBIACEAE
60 AMARANTHACEAE CHENOPODIUM CUSCUTACEAE EUPHORBIACEAE
61 EUPHORBIACEAE CUSCUTACEAE AMARANTHACEAE EUPHORBIACEAE
62 BORAGINACEAE BRASSICACEAE FABACEAE FABACEAE
63 ASPHODELIACEAE POLYGONACEAE FABACEAE POLYGONACEAE
64 POLYGONACEAE FABACEAE ASPHODELIACEAE POLYGONACEAE
65 BRASSICACEAE FABACEAE POLYGONACEAE POLYGONACEAE
66 SAPINDACEAE CHENOPODIUM AMARANTHACEAE SAPINDACEAE
Tabela 21 - Contagem das famlias que ocorrem nas trs primeiras posies.
Imagem Posio 1 Posio 2 Posio 3
1 0 1 0
2 0 0 1
3 0 1 0
4 1 0 0
5 0 0 1
6 0 1 0
7 0 0 1
8 0 1 0
9 0 0 1
10 0 1 0
11 1 0 0
12 0 0 0
81
13 0 0 0
14 0 0 0
15 0 0 0
16 1 0 0
17 0 0 0
18 0 0 0
19 1 0 0
20 1 0 0
21 0 0 0
22 1 0 0
23 1 0 0
24 1 0 0
25 1 0 0
26 0 0 0
27 1 0 0
28 0 0 0
29 1 0 0
30 0 1 0
31 0 0 0
32 0 0 0
33 0 0 0
34 0 0 0
35 0 0 0
36 0 0 0
37 0 1 0
38 0 0 0
39 0 0 0
40 0 0 0
41 0 1 0
42 1 0 0
43 0 1 0
44 0 0 0
45 0 0 0
46 0 0 0
47 0 0 0
48 0 0 1
49 1 0 0
50 0 0 1
51 0 0 0
52 1 0 0
53 0 0 1
54 0 0 0
55 0 0 1
82
56 0 1 0
57 1 0 0
58 1 0 0
59 0 1 0
60 0 0 0
61 1 0 0
62 0 0 1
63 0 1 0
64 1 0 0
65 0 0 1
66 1 0 0
Total: 19 12 10
83
APNDICE D
Outro objetivo da combinao do mtodo proposto com HU verificar se os
dois mtodos poderiam ser complementares, isto , se um mtodo no identifica
corretamente uma imagem nas trs primeiras posies o outro mtodo poderia
identificar ou vice-versa. Isso visto nas linhas 6 Tabela 15 a famlia
AMARANTHACEAE aparece em primeiro e na linhas 7 da Tabela 20 aparece na
terceira posio, logo na Tabela 22 nas linha 6 e 7 a famlia AMARANTHACEAE
aparece na primeira posio.
Tabela 22 - A ocorrncia das trs primeiras famlias do combinao de hu com o
mtodo proposto.
Imagem Posio 1 Posio 2 Posio 3 Famlia correta
1 FABACEAE CHENOPODIUM CUSCUTACEAE FABACEAE
2 EUPHORBIACEAE BORAGINACEAE AMARANTHACEAE AMARANTHACEAE
3 CHENOPODIUM FABACEAE POLYGONACEAE AMARANTHACEAE
4 CHENOPODIUM FABACEAE POLYGONACEAE AMARANTHACEAE
5 POLYGONACEAE CONVOLVULACEAE AMARANTHACEAE AMARANTHACEAE
6 AMARANTHACEAE CONVOLVULACEAE BORAGINACEAE AMARANTHACEAE
7 AMARANTHACEAE CONVOLVULACEAE BORAGINACEAE AMARANTHACEAE
8 CHENOPODIUM FABACEAE POLYGONACEAE AMARANTHACEAE
9 AMARANTHACEAE BORAGINACEAE EUPHORBIACEAE AMARANTHACEAE
10 POLYGONACEAE CHENOPODIUM FABACEAE AMARANTHACEAE
11 ASTERACEAE ASPHODELIACEAE BRASSICACEAE ASTERACEAE
12 ASTERACEAE ASPHODELIACEAE BRASSICACEAE ASTERACEAE
13 ASTERACEAE ASPHODELIACEAE BRASSICACEAE ASTERACEAE
14 ASPHODELIACEAE BRASSICACEAE CUSCUTACEAE ASPHODELIACEAE
15 SAPINDACEAE EUPHORBIACEAE BORAGINACEAE BRASSICACEAE
16 EUPHORBIACEAE BORAGINACEAE SAPINDACEAE BRASSICACEAE
17 SAPINDACEAE EUPHORBIACEAE BORAGINACEAE BRASSICACEAE
18 BORAGINACEAE AMARANTHACEAE EUPHORBIACEAE BRASSICACEAE
19 SAPINDACEAE EUPHORBIACEAE BORAGINACEAE SAPINDACEAE
20 ASPHODELIACEAE BRASSICACEAE ASTERACEAE ASTERACEAE
21 ASTERACEAE ASPHODELIACEAE BRASSICACEAE ASTERACEAE
22 ASPHODELIACEAE BRASSICACEAE CUSCUTACEAE ASTERACEAE
23 ASTERACEAE ASPHODELIACEAE BRASSICACEAE ASTERACEAE
24 ASTERACEAE ASPHODELIACEAE BRASSICACEAE ASTERACEAE
25 ASTERACEAE ASPHODELIACEAE BRASSICACEAE ASTERACEAE
26 ASPHODELIACEAE BRASSICACEAE CUSCUTACEAE ASTERACEAE
27 ASTERACEAE ASPHODELIACEAE BRASSICACEAE ASTERACEAE
28 ASTERACEAE ASPHODELIACEAE BRASSICACEAE ASTERACEAE
84
29 EUPHORBIACEAE BORAGINACEAE AMARANTHACEAE CHENOPODIUM
30 BRASSICACEAE ASPHODELIACEAE CUSCUTACEAE CHENOPODIUM
31 ASTERACEAE ASPHODELIACEAE BRASSICACEAE ASTERACEAE
32 ASTERACEAE ASPHODELIACEAE BRASSICACEAE ASTERACEAE
33 ASTERACEAE ASPHODELIACEAE BRASSICACEAE ASTERACEAE
34 POLYGONACEAE FABACEAE CHENOPODIUM CONVOLVULACEAE
35 POLYGONACEAE CONVOLVULACEAE AMARANTHACEAE EUPHORBIACEAE
36 EUPHORBIACEAE BORAGINACEAE AMARANTHACEAE EUPHORBIACEAE
37 CHENOPODIUM FABACEAE POLYGONACEAE CUSCUTACEAE
38 ASTERACEAE ASPHODELIACEAE BRASSICACEAE CUSCUTACEAE
39 POLYGONACEAE CONVOLVULACEAE AMARANTHACEAE CUSCUTACEAE
40 ASPHODELIACEAE BRASSICACEAE CUSCUTACEAE CUSCUTACEAE
41 ASTERACEAE ASPHODELIACEAE BRASSICACEAE CUSCUTACEAE
42 CHENOPODIUM FABACEAE POLYGONACEAE CUSCUTACEAE
43 BORAGINACEAE EUPHORBIACEAE AMARANTHACEAE CUSCUTACEAE
44 AMARANTHACEAE CONVOLVULACEAE POLYGONACEAE CUSCUTACEAE
45 ASPHODELIACEAE BRASSICACEAE CUSCUTACEAE ASPHODELIACEAE
46 ASTERACEAE ASPHODELIACEAE BRASSICACEAE BRASSICACEAE
47 CONVOLVULACEAE AMARANTHACEAE POLYGONACEAE BORAGINACEAE
48 BORAGINACEAE EUPHORBIACEAE AMARANTHACEAE POLYGONACEAE
49 FABACEAE CHENOPODIUM POLYGONACEAE EUPHORBIACEAE
50 EUPHORBIACEAE BORAGINACEAE AMARANTHACEAE EUPHORBIACEAE
51 EUPHORBIACEAE SAPINDACEAE BORAGINACEAE EUPHORBIACEAE
52 BORAGINACEAE AMARANTHACEAE EUPHORBIACEAE EUPHORBIACEAE
53 POLYGONACEAE CONVOLVULACEAE AMARANTHACEAE POLYGONACEAE
54 BORAGINACEAE EUPHORBIACEAE AMARANTHACEAE POLYGONACEAE
55 POLYGONACEAE CONVOLVULACEAE AMARANTHACEAE BORAGINACEAE
56 EUPHORBIACEAE BORAGINACEAE AMARANTHACEAE BORAGINACEAE
57 ASTERACEAE ASPHODELIACEAE BRASSICACEAE ASTERACEAE
58 BRASSICACEAE ASPHODELIACEAE CUSCUTACEAE ASTERACEAE
59 POLYGONACEAE CONVOLVULACEAE FABACEAE CONVOLVULACEAE
60 CONVOLVULACEAE POLYGONACEAE AMARANTHACEAE CONVOLVULACEAE
61 ASPHODELIACEAE BRASSICACEAE CUSCUTACEAE CONVOLVULACEAE
62 EUPHORBIACEAE BORAGINACEAE AMARANTHACEAE CONVOLVULACEAE
63 EUPHORBIACEAE BORAGINACEAE SAPINDACEAE CONVOLVULACEAE
64 EUPHORBIACEAE BORAGINACEAE SAPINDACEAE CONVOLVULACEAE
65 POLYGONACEAE CONVOLVULACEAE AMARANTHACEAE CONVOLVULACEAE
66 BORAGINACEAE EUPHORBIACEAE AMARANTHACEAE CONVOLVULACEAE
Tabela 23 - Contagem da ocorrncia das trs primeiras famlias.
Imagem Posio 1 Posio 2 Posio 3
1 0 0 1
2 0 0 0
85
3 0 0 0
4 0 0 1
5 1 0 0
6 1 0 0
7 0 0 0
8 1 0 0
9 0 0 0
10 1 0 0
11 1 0 0
12 1 0 0
13 1 0 0
14 1 0 0
15 0 0 1
16 1 0 0
17 0 0 0
18 1 0 0
19 1 0 0
20 1 0 0
21 0 0 0
22 1 0 0
23 1 0 0
24 1 0 0
25 1 0 0
26 1 0 0
27 1 0 0
28 0 0 0
29 0 0 0
30 0 0 0
31 0 1 0
32 0 0 0
33 0 0 0
34 0 0 0
35 0 0 0
36 0 0 1
37 0 0 0
38 0 0 0
39 0 0 0
40 0 1 0
41 1 0 0
42 0 0 0
43 0 0 0
44 0 0 0
45 0 0 0
86
46 0 1 0
47 0 0 0
48 0 0 0
49 0 0 0
50 0 0 0
51 0 0 1
52 0 0 0
53 0 0 0
54 0 0 0
55 0 0 0
56 0 0 0
57 1 0 0
58 0 0 0
59 1 0 0
60 1 0 0
61 0 0 1
62 1 0 0
63 0 0 0
64 1 0 0
65 0 0 0
66 1 0 0
Total: 25 3 6
87
APNDICE E
Tabela 24 - A ocorrncia das trs primeiras famlias da combinao dos trs
mtodos.
Imagem Posio 1 Posio 2 Posio 3 Famlia correta
1 BRASSICACEAE ASPHODELIACEAE BORAGINACEAE FABACEAE
2 ASTERACEAE AMARANTHACEAE SAPINDACEAE AMARANTHACEAE
3 SAPINDACEAE BORAGINACEAE ASPHODELIACEAE AMARANTHACEAE
4 ASTERACEAE AMARANTHACEAE SAPINDACEAE AMARANTHACEAE
5 AMARANTHACEAE SAPINDACEAE BORAGINACEAE AMARANTHACEAE
6 ASTERACEAE AMARANTHACEAE SAPINDACEAE AMARANTHACEAE
7 BORAGINACEAE ASPHODELIACEAE SAPINDACEAE AMARANTHACEAE
8 ASTERACEAE AMARANTHACEAE SAPINDACEAE AMARANTHACEAE
9 CONVOLVULACEAE EUPHORBIACEAE CHENOPODIUM AMARANTHACEAE
10 EUPHORBIACEAE CONVOLVULACEAE CHENOPODIUM AMARANTHACEAE
11 AMARANTHACEAE ASTERACEAE SAPINDACEAE ASTERACEAE
12 AMARANTHACEAE ASTERACEAE SAPINDACEAE ASTERACEAE
13 BRASSICACEAE ASPHODELIACEAE BORAGINACEAE ASTERACEAE
14 SAPINDACEAE BORAGINACEAE ASPHODELIACEAE ASPHODELIACEAE
15 ASTERACEAE AMARANTHACEAE SAPINDACEAE BRASSICACEAE
16 CUSCUTACEAE POLYGONACEAE CHENOPODIUM BRASSICACEAE
17 CUSCUTACEAE POLYGONACEAE CHENOPODIUM BRASSICACEAE
18 BORAGINACEAE ASPHODELIACEAE BRASSICACEAE BRASSICACEAE
19 BRASSICACEAE ASPHODELIACEAE BORAGINACEAE SAPINDACEAE
20 AMARANTHACEAE SAPINDACEAE BORAGINACEAE ASTERACEAE
21 ASTERACEAE AMARANTHACEAE SAPINDACEAE ASTERACEAE
22 ASTERACEAE AMARANTHACEAE SAPINDACEAE ASTERACEAE
23 AMARANTHACEAE SAPINDACEAE BORAGINACEAE ASTERACEAE
24 ASTERACEAE AMARANTHACEAE SAPINDACEAE ASTERACEAE
25 ASTERACEAE AMARANTHACEAE SAPINDACEAE ASTERACEAE
26 AMARANTHACEAE SAPINDACEAE BORAGINACEAE ASTERACEAE
27 ASTERACEAE AMARANTHACEAE SAPINDACEAE ASTERACEAE
28 ASTERACEAE AMARANTHACEAE SAPINDACEAE ASTERACEAE
29 ASTERACEAE AMARANTHACEAE SAPINDACEAE CHENOPODIUM
30 SAPINDACEAE AMARANTHACEAE BORAGINACEAE CHENOPODIUM
31 ASTERACEAE AMARANTHACEAE SAPINDACEAE ASTERACEAE
32 ASTERACEAE AMARANTHACEAE SAPINDACEAE ASTERACEAE
33 AMARANTHACEAE SAPINDACEAE BORAGINACEAE ASTERACEAE
34 CUSCUTACEAE POLYGONACEAE CHENOPODIUM CONVOLVULACEAE
35 CONVOLVULACEAE EUPHORBIACEAE CHENOPODIUM EUPHORBIACEAE
36 FABACEAE BRASSICACEAE CONVOLVULACEAE EUPHORBIACEAE
37 CHENOPODIUM EUPHORBIACEAE POLYGONACEAE CUSCUTACEAE
38 POLYGONACEAE CHENOPODIUM EUPHORBIACEAE CUSCUTACEAE
39 POLYGONACEAE CHENOPODIUM EUPHORBIACEAE CUSCUTACEAE
40 POLYGONACEAE CHENOPODIUM EUPHORBIACEAE CUSCUTACEAE
41 CUSCUTACEAE POLYGONACEAE CHENOPODIUM CUSCUTACEAE
42 FABACEAE BRASSICACEAE ASPHODELIACEAE CUSCUTACEAE
43 CHENOPODIUM EUPHORBIACEAE CONVOLVULACEAE CUSCUTACEAE
88
44 POLYGONACEAE CHENOPODIUM EUPHORBIACEAE CUSCUTACEAE
45 SAPINDACEAE BORAGINACEAE ASPHODELIACEAE ASPHODELIACEAE
46 CONVOLVULACEAE EUPHORBIACEAE CHENOPODIUM BRASSICACEAE
47 CONVOLVULACEAE FABACEAE EUPHORBIACEAE BORAGINACEAE
48 ASTERACEAE AMARANTHACEAE SAPINDACEAE POLYGONACEAE
49 SAPINDACEAE BORAGINACEAE AMARANTHACEAE EUPHORBIACEAE
50 FABACEAE CONVOLVULACEAE EUPHORBIACEAE EUPHORBIACEAE
51 BRASSICACEAE ASPHODELIACEAE BORAGINACEAE EUPHORBIACEAE
52 CONVOLVULACEAE EUPHORBIACEAE CHENOPODIUM EUPHORBIACEAE
53 FABACEAE CONVOLVULACEAE EUPHORBIACEAE POLYGONACEAE
54 SAPINDACEAE BORAGINACEAE ASPHODELIACEAE POLYGONACEAE
55 POLYGONACEAE CHENOPODIUM EUPHORBIACEAE BORAGINACEAE
56 BORAGINACEAE ASPHODELIACEAE SAPINDACEAE BORAGINACEAE
57 ASTERACEAE AMARANTHACEAE SAPINDACEAE ASTERACEAE
58 EUPHORBIACEAE CONVOLVULACEAE CHENOPODIUM ASTERACEAE
59 POLYGONACEAE CHENOPODIUM EUPHORBIACEAE CONVOLVULACEAE
60 SAPINDACEAE BORAGINACEAE ASPHODELIACEAE CONVOLVULACEAE
61 ASTERACEAE AMARANTHACEAE SAPINDACEAE CONVOLVULACEAE
62 ASTERACEAE AMARANTHACEAE SAPINDACEAE CONVOLVULACEAE
63 BORAGINACEAE ASPHODELIACEAE SAPINDACEAE CONVOLVULACEAE
64 POLYGONACEAE CHENOPODIUM EUPHORBIACEAE CONVOLVULACEAE
65 POLYGONACEAE CHENOPODIUM EUPHORBIACEAE CONVOLVULACEAE
66 POLYGONACEAE CHENOPODIUM EUPHORBIACEAE CONVOLVULACEAE
Tabela 25 - Contagem da ocorrncia das trs primeiras famlias.
Imagem Posio 1 Posio 2 Posio 3
1 0 0 0
2 0 1 0
3 0 0 0
4 0 1 0
5 1 0 0
6 0 1 0
7 0 0 0
8 0 1 0
9 0 0 0
10 0 0 0
11 0 1 0
12 0 1 0
13 0 0 0
14 0 0 1
15 0 0 0
16 0 0 0
17 0 0 0
18 0 0 1
19 0 0 0
20 0 0 0
21 1 0 0
89
22 1 0 0
23 0 0 0
24 1 0 0
25 1 0 0
26 0 0 0
27 1 0 0
28 1 0 0
29 0 0 0
30 0 0 0
31 1 0 0
32 1 0 0
33 0 0 0
34 0 0 0
35 0 1 0
36 0 0 0
37 0 0 0
38 0 0 0
39 0 0 0
40 0 0 0
41 1 0 0
42 0 0 0
43 0 0 0
44 0 0 0
45 0 0 1
46 0 0 0
47 0 0 0
48 0 0 0
49 0 0 0
50 0 0 1
51 0 0 0
52 0 1 0
53 0 0 0
54 0 0 0
55 0 0 0
56 1 0 0
57 1 0 0
58 0 0 0
59 0 0 0
60 0 0 0
61 0 0 0
62 0 0 0
63 0 0 0
64 0 0 0
65 0 0 0
66 0 0 0
total: 12 8 4