Resumo: Este trabalho objetiva a avaliação do potencial discriminativo de decomposições tempoescala-freqüência para o reconhecimento de formas naturais a partir de seus contornos. Mais especificamente, ele provê a análise e a comparação de descritores obtidos com base na Trasformada de Fourier (FT), na Trasformada de Fourier de Curta Duração (STFT), nas Transformadas de Wavelet Contínua (CWT) e Discreta (DWT), e na Transformada de Fourier Multiresolução (MFT). Para tal fim, contornos de formas naturais são extraídos e parametrizados pelas assinaturas de coordenadas complexas e distância contorno-centróide. As transformadas citadas são então aplicadas sobre os contornos parametrizados, permitindo-se que, das decomposições resultantes, conjuntos de atributos numéricos sejam medidos e normalizados para aquisição das invariâncias quanto a rotação, reflexão, translação, mudança de escala e do ponto inicial de amostragem dos contornos. Procedimentos para redução de dimensionalidade e seleção dos atributos mais significativos são empregados, respectivamente, através da técnica de Análise de Variáveis Canônicas (CVA) e do algoritmo de Seleção Seqüêncial Inversa, obtendo-se os descritores das formas. Os classificadores estatísticos Mínima Distância Mahalanobis e Bayesiano são utilizados para discriminação das classes e os erros de decisão são estimados pelo método Leave-One-Out. Visando-se o aumento da capacidade discriminativa das abordagens, o trabalho prevê ainda a possibilidade de classificação das amostras de modo hierárquico. O custo, a precisão e o potencial discriminativo das abordagens são analisados e comparados considerando-se resultados de experimentos realizados com uma base de folhas digitalizadas pertencentes a diferentes espécies de plantas. Dentre as abordagens testadas, as baseadas na Transformada de Fourier Multiresolução apresentaram os melhores resultados Ver menos

Abstract:
This work aims to evaluate the discriminative potential of time-scale-frequency decompositions for contour-based recognition of natural shapes. More specifically, it provides the analysis and comparison of descriptors derived from the Fourier Transform (FT), the Short- Time Fourier Transform (STFT) , the Continuous (CWT) and Discrete (DWT) Wavelet Transforms, and the Multi-Resolution Fourier Transform (MFT). For this purpose, natural sha:pes contours are extracted and parameterized by the complex coordinates and the contour-centroid distance signatures. The mentioned transforms are then applied over the parameterized contours, allowing that, from the resulted decompositions, attributes sets be measured and normalised for invariance acquisition for rotation, reflection, translation, scale and contour sampling initial point changes. Procedures for dimensionality reduction and selection of the most significant attributes are employed, respectively, through the Canonical Variate Analysis technique and the Backward Sequential Selection, obtaining the shape descriptors. The statistical c1assifiers Minimum Mahalanobis Distance and Bayesian are used for c1ass discrimination and the decision errors are estimated by the Leave-One-Out method. For the improvement of discriminative capability of the approaches, this work also permits a hierachical c1assification of the samples. The cost, accuracy and discriminative potential of the approaches are analysedand compared considering results of experiments developed over a base of digitalized leaves of different plant species. Among alI tested approaches, those based on the Multi-Resolution Fourier Transform showed the best results Ver menos