Os coeficientes de Hurst e de variação espacial aplicados na tarefa de classificação de espécies vegetais

Leonardo Felipe Scabini, Lucas Abreu, Diogo Nunes Gonçalves, Diogo Boaventura, Wesley Nunes Gonçalves

Resumo


A identificação de espécies vegetais é crucial em várias áreas do cotidiano, como na indústria alimentícia, medicinal, etc. Porém, ainda hoje o processo de taxonomia vegetal é executado manualmente, na maioria dos casos. A falta de processos automatizados para essa tarefa motivou este trabalho, que apresenta a aplicação de dois métodos na extração de características texturais de imagens, o coeficiente de Hurst e de variação espacial. O objetivo é a extração de dados relevantes que caracterizem e diferenciem cada espécie para que seja realizada a classificação automática. As imagens analisadas são amostras de texturas de diferentes espécies vegetais. Neste trabalho procurou-se estudar métodos já conhecidos na literatura e testar possíveis melhorias e ajustes nas estratégias de análise textural. A proposta apresentada aplica uma combinação dos cálculos dos dois métodos, onde foi observada uma maior capacidade de descrição comparada com os resultados de cada método aplicado individualmente, além de manter o custo computacional. Na classificação foram utilizados algoritmos de inteligência artificial, como redes neurais e k-vizinhos mais próximos. Nos experimentos foram utilizadas 40 espécies diferentes de plantas, onde o classificador foi capaz de alcançar uma porcentagem de acerto de 71,41%.


Palavras-chave


Coeficiente de Hurst, Coeficiente de variação espacial, Taxonomia vegetal, Reconhecimento de padrões

Texto completo:

PDF

Referências


A. S. ROSÁRIO, R. S. SECCO, D. D. AMARAL, J. U. M. SANTOS, and M. N. C.

BASTOS, Flórula Fanerogâmica das Restingas do Estado do Pará. Ilhas de Algodoal e Maiandeua-2. Myrtaceae A.L. de Jussieu, Boletim do Museu Paraense

Emílio Goeldi, Série Ciências Naturais, vol. 1, pp. 31-42, set./dez. 2005.

B. JULESZ, Visual Pattern Discrimination, Information Theory, IRE Transactions on, vol. 8, no. 2, pp. 84-92, 1962.

B. JULESZ, E. N. GILBERT, L. A. SHEPP, and H. L. FRISCH, Inability of

Humans to Discriminate between Visual Textures that Agree in Second-Order

Statistics-Revisited, Perception, vol. 2, no. 4, pp. 391-405, 1973.

K. R. STERN, S. JANSKY, and J. E. BIDLACK, Introductory Plant Biology. New

York: McGraw-Hill, 2003.

J. X. DU, D. S. HUANG, X. F. WANG, and X. GU, Computer-Aided Plant Species

Identication (CAPSI) based on Leaf Shape Matching Technique, Transactions

of the Institute of Measurement and Control, vol. 28, no. 3, pp. 275-285, 2006.

J. X. DU, X. F. WANG, and G. J. ZHANG, Leaf Shape based Plant Species

Recognition, Applied Mathematics and Computation, vol. 185, no. 2, pp. 883-893,

R. O. PLOTZE and O. M. BRUNO, Automatic Leaf Structure Biometry: Computer Vision Techniques and their Applications in Plant Taxonomy, International

Journal of Pattern Recognition and Articial Intelligence, vol. 23, no. 2, pp. 247-

, 2009.

B. B. MACHADO, D. CASANOVA, W. N. GONÇALVES, and O. M. BRUNO,

Partial Dierential Equations and Fractal Analysis to Plant Leaf Identication,

in Journal of Physics: Conference Series, vol. 410, p. 12066, IOP Publishing, 2013.

D. CASANOVA, Identicação de Espécies Vegetais por Meio da Análise de Textura

Foliar. Dissertação de Mestrado, Instituto de Ciências Matemáticas e de Computação, Universidade de São Paulo, São Paulo, SP, Brasil, 2008.

W. N. GONÇALVES, A. R. BACKES, A. S. MARTINEZ, and O. M. BRUNO,

Texture Descriptor based on Partially Self-Avoiding Deterministic Walker on

Networks, Expert Systems with Applications, vol. 39, no. 15, pp. 11818-11829,

H. E. HURST, R. P. BLACK, and Y. M. SIMAIKA, Long-Term Storage: an

Experimental Study. Constable, 1965.

E. OLIVEIRA NUNES and A. CONCI, Texture Segmentation and Edge Location

of Regions in Multiband Images, Latin America Transactions, IEEE (Revista

IEEE America Latina), vol. 5, no. 3, pp. 184-191, 2007.

K. FALCONER, Fractal Geometry: Mathematical Foundations and Applications.

John Wiley & Sons, 2004.

A. CONCI, E. AZEVEDO, and F. R. LETA, Computação Gráca, vol. 2. Rio de

Janeiro: Elsevier, 2007.

M. A. ARBIB, The Handbook of Brain Theory and Neural Networks. The MIT

Press, 1995.

T. M. MITCHELL, Machine Learning, vol. 45. Burr Ridge, IL: McGraw Hill, 1997.


Apontamentos

  • Não há apontamentos.


Creative Commons License
This work is licensed under a Creative Commons Attribution 3.0 License.