RICARDOPETRISILVA - UEL

36
RICARDO PETRI SILVA PROCESSAMENTO DE IMAGENS PARA RESOLUÇÃO DE PROBLEMAS DE REFLEXOS E SOMBRAS LONDRINA–PR 2015

Transcript of RICARDOPETRISILVA - UEL

Page 1: RICARDOPETRISILVA - UEL

RICARDO PETRI SILVA

PROCESSAMENTO DE IMAGENS PARA RESOLUÇÃO DEPROBLEMAS DE REFLEXOS E SOMBRAS

LONDRINA–PR

2015

Page 2: RICARDOPETRISILVA - UEL
Page 3: RICARDOPETRISILVA - UEL

RICARDO PETRI SILVA

PROCESSAMENTO DE IMAGENS PARA RESOLUÇÃO DEPROBLEMAS DE REFLEXOS E SOMBRAS

Trabalho de Conclusão de Curso apresentadoao curso de Bacharelado em Ciência da Com-putação da Universidade Estadual de Lon-drina para obtenção do título de Bacharel emCiência da Computação.

Orientador: Prof. Dr. Alan Salvany Felinto

LONDRINA–PR

2015

Page 4: RICARDOPETRISILVA - UEL

RICARDO PETRI SILVAProcessamento de imagens para resolução de problemas de reflexos e sombras/

RICARDO PETRI SILVA. – Londrina–PR, 2015-34 p. : il. (algumas color.) ; 30 cm.

Orientador: Prof. Dr. Alan Salvany Felinto

– Universidade Estadual de Londrina, 2015.

1. Processamento de imagens. 2. Reflexos. 3. Sombras. 4. Iluminação. I. AlanSalvany Felinto. II. Universidade Estadual de Londrina. III. Faculdade de Ciênciada Computação. IV. Processamento de imagens para resolução de problemas dereflexos e sombras

CDU 02:141:005.7

Page 5: RICARDOPETRISILVA - UEL

RICARDO PETRI SILVA

PROCESSAMENTO DE IMAGENS PARA RESOLUÇÃO DEPROBLEMAS DE REFLEXOS E SOMBRAS

Trabalho de Conclusão de Curso apresentadoao curso de Bacharelado em Ciência da Com-putação da Universidade Estadual de Lon-drina para obtenção do título de Bacharel emCiência da Computação.

BANCA EXAMINADORA

Prof. Dr. Alan Salvany FelintoUniversidade Estadual de Londrina

Orientador

Londrina–PR, de 2015

Page 6: RICARDOPETRISILVA - UEL
Page 7: RICARDOPETRISILVA - UEL

Este trabalho é dedicado às crianças adultas que,quando pequenas, sonharam em se tornar cientistas.

Page 8: RICARDOPETRISILVA - UEL
Page 9: RICARDOPETRISILVA - UEL

“Para ganhar conhecimento, adicione coisas todos os dias.Para ganhar sabedoria, elimine coisas todos os dias.”

(Lao-Tsé)

Page 10: RICARDOPETRISILVA - UEL
Page 11: RICARDOPETRISILVA - UEL

SILVA, R.P.. Processamento de imagens para resolução de problemas de re-flexos e sombras. 34 p. Trabalho de Conclusão de Curso (Bacharelado em Ciência daComputação) – Universidade Estadual de Londrina, Londrina–PR, 2015.

RESUMO

Na área de processamento de imagens que está presente na computação gráfica, são rea-lizados vários procedimentos para a análise de imagens e melhoramento na sua qualidadea fim de proporcionar uma melhor identificação e extração de informações. Dentre osproblemas existentes, será abordado nesse trabalho técnicas para correção de imagensque apresentam sombras e reflexos, que são fatores que existem em imagens com grandevariação de luminosidade. As sombras produzem falsos contornos e os reflexos saturamos canais relacionados as cores, o que causa a perda das informações das cores contidasnos pixels dificultando o processamento da imagem. Neste TCC serão avaliados e compa-rados artigos e técnicas que abordam o problema do tratamento de imagens com reflexose sombras. Como finalização temos apresentado os problemas e as soluções encontradaspara resolver os artefatos de sombras e reflexos encontrados em imagens.

Palavras-chave: processamento de imagens, relfexos, sombras, iluminação.

Page 12: RICARDOPETRISILVA - UEL
Page 13: RICARDOPETRISILVA - UEL

SILVA, R.P.. Image processing for solving reflections and shadows problems. 34p. Final Project (Bachelor of Science in Computer Science) – State University of Londrina,Londrina–PR, 2015.

ABSTRACT

In the image processing area that is present in graphics computing are performed severalprocedures for the analysis of images and improvement in quality to provide a betteridentification and information extraction. Among the existing problems will be addressedin this work techniques for correction of images with shadows and reflections, which arefactors that exist in images that shows great variation in brightness. The shadows producefalse contours and reflexes saturate related channels colors which causes the loss of colorinformation contained in the pixel difficulting the image processing. In this final paperwill be evaluated and compared articles and techniques that address the imaging of theproblem with reflections and shadows. As completion will be presented the problems andthe solutions to solve the artifacts of shadows and reflections found in images.

Keywords: image processing, reflections, shadows, illumination.

Page 14: RICARDOPETRISILVA - UEL
Page 15: RICARDOPETRISILVA - UEL

LISTA DE ILUSTRAÇÕES

Figura 1 – Exemplo de pontos extremos da imagem . . . . . . . . . . . . . . . . . 26Figura 2 – Imagem original . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27Figura 3 – Imagem corrigida . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27Figura 4 – Imagem original e imagem corrigida . . . . . . . . . . . . . . . . . . . . 28Figura 5 – Valores de luminosidade nos pontos escolhidos . . . . . . . . . . . . . . 29Figura 6 – Regiões de análise . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29Figura 7 – Imagem original e imagem segmentada . . . . . . . . . . . . . . . . . . 30Figura 8 – Imagem corrigida e imagem segmentada . . . . . . . . . . . . . . . . . 30

Page 16: RICARDOPETRISILVA - UEL
Page 17: RICARDOPETRISILVA - UEL

LISTA DE ABREVIATURAS E SIGLAS

VPA Valor do pixel acessado

FMP Fator médio do pixel

MATLAB Matrix Laboratory

Page 18: RICARDOPETRISILVA - UEL
Page 19: RICARDOPETRISILVA - UEL

SUMÁRIO

1 INTRODUÇÃO . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19

2 FUNDAMENTAÇÃO . . . . . . . . . . . . . . . . . . . . . . . . 212.1 SEGMENTAÇÃO . . . . . . . . . . . . . . . . . . . . . . . . . . . 212.2 PROBLEMAS DE SOMBRAS E REFLEXOS . . . . . . . . . . 212.3 ESPAÇOS DE CORES . . . . . . . . . . . . . . . . . . . . . . . . 222.4 PESQUISAS E ESTUDOS RELACIONADOS . . . . . . . . . . 22

3 METODOLOGIA . . . . . . . . . . . . . . . . . . . . . . . . . . . 25

4 RESULTADOS . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27

5 CONCLUSÃO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31

REFERÊNCIAS . . . . . . . . . . . . . . . . . . . . . . . . . . . 33

Page 20: RICARDOPETRISILVA - UEL
Page 21: RICARDOPETRISILVA - UEL

19

1 INTRODUÇÃO

Muitas vezes somos incapazes de identificar ou entender uma imagem devido aosruídos que são fatores que interferiram na sua representação no momento em que foicapturada, como por exemplo, variações de luminosidade [2]. Nesse âmbito, busca-se nessetrabalho, com apoio de técnicas computacionais, realizar um estudo sobre a correção dessesagentes para a resolução desse problema.

Imagens que apresentam uma grande variação de luminosidade podem apresentarirregularidades em sua representação como falsos contornos de sombras bem como reflexosque são caracterizados pela grande variação de iluminação em uma região que resulta nasaturação dos canais que representam a perda da informação da cor do pixel, dessa formaos pixels tendem a ter cor próximas a cor branca

Serão utilizadas técnicas presentes na área de computação gráfica, mais específi-camente na parte de processamento de imagens, que consistem na identificação e análisedo problema, evidenciando as regiões que foram afetadas pela variação de luminosidadeque apresentam um alto nível de sombreamento e reflexo por meio de um método ca-paz de modificar o espaço de cor da imagem para facilitar a identificação e extração deinformações das regiões que apresentaram variação de luminosidade e marcar as áreascomprometidas, facilitando assim futuros procedimentos no processo de segmentação queevidenciará a parte que deverá ser tratada aplicando o algoritmo de correção que serádesenvolvido. Será utilizado um espaço de cor que separe as características de cromatici-dade e luminosidade do pixel, desta forma a luminosidade da cena fica isolada podendoser alterada sem modificar a matiz e a saturação contidos nos objetos da cena [3].

Para isso foram realizados levantamentos bibliográficos para estudo de técnicase informações relevantes em bibliotecas digitais científicas como: IEEE, Science Direct,ACM Digital Library, entre outros, pois esses estudos correlatos auxiliarão e servirão comoexemplo de comparação após a finalização do processo de minimização da ação de sombrae reflexos em imagens, que será um dos métodos avaliativos da eficácia do algoritmo queserá desenvolvido no estágio obrigatório do curso.

Serão apresentados a seguir as demais seções do trabalho que estão organizadasda seguinte forma: A seção 2 apresentará a fundamentação teórico-metodológica, a seção3 evidenciará a metodologia de desenvolvimento, a seção 4 mostrará os resultados e porfim teremos a conclusão do trabalho.

Page 22: RICARDOPETRISILVA - UEL
Page 23: RICARDOPETRISILVA - UEL

21

2 FUNDAMENTAÇÃO

A área de computação envolve uma grande gama de aplicações, dessa forma énecessário estar bem situado no setor no qual a problemática está presente com o apoiode estudos relacionados a fim de garantir a compreensão de métodos e técnicas que serãoindispensáveis durante o percurso de execução do trabalho. O ramo de computação gráficaserá o grande foco desse trabalho, por esse motivo a seguir serão detalhados algumasinformações necessárias para estudo e pesquisa a respeito da problemática proposta queconsiste na minimização da ação de variações de luminosidade como sombras e reflexosem imagens.

A seguir são apresentados alguns temas que possuem influência direta no processode segmentação e técnicas utilizadas para a minimização da ação de sombra e reflexo emimagens [4].

2.1 SEGMENTAÇÃO

A segmentação de imagens é o processo utilizado para identificar informaçõesrelevantes realizando a divisão da imagem em várias partes.

O processo de reconhecimento da imagem é uma etapa muito importante no pro-cesso de segmentação e diferentes condições de iluminação provocam alterações na suaaparência e propriedades. Um exemplo é a identificação de diferentes objetos. Vários fato-res devem ser levados em consideração na avaliação desses objetos, como a posição deles,a condição de iluminação, reflexo na superfície, e outras características [5].

2.2 PROBLEMAS DE SOMBRAS E REFLEXOS

O falso contorno dificulta o processo de identificação dos objetos por criar sombrasao redor da imagem e no processo de segmentação essa região pode ser considerada comoparte real do objeto, obtendo assim um contorno inexistente do item real. Já a grandeconcentração de iluminação satura o canal de cor comprometendo a representação da cordo pixel perdendo as propriedades da imagem. Figuras com reflexo permanecem cons-tantes em diferentes condições de iluminação, já imagens com sombreamento apresentamvariações em diferentes condições de iluminação e essas imagens podem ser usadas paraanálise de sombreamento, constância de cor, entre outros [6]. No trabalho em questão ofoco é a correção desses agentes e não a exploração de suas características. Dessa forma énecessário a utilização de métodos eficientes para solucionar esse problema.

Page 24: RICARDOPETRISILVA - UEL

22

2.3 ESPAÇOS DE CORES

Noções sobre os modelos de cores existentes é importante na realização do processode segmentação e a utilização deles facilita na identificação e tratamento do problema. Omodelo RGB é o mais conhecido porém existem vários outros modelos que dependendoda aplicação desempenham uma melhor identificação do problema em questão. O modeloRGB consiste nas cores primárias, vermelho, verde e azul, podendo reproduzir as demaiscores a partir dessas três. Outro modelo conhecido é o HSI, que apresenta componentes detom, saturação e intensidade. O modelo HSI deriva do modelo RGB e é muito utilizadona visão computacional, que é a técnica utilizada para se obter informações de dados,como imagens. O modelo de cor LAB apresenta suas cores uniformimente distribuídasrepresentando a luminosidade separada da cromaticidade.

Para o desenvolvimento do algoritmo de correção dos fatores de sombra e reflexo foiutilizado o espaço de cor YIQ já que esse modelo permite trabalhar no canal Y responsávelpela luminância isoladamente do canal IQ, que são responsáveis pela cromaticidade querepresentam o canal de cores da imagem [7]. Dessa forma é possível analisar a variaçãode luminosidade de cada pixel da imagem e aplicar o algoritmo de correção nesses pontoscaso seja necessário.

Para solucionar o problema de uma imagem que apresenta variação de lumino-sidade é necessário separar algumas propriedades contidas nela como cromaticidade e aluminosidade para poder normalizar a distribuição desses agentes que tem impacto diretona identificação de reflexos contidos na imagem. O reflexo nas imagens é caracterizadopela grande variação de iluminação em uma região que resulta na saturação dos canaisque representam a perda da informação da cor do píxel, dessa forma os pixels tendem ater cor próximas a branco [8].

2.4 PESQUISAS E ESTUDOS RELACIONADOS

Para a aplicação e entendimento de todos as técnicas envolvidas dentro da proble-mática proposta que ainda não foram detalhadas nesse trabalho serão levantados estudose informações atuais como artigos científicos, revistas, algoritmos, que serão indispen-sáveis, utilizando bibliotecas digitais como: IEEE, Science Direct, ACM Digital Libraryque servirão de apoio durante a fase de desenvolvimento e que também possibilitará aavaliação do algoritmo que será desenvolvido com técnicas existentes para verificar suaperformance.

Algumas relações de estudos podem ser feitas a partir de artigos como [9] querealiza o reconhecimento facial e analisa iluminações nas faces gerando uma máscarapara facilitar o processo de segmentação da face inibindo a ação de luminosidade. Vacha eHaindl [10] tratam em seu trabalho sobre a recuperação e identificação de imagens a partir

Page 25: RICARDOPETRISILVA - UEL

23

da sua textura de cor em diferentes cenas com diferentes iluminações. Para classificação eidentificação de imagens que apresentam ruídos temos [11] detectando ruídos em imagensa partir de uma filtragem considerando aspectos de inclinação de objetos na imagem,borrões e enquadramento. Existe também [12] que aborda o reconhecimento de face comimagens que apresentam interferência de ambientes com iluminação. Para solucionar oproblema de iluminação é feito um remapeamento da imagem analisando os pixels queapresentam baixa intensidade para a correção deles para uma intensidade alta. É umproblema bem parecido com o que tem que ser tratado nesse TCC por envolver a açãoda iluminação em imagens e a necessidade de seu tratamento para melhoria da imagem.

A partir da análise dos artigos encontrados é possível verificar a grande necessidadede resolução de problemas e aplicações que envolvem interferência da luminosidade emimagens, principalmente sombras e reflexos.

Page 26: RICARDOPETRISILVA - UEL
Page 27: RICARDOPETRISILVA - UEL

25

3 METODOLOGIA

A seguir teremos a metodologia adotada durante o processo de desenvolvimentodo algoritmo de minimização da ação de sombra e reflexo no estágio.

Considerando que as imagens são representadas por matrizes nas quais sua dimen-são é dada pela própria resolução da imagem, por exemplo, uma imagem com resoluçãode 200x240 é representada por uma matriz de dimensão 200 por 240, sendo que a primeiraparte representa a largura da imagem e a segunda parte representa sua altura. Sabendodisso é possível manipular essa imagem de forma que cada posição dessa matriz representeum determinado pixel da imagem.

A variação de iluminação pode causar alterações na coloração da imagem, poisocorre a saturação do pixel. A metodologia para solucionar esse problema foi utilizarum plano de fundo com uma distribuição de cor sem variação que servirá de referênciapara identificar a variação da luminosidade na figura. Ou seja, em um ambiente seminterferência de luz os pontos que representam o plano de fundo devem apresentar omesmo valor. Então é verificado se algum ponto da imagem apresenta alguma variação ecaso seja confirmado a região comprometida será normalizada.

O primeiro algoritmo para a correção de reflexos causados pela grande concentra-ção de luminosidade em um determinado ponto da imagem foi elaborado com o objetivode realizar uma distribuição equilibrada de iluminação por toda imagem. Para realizar adistribuição normalizada dos pixels responsáveis pela luminância da imagem foi utilizadoo espaço de cor YIQ, considerando apenas o canal Y e em cada linha da matriz que re-presenta a imagem foram utilizados dois pontos extremos, caracterizados por um ponto àesquerda e um à direita. Essa técnica foi adotada por que busca-se obter uma distribuiçãoequilibrada de variação de iluminação, dessa forma os valores do pixel de cada extremi-dade devem apresentar valores mais próximos por serem representados pelo mesmo planode fundo, ou seja, caso não apresentem valores iguais sofreram influência da iluminação.

O fator médio do pixel é obtido com os pontos da extremidade da imagem conformeestá representado na figura abaixo. A função de ajuste possui duas possibilidades. Comoo fator médio do pixel é aplicado em cada ponto da linha da matriz a seguinte condiçãoé verificada: se o fator médio for maior que o valor do pixel do ponto que está sendoacessado naquele momento teremos o seguinte ajuste:

VPA = Valor do pixel do ponto acessado.

FMP = fator médio do pixel.

VPA = (VPA – (FMP – VPA)/2).

Page 28: RICARDOPETRISILVA - UEL

26

Figura 1 – Exemplo de pontos extremos da imagem

Já a segunda condição temos que o fator médio ter um valor menor que o valor dopixel que está sendo acessado, assim teremos o seguinte ajuste:

VPA = (VPA – (VPA – FMP)/2).

Dessa forma temos uma distribuição controlada da iluminação de cada pixel evi-tando grandes concentrações em uma determinada região bem como a saturação do canalde cor.

Depois de aplicar o ajuste em todas as linhas, a imagem que estava no espaço decor YIQ é transformada para o modelo RGB, pois é o modelo que representa as diversascores presentes na imagem.

No segundo algoritmo foi utilizado uma abordagem diferente da primeira já que oobjetivo é remover falsos contornos de sombra da imagem com o intuito de garantir umasegmentação melhor do objeto de interesse.

A ideia é de normalizar os pixels que correspondem à luminosidade da imagempara garantir que todos esses pontos assumam valores próximos. Esse processo permite aeliminação dos fatores de sombras nas imagens.

Para eliminar os falsos contornos da imagem também foi utilizado o espaço de corYIQ e adquiriu-se a média geral do valor dos pixels do canal Y e esse valor foi aplicado emcada pixel da imagem, fazendo com que a distribuição de iluminação ficasse muito similaraos demais pontos e assim eliminando falsos contornos que existiam anteriormente. Apóstodo o processo a imagem também foi transformada para o espaço de cor RGB.

Page 29: RICARDOPETRISILVA - UEL

27

4 RESULTADOS

Após a aplicação dos algoritmos foram obtidos os seguintes resultados:

Figura 2 – Imagem original

Figura 3 – Imagem corrigida

Esses resultados foram obtidos a partir do primeiro algoritmo que tinha comoobjetivo equilibrar a distribuição de luminosidade na imagem.

Page 30: RICARDOPETRISILVA - UEL

28

Analisando a Figura 3 é possível verificar uma melhoria considerando a distribuiçãoda luminosidade na imagem, porém o processo de correção acabou causando alguns ruídosna imagem que deverão ser tratados futuramente.

Figura 4 – Imagem original e imagem corrigida

É possível ter uma melhor noção da melhoria na iluminação da carne com a Figura4, onde temos regiões mais comprometidas pela luminosidade na imagem original e otratamento delas na imagem corrigida.

Porém a análise feita visualmente não garante que o resultado foi realmente bom,pois a percepção de cada pessoa pode variar. Dessa forma foram coletados dados utilizandoo software MATLAB e o canal YIQ para observar o valor que representa a luminosidade,ou seja, o Y desse canal para verificar se realmente houve uma melhora após a utilizaçãodo algoritmo de correção de luminosidade.

A partir da tabela de valores é possível veríficar que de fato houve uma normaliza-ção da luminosidade pela imagem, sendo que os pontos onde não havia muita concentraçãode iluminação, (10,126) e (525,126), que representam a coordenada na imagem, não ti-veram muita variação, pois de 0.43 foi para 0.41 e 0.45 para 0.44, respectivamente. Jáos pontos comprometidos (195,263) e (256,238) obtiveram uma grande diferença no valorapós a aplicação de correção, pois eram regiões que precisavam de uma correção maisforte para garantir uma melhor distribuição de luminosidade.

Os valores obtidos nessas regiões podem ser verificados a seguir:

Page 31: RICARDOPETRISILVA - UEL

29

Figura 5 – Valores de luminosidade nos pontos escolhidos

Foram utilizados as seguintes regiões para análise, representados pelos 4 pontosverdes na imagem:

Figura 6 – Regiões de análise

O segundo algoritmo tinha como objetivo a eliminação de falsos contornos. AFigura 8 demonstra o resultado obtido pelo algoritmo de correção de falsos contornos de

Page 32: RICARDOPETRISILVA - UEL

30

sombra e sua melhora pode ser observada pela ausência de contornos em volta da carnecomparando a Figura 8 com a Figura 7, pois o fator médio do pixel de iluminação decada extremidade foi ajustado aos demais pontos garantindo uma distribuição controladadesses valores eliminando problemas causados pela grande concentração de luminosidadeem uma determinada região.

Figura 7 – Imagem original e imagem segmentada

Figura 8 – Imagem corrigida e imagem segmentada

Page 33: RICARDOPETRISILVA - UEL

31

5 CONCLUSÃO

O processamento de imagens é uma tarefa muito importante dentro da computa-ção gráfica. Nesse trabalho foram exploradas técnicas de mudança de cor de espaço deimagens e ajustes nas suas características de luminosidade para corrigir a ação de sombrase reflexos. Após a aplicação das técnicas foram obtidas imagens com correção na distri-buição da luminosidade e também a melhoria na remoção de falsos contornos de sombraprincipalmente aos redores da carne.

Pretende-se como trabalhos futuros desenolver novas técnicas e melhorar a quali-dade da imagem após a aplicação dos algoritmos para obter uma imagem sem a presençade ruídos, melhorando assim o processo de segmentação para isolar o objeto de interesse.Também será estudado até quando é vantajoso a tentativa de restauração de um pixelque sofreu saturação e perdeu sua propriedade de cor.

Page 34: RICARDOPETRISILVA - UEL
Page 35: RICARDOPETRISILVA - UEL

33

REFERÊNCIAS

[1]

[2] D.K. Nayak and C. Bhagvati. A new hsi based filtering technique for impulse noiseremoval in images. In Computer Vision, Pattern Recognition, Image Processing andGraphics (NCVPRIPG), 2013 Fourth National Conference on, pages 1–5, Dec 2013.

[3] Richard E. Woods Rafael C. Gonzales. Processamento Digital de Imagens. Pearson,2011.

[4] R.R. Ganta, S. Zaheeruddin, N. Baddiri, and R.R. Rao. Segmentation of oilspill images with illumination-reflectance based adaptive level set model. SelectedTopics in Applied Earth Observations and Remote Sensing, IEEE Journal of,5(5):1394–1402, Oct 2012.

[5] D.W. Jacobs, P.N. Belhumeur, and R. Basri. Comparing images under variableillumination. In Computer Vision and Pattern Recognition, 1998. Proceedings. 1998IEEE Computer Society Conference on, pages 610–617, Jun 1998.

[6] Guangfeng Lin Caixia Fan, HongZhu and Lei Cao. Deriving reflectance and shadingcomponents from a single image. In Intelligent Control and Information Processing(ICICIP), 2013 Fourth International Conference on, pages 139–143, Jun 2013.

[7] H. B. Kekre, S. D. Thepade, A. Athawale, and A. Parkar. Using assorted colorspaces and pixel window sizes for colorization of grayscale images. In Proceedingsof the International Conference and Workshop on Emerging Trends in Technology,ICWET ’10, pages 481–486, New York, NY, USA, 2010. ACM.

[8] E. Vazquez, R. Baldrich, J. van de Weijer, and M. Vanrell. Describing reflectancesfor color segmentation robust to shadows, highlights, and textures. Pattern Analysisand Machine Intelligence, IEEE Transactions on, 33(5):917–930, May 2011.

[9] Pan Ng and Chi-Man Pun. Skin segmentation based on human face illuminationfeature. In Proceedings of the The 2012 IEEE/WIC/ACM International JointConferences on Web Intelligence and Intelligent Agent Technology - Volume 03,WI-IAT ’12, pages 373–377, Washington, DC, USA, 2012. IEEE Computer Society.

[10] Pavel Vacha and Michal Haindl. Image retrieval measures based on illuminationinvariant textural mrf features. In Proceedings of the 6th ACM InternationalConference on Image and Video Retrieval, CIVR ’07, pages 448–454, New York,NY, USA, 2007. ACM.

[11] Rafael Dueire Lins, Serene Banergee, and Marcelo Thielo. Automatically detectingand classifying noises in document images. In Proceedings of the 2010 ACMSymposium on Applied Computing, SAC ’10, pages 33–39, New York, NY, USA,2010. ACM.

[12] Deng-Yuan Huang, Shr-Huan Di, Wu-Chih Hu, and Yi-Jen Su. Face recognitionbased on dual-tree complex wavelet transform under low illumination environments.

Page 36: RICARDOPETRISILVA - UEL

34

In Proceedings of the 29th International Conference on Image and Vision ComputingNew Zealand, IVCNZ ’14, pages 253–258, New York, NY, USA, 2014. ACM.