Professora Dra. Luciana Ribeiro Veloso
Professora do Departamento de Engenharia Elétrica
Currículo Lattes: http://lattes.cnpq.br/2498050002491677
Descrição do Laboratório:
No Laboratório de Processamento de Sinais e Informação (LAPSI) são realizadas pesquisas em Processamento de Sinais (voz, imagem e vídeo), Rádio Definido por Software, Amostragem Compressiva e Reconhecimento de Padrões nos níveis de graduação e pós-graduação. O LAPSI conta na sua infraestrutura física com computadores interligados em rede e com acesso à Internet, equipamentos para instrumentação (osciloscópios, geradores de sinais e analisadores de espectro), transmissão e recepção de sinais (via placas Universal Software Peripheral Radio - USRP), Processadores Digitais de Sinais e microcontroladores Arduino. O laboratório conta com dois engenheiros que dão suporte técnico aos trabalhos ali realizados.
Área de Atuação:
A professora Luciana Ribeiro Veloso possui experiência na área de Engenharia Elétrica, com ênfase em Processamento da informação. Sua principal área de atuação é em Processamento Digital Imagens e Visão Computacional, nos seguintes temas: reconhecimento de manuscritos, análise de documentos, processamento de imagens e reconhecimento de expressões faciais.
Projeto Atual:
Título:
Reconhecimento de palavras manuscritas utilizando um esquema híbrido de classificador paramétrico e estatístico.
Descrição:
Grandes avanços da civilização devem-se à escrita, que foi desenvolvida há muito tempo com o propósito de expandir a memória humana e facilitar a comunicação. A escrita tem se modificado enormemente ao longo do tempo, e muitas tecnologias contribuíram para a sua expansão. A imprensa e a máquina de datilografar abriram as portas do mundo para os documentos formatados, aumentando o número de leitores que, por sua vez, aprenderam a escrever. O computador e as tecnologias da informação e da comunicação, como os processadores de texto, as máquinas de fax, os serviços de e-mail, também tiveram um impacto na escrita. Essas e outras tecnologias, como PDAs (Personal Digital Assistants) e tecnologias sem fio (wireless), têm levado a novas formas de interpretar o papel da escrita, das mensagens e texto manuscritos. Cada vez mais o nicho ocupado pela escrita vem se tornando mais claramente definido e popularizado. Apesar das discussões a respeito dos desafios impostos pelos computadores ao futuro da escrita, há, indubitavelmente, situações numerosas em que a caneta e o papel, ou ainda um pequeno notepad, são mais convenientes que um teclado. Considere-se, por exemplo, o caso de estudantes em uma sala de aula, os quais continuam armazenando as informações (texto, equações e gráficos) por meio da caneta e do papel.
Os sistemas de reconhecimento de manuscritos atuam nestas situações em que o papel e o instrumento escrevente são utilizados, permitindo aos computadores transformarem uma linguagem representada em sua forma espacial ou marcas gráficas em uma representação simbólica. Em geral, estes sistemas possuem os seguintes módulos básicos: pré-processamento, segmentação de palavras, extração de características e classificação. A tarefa do classificador é identificar a qual classe a imagem analisada pertence utilizando as informações provenientes da etapa de extração de característica.
Com a finalidade de alcançar o melhor resultado de classificação possível para uma dada tarefa (esquemas híbridos de múltiplos classificadores), têm sido estudadas técnicas para a combinação de classificadores, as quais funcionam como um método para diminuir a probabilidade de erro na classificação. De um modo geral, a vantagem em usar um combinador é que se pode melhorar o desempenho do sistema fazendo com que as deficiências de um classificador sejam suprimidas pelo bom desempenho de outros.
Objetivo geral:
Com base no exposto acima, o presente projeto tem como objetivo maior a investigação de classificador paramétrico para o reconhecimento analítico de palavras manuscritas, bem como a utilização de um esquema híbrido de classificação composto de classificador paramétrico e um classificador estatístico que podem ser baseado em modelos escondidos de Markov.
|
