Sistemas de compressão e identificação de digitais humanas usando
transformada Wavelet de Haar
Dalila Rosa Gomes de Souza, Alexandre De Lacassa
Messias Meneguette Jr.
Depto Matemática ,Estatística e Computação, FCT- UNESP
19060-900, Presidente Prudente, SP
E-mail: [email protected], [email protected],
[email protected]
A área de compressão de imagens mantém-se
Um aspecto importante é que no mais das vezes, a
muito ativa e cada vez mais relevante. Muito tem imagem que se busca é fornecida por uma cópia pobre,
sido trabalhado para o estabelecimento dos padrões ou seja, pode conter ruídos ou estar mal digitalizadas,
que devem nortear não só o armazenamento, mas etc. O uso de wavelets também dá melhores resultados
também a transmissão de imagens. Após o JPEG nesses casos, pois esses detalhes pequenos em geral são
que usa a transformada de cosseno, a ferramenta descartáveis na compressão, quando da quantização ou
mais promissora tem sido a transformada wavelet: na escolha de thresholding.
que está sendo a base do padrão JPEG-2000.
Este projeto busca ganhar know-how nessa área,
Existem muitas possibilidades para a escolha de bem como estudar em detalhes e implementar wavelets
bases wavelets, sendo a de Haar uma das
mais de Haar e testar a performance de “query by content” ,
simples de ser implementada. Por outro lado a seguindo [4] e usando diferentes espaços de cores, tendo
construção por lifting diminui a incidência de erros como foco um banco de imagens contendo impressões
de arredondamento [1] e novas propostas estão digitais. Outras aplicações poderão ser atacadas no futuro,
sendo construídas especificamente para compressão como por exemplo um borboletário eletrônico – um
de imagens [2], como é o caso das wavelets de espécime é dado como amostra e imediatamente as
Chebyshev.
informações sobre aquela espécie são recuperadas; da
Associado à necessidade de armazenamento mesma forma podemos ter banco de sementes, banco de
e transmissão das imagens, tem crescido a exigência abelhas, de insetos domésticos, etc.
de “query by content” para recuperação de imagens
em um banco. Um dos exemplos mais interessantes
é a recuperação necessariamente rápida de uma
impressão digital para identificação de pessoas. A
rapidez veio com a introdução de assinaturas dessas
digitais construídas a partir de métricas que
identificam e relacionam os principais coeficientes
da transformada wavelet da imagem. Em [3] essas
idéias
foram
demonstradas
ser
altamente
promissoras, mas novas métricas advindas do uso de
diferentes espaços de cores podem dar melhores
Referências
[l] Daubechies, I e Sweldens W. Factoring wavelet
transforms into lifting steps. J. Fourier. Anal. Apl.
4(3), 245-267, 1998.
[2] Thielemann H. Adaptive Construction of wavelets
for image compression. Dissertação. MartinsLuthers-University Halle-Wittenberg, 2002.
[3] Jacobs, C. E., Finkelstein A ., Salesin D. H. Fast
Multiresolution Image Quering. In: Proceedings of
SIGGRAPH’95, 277-286, ACM,1995.
[4] Salomon, D. Data Compression, Springer Verlag,
2000.
resultados.
389