Para a caixa, pode-se testar outras fontes de iluminação, para a segmentação das imagens pode-se separar as imagens de cada espécie em 2 grupos, imagens de cima da folha e imagens da parte de baixo da folha, pois devido as características de cada parte são diferentes e podem modificar o resultado, pode-se também utilizar a caixa para realizar fotos em campo, e o uso dela para outros trabalhos com imagens. Sobre a extração das características pode-se extrair outros descritores para tentar melhorar a classificação, como por exemplo o uso dos descritores: LBP, LPQ, Filtro Gabor e Fractais que foram usados por De Paula (2012) e obtiveram bons resultados.
Para a classificação, pode-se testar outras combinações de parâmetros realizando um tuning dos classificadores e a realização de testes estatísticos para aferir a qualidade.
REFERÊNCIAS BIBLIOGRÁFICAS
ABOUD, Sumaia Resegue Neta, DUTRA, Luciano Vieira; ERTHAL, Guaraci José. “Limiarização Automática Em Histogramas Multimodais”. Instituto Nacional de Pesquisas Espaciais – INPE Presidente Prudente SP. 2008
ALBUQUERQUE, Marcio Portes de. Processamento de Imagens: Métodos e Análises. Artigo em Processamento de Imagens Digitais – Centro Brasileiro de Pesquisas Fisicas – CBPF/MCT. Rio de Janeiro/RJ, 2007.
BACKES, A. R., CASANOVA, Dalcimar, e BRUNO, O. M. Identificação de plantas por análise da textura foliar. In VI Workshop de visão computacional, Presidente Prudente, 2010. Anais WVC'2010 - VI Workshop de visão computacional.Presidente Prudente: FCT/UNESP, 2010.
BACKES, A. R. Material de Aula. Reconhecimento de padrões. Faculdade de Computação – FACOM, 2015. Disponível em: http://www.facom.ufu.br/~backes /pgc204.html.
BARALDI. A. e F. PANNIGGIANI. An investigation of the textural characteristics associated with gray level cooccurrence matrix statistical parameters. IEEE Transactions on Geoscience and Remote Sensing, 33:293{304, 1995.
BRAGA. A. P., A. P. de L. F. de Carvalho, and T. B. Ludermir. Redes neurais Artificiais Teoria e Aplicações. LTC, 2000
BIANCHI, Marcelo Franceschi de. Extração de características de imagens de faces humanas através de wavelets, PCA e IMPCA. 2006. Dissertação (Mestrado em Engenharia Elétrica) - Escola de Engenharia de São Carlos, University of São Paulo, São Carlos, 2006. Disponível em:
<http://www.teses.usp.br/teses/disponiveis/18/18133/tde-10072006-002119/>. Acesso em: 2016-05-17.
CASANOVA, Dalcimar. Identificação de espécies vegetais por meio da análise de textura foliar. 2008. Dissertação (Mestrado em Ciências de Computação e
Matemática Computacional) - Instituto de Ciências Matemáticas e de Computação, Universidade de São Paulo, São Carlos, 2008. Disponível em:
http://www.teses.usp.br/teses/disponiveis/55/55134/tde-04032009-101456/. Acesso em: 2014-09-05.
CONCI, Aura; AZEVEDO, Eduardo; LETA, Fabiana R. Computação Gráfica: Teoria e Prática – Volume 2. Elsevier. Rio de Janeiro, 2008.
CROSTA, A. P. Processamento Digital de Imagens de Sensoriamento Remoto. Campinas: IG/UNICAMP, ISBN 85-853-690-27, 1992.
DE PAULA.P. L. Filho. Reconhecimento de espécies Florestais através de imagens macroscópicas. Tese de Doutorado, Programa de Pós-graduação em Informática do Setor de Ciências Exatas da Universidade Federal do Paraná, Curitiba-PR, 2012.
DE PAULA.P. L. Filho. Material de aula. Processamento digital de imagens. Universidade Técnologica Federal do Paraná. 2015
DUDA. R. O., P. E. Hart and D. G. Stork, John Wiley e Sons, Pattern Classification (2rd ed), 2000, ISBN: 978-0-471-05669-0.
DUDA. R. O., P. E. Hart, e D. G. Stork. Pattern classification. John Wiley e Sons, Inc., New York, 2 edition, 2001.
FAO. 2005 – Food and Agricuture Organization of the United Nations. Disponível em http://www.fao.org. Acesso em Set/2014.
FALCAO. Alexandre Xavier. 2003-08-08.material de aula tópicos em processamento de imagens IC-UNICAMP Disponível em: http://www.ic.unicamp.br/~cpg/material- didatico/mo815/9802/curso/curso.html.
FREITAS, M.I.C, e PANCHER, A. M. Classificação de Imagens. Material de Aula, Sistema de informação geográfica – UNESP. Disponível em: http://goo.gl/y1jTTC.
GONZALES, R.C. WOODS, R.E. Processamento de Imagens Digitais. Tradução de Roberto Marcondes César Junior e Luciano da Fontoura Costa – São Paulo: Editora Edgard Blucher Ltda, 2000.
GONZALES, R.C. WOODS, R.E. Digital Image processing. 3rd edition, 2009.
GONÇALVES FILHO, A. do E. L Sistema de Reconhecimento de objetos para Automação Industrial, Dissertação de mestrado (Mestrado em Engenharia
Mecânica). Programa de Pós-Graduação em Engenharia Mecânica, PUC-Rio,1996.
HARALICK, K. Shanmugan. & 1. Dinstein, Texture Features for Image Classification, IEEE Transaction on Systems, Man and Cybernetics, SMC-3, nº6, p.610-621, 1973.
HUBBELL SP, et al. (2008) How many tree species are there in the Amazon and how many of them will go extinct? Proc Natl Acad Sci USA 105:11498–11504,
doi:10.1073/ pnas.0801915105.
JAIN, A. K., R. P. W. Duin, and J. C. Mao. Statistical pattern recognition: a review. IEEE Trans. Pattern Anal. Mach. 2000
JULESZ. B. Experiments in visual perception of texture. Scientific American, 232(4):34-43,1975
JULESZ, B. Visual pattern discrimination. IRE Transactions of Information Theory IT- 8, 84–92. 1962
JUNIOR. Jarbas joaci de Mesquita Sá Junior, USP, 2008, Identificação de espécies vegetais por meio de análise de imagens microscópicas de folhas.
KHALID M., LEE, E.L.Y., YUSOF, R., NADARAJ, M. Design Of An Intelligent Wood Species Recognition System. IJSSST, Vol. 9, No. 3, September 2008.
LORENA, A. C., e de CARVALHO, A. C. (2007). Uma introdução às support vector machines. Revista de Informática Teórica e Aplicada, 14(2), 43-67.
LIMA, Paulo Cupertino de. Wavelets: uma introdução, Departamento de Matemática - ICEX – UFMG, 2003.
MARTINS, Jefferson Gustavo. Identificação de espécies florestais utilizando seleção dinâmica de classificadores no espaço de dissimilaridade. 2014. Tese (Doutorado em Ciência da Computação) – UTFPR, Disponível em:
http://dspace.c3sl.ufpr.br/dspace/bitstream/handle/1884/35393/R%20-%20T%20- %20JEFFERSON%20GUSTAVO%20MARTINS.pdf?sequence=1. Acesso em: 2014- 09-05.
MMA – Ministério do Meio Ambiente. INSTRUÇÃO NORMATIVA N° 6, DE 23 DE SETEMBRO DE 2008. Disponível em: http://www.mma.gov.br/estruturas/179/ _arquivos/179_05122008033615.pdf. Acesso em Set/2014.
MOREIRA, M.A. Fundamentos de Sensoriamento Remoto e Metodologias de Aplicação. 2ª ed. Viçosa, UFV, 2003
NIXON. M. e A. AGUADO. Feature Extraction and Image Processing. Second Edition. Elsevier, 2008.
PAULA, J. E., SILVA JÚNIOR, F. G.; SILVA, A. P. P. Caracterização anatômica de madeiras nativas de matas ciliares do centro-oeste brasileiro. In: Scientia Forestalis, n.º 58, p. 73-89, IPEF. Piracicaba, 2000.
PEDRINI. H. e W. R. SCHWARTZ. Analise de Imagens Digitais: princípios, algoritmos e aplicações. Thomson Learning, São Paulo, 2008.
QUINLAN, J. R.; C4.5: Programs for machine learning. Morgan Kaufmann PublishersInc., San Francisco, CA, USA, 1993.
SAKANE.M. Técnicas de coleta, preservação e herborização de material botânico. Instituto Botânico, 1984.
SCHALKOFF, Robert.” Pattern recognition: statistical, structural and neural approaches”. New York: J. Wiley, 1992.
SILVA, Antônio Machado e. Curso Processamento digital de imagens de satélite. Centro de Eventos da PUCRS - de 07 a 12 de outubro de 2001. Porto Alegre - RS. Disponível em www.cartografia.org.br. Acesso em: 19 fev. 2016.
SONKA, Milan; HLAVAC, Vaclav; BOYLE, Roger. – Image Processing, Analysis, and Machine Vision. London: Champman & Hall, 1993.
STANISZEWSKI.A. D. Reconhecimento de espécies florestais através da análise de texturas utilizando wavelets. Universidade do Contestado. 2009.
SUZUKI, S.; ABE, K. Topological Structural Analysis of Digitized Binary Images by Border Following. Escola de graduação de ciências e tecnologias eletrônicas, Shizuoka University, Hamamatsu 432. Japão: p 32-46, (1985).
THEODORIDIS, Sergios. KOUTROUMBAS, Konstantinos. Pattern Recognition. 3rd ed. Elsevier, 2006. ISBN 0-12-369531-7.
TOU, J. Y; LAU, P. Y.; TAY, Y. H. Computer Vision-based Wood Recognition System. Proceedings of International Workshop on Advanced Image Technology (IWAIT 2007), (pp. 197-202). Bangkok, 2007.
URBANETZ, C., Tamashiro, J.Y. & Kinoshita, L.S. 2010. Identifiation key for woody species of an Atlantic Rain Forest remnant, in the Southeast of Brazil, based on vegetative characters. Biota Neotrop. 10(2): 349-398
VAPNIK.V. N. The nature of Statistical learning theory. Springer-Verlag, New York, 1995.
VICENTE. C. A. Vicente, E. G. Macedo, J. U. M. dos Santos, R. C.de V. Potiguara, and M. N. do C. Bastos. Flórula fanerogâmica das restingas do estado do Pará, ilha do algodoal. Boletim do Museu Paraense Emílio Goeldi, 15:173–198, 1999.
WANG, Z.; Chi, Z.; Feng, D., "Shape based leaf image retrieval," Vision, Image and Signal Processing, IEE Proceedings - , vol.150, no.1, pp.34, 43, Feb 2003
doi: 10.1049/ip-vis:20030160.
YU. Haipeng, Jun CAO, Yixing LIU, e Wei LUO. Non equal spacing division of hsv components for wood image retrieval. 2nd International Congress on Image and Signal Processing, 6:1-3, 2009.
WU, Gaohong; ZHANG, Yujin; LIN, Xinggang. Wavelet Transform-based Texture Classification With Feature Weighting, Dept. of Electronic Engineering, Tsinghua University – Beijing, China, 2000.
YANG, X; LO, C.P. “Using time series of satellite imagery to detect land use and land cover changes in Atlanta, Georgia metropolitan área”. International Journal of
Remote Sensing, v. 23, n. 9: p. 1775-98. 2002
WANG, Z.; BOVIK, A. C. quality index “A universal image. IEEE Signal Processing Letters”, v. 9, n. 3, p. 81–84, mar. 2002.
WITTEN, I. H.; FRANK, E. Data mining: practical machine learning tools and techniques. 2 ed. San Francisco: Morgan Kaufmann Publishers, 2005.