Estratégias de segmentação estrutural para melhoria no reconhecimento de páginas em contextos de baixo contraste visual.

Abstract

Este trabalho propõe estratégias de segmentação estrutural para aprimorar o reconhecimento de páginas de livros em contextos de baixo contraste visual, visando integrar tecnologias como Rea- lidade Aumentada (RA) sem a necessidade de modificações físicas nos materiais. A abordagem utiliza técnicas de pré-processamento de imagem, como limiarização global, adaptativa e método Canny, combinadas a operações morfológicas (erosão, dilatação), para gerar impressões digitais únicas das páginas. Foram implementados e avaliados algoritmos de detecção de características (ORB, SIFT e BRISK) em um banco de dados Segmonto com 4.425 imagens selecionadas de páginas de livros com layouts diferentes, testando eficiência, precisão e robustez a ruídos. Os resultados demonstraram ganhos significativos: o pré-processamento reduziu o tempo de busca em até 96% (SIFT com limiarização adaptativa) e teve ganho de espaço de até 80%, dependendo do método. O ORB destacou-se em velocidade, enquanto o SIFT apresentou maior precisão em cenários complexos. Conclui-se que a segmentação estrutural e o pré-processamento são fundamentais para viabilizar sistemas de identificação em tempo real, especialmente em materiais educacionais. Trabalhos futuros podem explorar ajustes de parâmetros, integração com modelos de predição e testes com outros algoritmos para ampliar a robustez em ambientes adversos.