No description available.

No description available.

[pt] Esta dissertação apresenta aplicações de Redes Neurais Artificiais ao processo de diagnóstico por imagem. São apresentados alguns conceitos de Redes Neurais com fundamentos, algoritmos de aprendizado e topologia de redes utilizados. Devido à necessidade de pré-processamento dos dados de entrada, são abordadas questões relativas à análise de imagens médicas do ponto de vista de um especialista. Dentre os aspectos analisados estão a densidade, a forma, o tamanho e a localização destes aspectos característicos da imagem. É dado ligeiro enfoque ao conceito de espaço amostral bem como ao processo de digitalização de imagens adotado. Foi também elaborada uma rotina que tem por objetivo facilitar o manuseio e a preparação das imagens para uso pela ferramenta de redes neurais. Dados sintéticos foram elaborados e experimentos numéricos são apresentados utilizando-se estes dados. Experimentos numéricos são apresentados com dados reais provindos de imagens neurológicas de Tomografia Computadorizada, de imagens da saturação de fluidos em um meio poroso geradas num Tomógrafo Computadorizado adaptado para estas análises de propriedade do CENPES - Petrobrás e também imagens odontológicas de raio-X simples que apresentavam abcessos dentoalveolares crônicos, granulomas e cistos periapicais. Tanto os testes com dados sintéticos como com dados apresentaram resultados satisfatórios e, por fim, algumas considerações são feitas sobre as perspectivas de evolução do método. / [en] This dissertation presents applications of Artificial Neural Networks to the image diagnosis process. Some concepts of Neural Networks are presented with foundations, learning algorithms and topologies used. Due to the need of pre-processing the input data, subjects related to the analysis of medical images from an expert point of view are considered. Among the analyzed aspects are the density, the form, the size and the location of these characteristic aspects of the image. Slight focus is given to the concept of space as well as to the process of digitalizing images adopted here. It was also prepared a routine that has the objective to facilitate handling and preparation of the images for the use with neural networks techniques. Synthetic data was elaborated and numeric experiments are presented using these data. Numeric experiments are presented with real data extracted from neurological images of Computerized Tomography, from images of the saturation of fluids in a porous environment generated in a CT Scanner, adapted for these analyses, property of CENPES - Petrobrás and also adontological images of simple x-rays showing abscesses, cists and granulated tissues. Both the tests with synthetic data and the tests with real data showed satisfactory results and, finally, some considerations are made on the perspectives of evolution of the method.

[pt] A área de reconhecimento de imagens é essencial em Sistemas de Automáticos Industriais para a manipulação de peças sem a interferência humana. São apresentadas, neste trabalho, diversas características para reconhecimento de perfis bidimensionais, e selecionadas aquelas que são variantes com a posição. Esta seleção evita o alto custo computacional devido à variação do posicionamento das peças numa esteira rolante. As características selecionadas das imagens digitais de objetos são os monumentos invariantes. A partir destes momentos usa-se uma árvore binária de decisão para classificar os objetos, permitindo, deste modo, a identificação dos mesmos. / [en] Image recognition is essential in Industrial Automatic Systems for manipulation of parts without human interference. In this work several features for 2D profile recognition are presented and those independent of position are selected. The selection avoid the high computational cost related to the variable position of the objects on a conveyor belt. The selected characteristics from the digital images of the objects are the invariant moments. On the basis of the extracted features, a binary decision tree is used to classify the objects, allowing the identification of the profiles.

[pt] Esta dissertação propõe um exemplo prático de desenvolvimento e integração de um sistema robotizado que dispensa um operador com conhecimentos mais profundos em robótica. A interface com o usuário é amigável, tanto quanto possível. O objetivo ao final do trabalho é ter um sistema que seja capaz de manipular peças mecânicas com um simples comando dado, pela voz do operador do sistema. Para tanto, realiza-se uma integração de diversos sistemas independentes que, colocados para trabalhar em conjunto, irão proporcionar um certo grau de Inteligência ao sistema como um todo. O trabalho utiliza: um sistema de reconhecimento de voz, para permitir que a voz do operador interaja com o controle central; um sistema de reconhecimento de imagens, para possibilitar a identificação de objetos; e um robô, para manipular pequenas peças. / [en] This dissertation discusses a practical example development and integration of a robotics system that does not require an expert operator. The interface is as much as possible user friendly. For that purpose, it will be shown how the integration of diverse independent systems, working together, make possible to the whole system to acquire some degree of intelligence. Techniques of voice recognition were used to give the system the ability of recognize voice commands. The system was completed using a computer vision system and a servo robot.

A idéia de capacitar uma máquina a reconhecer o ambiente em que atua tem motivado pesquisadores a investir esforços no estudo do mais complexo dos sentidos humanos, a visão. A visão é, antes de tudo, uma tarefa de representação e processamento de informações, sendo portanto adequada ao tratamento computacional. Visto que ainda não se possuem métodos que tenham resultados equivalentes ao que seria obtido com um usuário humano, tem-se estudado intensamente a utilização de feições para um melhor aproveitamento de seu potencial. Dentre estas feições, a forma de um objeto proporciona um poderoso indício de sua identidade e funcionalidade, podendo ser utilizada para seu reconhecimento. Isso distingue a forma de outras feições visuais elementares, como a cor, o movimento ou a textura, que, apesar de igualmente importantes, normalmente não revelam a identidade de um objeto. Assim sendo, a possibilidade de avaliar a robustez e a estabilidade de técnicas alternativas para a representação de forma é vital para prever o desempenho de cada técnica na presença de alguma incerteza ou discrepância. Neste trabalho, alguns descritores de forma descritos na literatura foram implementados e utilizados em estudos de caso para avaliar sua eficácia. Estes estudos de caso foram realizados utilizando-se caracteres, todavia, com finalidades bastante distintas. O primeiro estudo de caso é voltado para aplicações como a robótica móvel, com reconhecimento de comandos localizados no ambiente por parte do robô. Já o estudo de caso principal está direcionado para aplicações de reconhecimento de placas de automóveis, que poderia tanto ser utilizado para monitoramento e controle do fluxo de trânsito, quanto para controle de infrações. Muitas aplicações, incluindo aquelas que envolvem a recuperação e indexação de objetos visuais, são apropriadas para a utilização de feições de forma. Outra característica importante do presente trabalho é a de realçar que a seleção de um bom descritor reduz o esforço necessário na etapa de classificação, o qual é computacionalmente elevado. / The idea of enabling a machine to recognize the environment with which it interacts has motivated researchers to dedicate efforts in studying the most complex of the human senses: vision. Vision is essentially a task of information representation and processing, what makes it suitable for computational treatment. Given that currently there are no methods that perform equivalently to humans, the use of features has been intensively studied in order to improve the performance of the existing methods. Among these features, the shape of an object provides a powerful sign of its identity and functionality, what enables the exploitation of this feature with the purpose of recognition. This evidence distinguishes shape from other visual features, such as color, motion or texture, which, although equally important, normally do not reveal the identity of an object. As a result, the possibility of evaluating the robustness and stability of alternate techniques for shape representation is essential in order to measure the performance of each technique in the presence of uncertainty. In this work, some shape descriptors available in the literature were implemented and used in case studies aiming at evaluating their effectiveness. These case studies were carried out using characters, although, with very different purposes. The first case study is geared towards applications such as mobile robotics, where the robot recognizes commands available in the environment. The main case study is focused on applications of license plate recognition, which could be used both in situations of surveillance and traffic control and in situations of infraction. Many applications, including those that involve the search and indexing of visual objects, are suited for the use of shape features. Another important characteristic of this work is that it emphasizes that the selection of a good shape description reduces the effort during the classification step, which is computationally elevated.

A idéia de capacitar uma máquina a reconhecer o ambiente em que atua tem motivado pesquisadores a investir esforços no estudo do mais complexo dos sentidos humanos, a visão. A visão é, antes de tudo, uma tarefa de representação e processamento de informações, sendo portanto adequada ao tratamento computacional. Visto que ainda não se possuem métodos que tenham resultados equivalentes ao que seria obtido com um usuário humano, tem-se estudado intensamente a utilização de feições para um melhor aproveitamento de seu potencial. Dentre estas feições, a forma de um objeto proporciona um poderoso indício de sua identidade e funcionalidade, podendo ser utilizada para seu reconhecimento. Isso distingue a forma de outras feições visuais elementares, como a cor, o movimento ou a textura, que, apesar de igualmente importantes, normalmente não revelam a identidade de um objeto. Assim sendo, a possibilidade de avaliar a robustez e a estabilidade de técnicas alternativas para a representação de forma é vital para prever o desempenho de cada técnica na presença de alguma incerteza ou discrepância. Neste trabalho, alguns descritores de forma descritos na literatura foram implementados e utilizados em estudos de caso para avaliar sua eficácia. Estes estudos de caso foram realizados utilizando-se caracteres, todavia, com finalidades bastante distintas. O primeiro estudo de caso é voltado para aplicações como a robótica móvel, com reconhecimento de comandos localizados no ambiente por parte do robô. Já o estudo de caso principal está direcionado para aplicações de reconhecimento de placas de automóveis, que poderia tanto ser utilizado para monitoramento e controle do fluxo de trânsito, quanto para controle de infrações. Muitas aplicações, incluindo aquelas que envolvem a recuperação e indexação de objetos visuais, são apropriadas para a utilização de feições de forma. Outra característica importante do presente trabalho é a de realçar que a seleção de um bom descritor reduz o esforço necessário na etapa de classificação, o qual é computacionalmente elevado. / The idea of enabling a machine to recognize the environment with which it interacts has motivated researchers to dedicate efforts in studying the most complex of the human senses: vision. Vision is essentially a task of information representation and processing, what makes it suitable for computational treatment. Given that currently there are no methods that perform equivalently to humans, the use of features has been intensively studied in order to improve the performance of the existing methods. Among these features, the shape of an object provides a powerful sign of its identity and functionality, what enables the exploitation of this feature with the purpose of recognition. This evidence distinguishes shape from other visual features, such as color, motion or texture, which, although equally important, normally do not reveal the identity of an object. As a result, the possibility of evaluating the robustness and stability of alternate techniques for shape representation is essential in order to measure the performance of each technique in the presence of uncertainty. In this work, some shape descriptors available in the literature were implemented and used in case studies aiming at evaluating their effectiveness. These case studies were carried out using characters, although, with very different purposes. The first case study is geared towards applications such as mobile robotics, where the robot recognizes commands available in the environment. The main case study is focused on applications of license plate recognition, which could be used both in situations of surveillance and traffic control and in situations of infraction. Many applications, including those that involve the search and indexing of visual objects, are suited for the use of shape features. Another important characteristic of this work is that it emphasizes that the selection of a good shape description reduces the effort during the classification step, which is computationally elevated.

A idéia de capacitar uma máquina a reconhecer o ambiente em que atua tem motivado pesquisadores a investir esforços no estudo do mais complexo dos sentidos humanos, a visão. A visão é, antes de tudo, uma tarefa de representação e processamento de informações, sendo portanto adequada ao tratamento computacional. Visto que ainda não se possuem métodos que tenham resultados equivalentes ao que seria obtido com um usuário humano, tem-se estudado intensamente a utilização de feições para um melhor aproveitamento de seu potencial. Dentre estas feições, a forma de um objeto proporciona um poderoso indício de sua identidade e funcionalidade, podendo ser utilizada para seu reconhecimento. Isso distingue a forma de outras feições visuais elementares, como a cor, o movimento ou a textura, que, apesar de igualmente importantes, normalmente não revelam a identidade de um objeto. Assim sendo, a possibilidade de avaliar a robustez e a estabilidade de técnicas alternativas para a representação de forma é vital para prever o desempenho de cada técnica na presença de alguma incerteza ou discrepância. Neste trabalho, alguns descritores de forma descritos na literatura foram implementados e utilizados em estudos de caso para avaliar sua eficácia. Estes estudos de caso foram realizados utilizando-se caracteres, todavia, com finalidades bastante distintas. O primeiro estudo de caso é voltado para aplicações como a robótica móvel, com reconhecimento de comandos localizados no ambiente por parte do robô. Já o estudo de caso principal está direcionado para aplicações de reconhecimento de placas de automóveis, que poderia tanto ser utilizado para monitoramento e controle do fluxo de trânsito, quanto para controle de infrações. Muitas aplicações, incluindo aquelas que envolvem a recuperação e indexação de objetos visuais, são apropriadas para a utilização de feições de forma. Outra característica importante do presente trabalho é a de realçar que a seleção de um bom descritor reduz o esforço necessário na etapa de classificação, o qual é computacionalmente elevado. / The idea of enabling a machine to recognize the environment with which it interacts has motivated researchers to dedicate efforts in studying the most complex of the human senses: vision. Vision is essentially a task of information representation and processing, what makes it suitable for computational treatment. Given that currently there are no methods that perform equivalently to humans, the use of features has been intensively studied in order to improve the performance of the existing methods. Among these features, the shape of an object provides a powerful sign of its identity and functionality, what enables the exploitation of this feature with the purpose of recognition. This evidence distinguishes shape from other visual features, such as color, motion or texture, which, although equally important, normally do not reveal the identity of an object. As a result, the possibility of evaluating the robustness and stability of alternate techniques for shape representation is essential in order to measure the performance of each technique in the presence of uncertainty. In this work, some shape descriptors available in the literature were implemented and used in case studies aiming at evaluating their effectiveness. These case studies were carried out using characters, although, with very different purposes. The first case study is geared towards applications such as mobile robotics, where the robot recognizes commands available in the environment. The main case study is focused on applications of license plate recognition, which could be used both in situations of surveillance and traffic control and in situations of infraction. Many applications, including those that involve the search and indexing of visual objects, are suited for the use of shape features. Another important characteristic of this work is that it emphasizes that the selection of a good shape description reduces the effort during the classification step, which is computationally elevated.

Recognizing generic objects by single or multi view range images is a contemporary popular problem in 3D object recognition area with developing technology of scanning devices such as laser range scanners. This problem is vital to current and future vision systems performing shape based matching and classification of the objects in an arbitrary scene. Despite improvements on scanners, there are still imperfections on range scans such as holes or unconnected parts on images. This studyobjects at proposing and comparing algorithms that match a range image to complete 3D models in a target database.The study started with a baseline algorithm which usesstatistical representation of 3D shapesbased on 4D geometricfeatures, namely SURFLET-Pair relations.The feature describes the geometrical relationof a surface-point pair and reflects local and the global characteristics of the object. With the desire of generating solution to the problem,another algorithmthat interpretsSURFLET-Pairslike in the baseline algorithm, in which histograms of the features are used,isconsidered. Moreover, two other methods are proposed by applying 2D space filing curves on range images and applying 4D space filling curves on histograms of SURFLET-Pairs. Wavelet transforms are used for filtering purposes in these algorithms. These methods are tried to be compact, robust, independent on a global coordinate frame and descriptive enough to be distinguish queries&rsquo / categories.Baseline and proposed algorithms are implemented on a database in which range scans of real objects with imperfections are queries while generic 3D objects from various different categories are target dataset.

[pt] Esta dissertação investiga a aplicação de Redes Neurais Artificiais no reconhecimento de imagens bi-dimensionais. O trabalho de tese foi dividido em quatro partes principais: um estudo sobre a importância da Visão Computacional e sobre os benefícios da aplicação das técnicas da Inteligência Computacional na área; um estudo da estrutura dos sistemas de reconhecimento de imagens encontrados na literatura; o desenvolvimento de dois sistemas de reconhecimento de imagens baseados em redes neurais; e o estudo de caso e a análise de desempenho dos sistemas desenvolvidos. A Visão Computacional tem se beneficiado das principais técnicas de Inteligência Computacional (redes neurais, algoritmos genéticos e lógica nebulosa) na implementação de sistemas de reconhecimento de imagens. Neste trabalho estudou-se a aplicação de diversos tipos de redes neurais na classificação de imagens Back-Propagation, Competitivas, RBF e Hierárquicas. Além disso, foi realizado um estudo das áreas de aplicação da Visão Computacional. A estrutura básica utilizada por diversos sistemas de Visão Computacional encontrada na literatura foi analisada. Esta estrutura é tipicamente composta por três módulos principais: um pré-processador, um extrator de características e um classificador. Dois sistemas de reconhecimento de imagens, denominados de XVision e SimpleNet, foram desenvolvidos neste trabalho. O sistema XVision segue a estrutura descrita acima, enquanto que o sistema SimpleNet utiliza a informação da imagem bruta para realizar a classificação. O módulo de pré-processamento do sistema XVision executa uma série de transformações na imagem, extraindo suas características intrínsecas para que seja obtida uma representação da imagem invariante a aspectos como rotação, translação e escalonamento. Este Pré- Processador é baseado em um trabalho previamente realizado no campo de Processamento de Sinais. A etapa de extração de características visa detectar as informações mais relevantes contidas na representação da imagem intrínseca obtida na etapa anterior. Foram investigados extratores baseados em técnicas estatísticas (utilizando o discriminante de Fisher) e em técnicas inteligentes (utilizando algoritmos genéticos). Para o módulo de classificação das imagens foram utilizados diversos tipos de redes neurais artificiais: Back-Propagation, Competitivas, RBFs e Hierárquicas. No sistema SimpleNet, o pré-processamento limita-se à redução das dimensões da imagem a ser classificada. Como os próprios pixels da imagem são utilizados para a classificação, não foi implementado um módulo de extração de características. Na etapa de classificação foram empregadas redes neurais Back- Propagation e Competitivas. O sistema XVision apresentou resultados promissores para dois conjuntos distintos de objetos bi-dimensionais: o primeiro composto por peças mecânicas e o segundo por objetos triviais. As amostras utilizadas nos testes apresentavam características diferentes daquelas com as quais as redes neurais foram treinadas - não apenas com rotações, translações e escalonamentos, mas com diferenças estruturais. O classificador conseguiu taxas de acerto superiores a 83% em ambos os conjuntos de objetos. O sistema SimpleNet também mostrou-se eficiente na diferenciação de imagens semelhantes (cartões telefônicos e radiografias de pulmões), obtendo taxas de acerto superiores a 80%. O desenvolvimento destes sistemas demonstrou a viabilidade da aplicação de redes neurais na classificação de objetos bi- dimensionais. Devido ao grande interesse na utilização de sistemas de Visão em aplicações de tempo real, mediu-se o tempo gasto nos processos de reconhecimento. Desta forma foram detectados os garagalos dos sistemas, facilitando assim sua otimização. / [en] This work investigates the use of Artificial Neural Networks in the recognition of bi-dimensional images. The work was divided in four main parts: a survey on the importance of Computational Vision and on the benefits of the application of intelligent techniques in the fiels; a survey on the structure of image recognition systems found in the literature; the development of two image recognition systems based on neural networks; and an analysis of the performance of the developed systems. Computational Vision has benefited from the main Computational Intelligence techniques (neural networks, genetic algoritms and fuzzy logic) to implement image recognition systems. In this work, the usage of different Kinds of neural networks in image classification was studied: Back-Propagation, Competitive, RBF and Hierarchical. Besiades that, a survey on the fields of application of Computational Vision was made. The basic structure is typically composed of three modules: a pre-processor, a characteristics extractor and a classifier. In this work, two image recognition systems, called Xvision and SimpleNet, were developed. The XVision system follows the structure described above, while the SimpleNet system performs the classification using the information present in the raw picture. The pre-processing module of the Xvision system executes a series of transforms over the image, extracting its essential characteristics so that an invariant representation of the image can be obtained. This pre- processor is based on a previous work in the fiels of Signal Processing. The characteristcs extractor aims to detect the most relevant information present in the image representation obtained after the previous step. Two kinds of extractors were investigated: one based on statistical tecniques (applyng the Fisher`s discriminant) and another based on intelligent techniques (applyng genetic algorithms). The classification module was implementede through several Kinds of neural networks: Back-Propagation, Competitive, RBF and Hierarchical. The pre-processing of the SimpleNet system simply reduces the image`s dimensions. Since the image`s pixels are used for the classification process, no characteristics extractor module was implemented. In the classification module, Back-Propagation and Competitive neural networks were employed. The Xvision system yielded promising results for two sets of objects: the first one composed of mechanical parts and the second one composed of trivial objects. The samples used during the tests presented different characteristics from those samples used during the training process - not only rotated, translated and scaled, but also with structural differences. The classifier obtained a hit ratio above 83% with both sets. The SimpleNet system also showed a good performance in the differentiation of similar objects (telephone cards and X-rays of lungs), achieving hit ratios of more than 80%. The development of both systems demonstrated the viability of the use of neural networks in the classification of bi- dimensional objects. Due to the interest of applying Vision systems in real-time, the time spent in the recognition process was measured. This allowed the detection of the systems` bottlenecks, making their optimization easier.