No description available.

A visãao é o sentido humano mais complexo e importante para os processos de cognição e de interação de um indivíduo com o mundo. Neurofiisiologistas buscam identificar e compreender como funcionam os mecanismos celulares envolvidos neste processo. O sistema visual recebe os sinais de imagens captadas pelos olhos e, por meio de transformações e processamento diversos, integra esses sinais em representações de objetos internos perceptuais. O projeto Olho Virtual consegue reconstruir, em três dimensões, modelos de olhos utilizando córneas reais ou simuladas em computador, reproduzindo suas propriedades ópticas captando imagens de maneira satisfatória. Este trabalho introduz, no projeto Olho Virtual, um modelo computacional de retina baseado no modelo biológico, capaz de reproduzir as propriedades das células cones e bastonetes em suas distribuições radiais e também em suas funcionalidades em particular. Além dessa, é apresentado uma modelagem para reprodução dos campos receptivos das células ganglionares presentes na retina, gerando sinais de saída nos sistemas parvo e magno. Por fim são feitas simulações de experimentos psicofísicos com propósito de verificar a validade da modelagem proposta / The vision is the human sense more complex and important in cognitive processes and the interaction of an individual with the world. Neurophysiologists seek to identify and understand how the cellular mechanisms involved in this process work. The visual system receives the image signals captured by the eyes and, through several transformations and processing, integrate those signals into internal representations of perceptual objects. The project Virtual Eye can reconstruct three-dimensional models of eye corneas using real or simulated on the computer, playing their optical properties capturing images satisfactorily. This work introduces the Virtual Eye project, a computational model of retina-based biological model, able to reproduce the properties of rod and cone cells in their radial distributions and also in its functionality in particular. Besides this, a model is presented for reproduction of the receptive fields of ganglion cells present in the retina, generating output signals in the parvo and magno systems. Finally, simulations are made with psychophysical experiments in order to verify the accuracy of the proposed model

A visãao é o sentido humano mais complexo e importante para os processos de cognição e de interação de um indivíduo com o mundo. Neurofiisiologistas buscam identificar e compreender como funcionam os mecanismos celulares envolvidos neste processo. O sistema visual recebe os sinais de imagens captadas pelos olhos e, por meio de transformações e processamento diversos, integra esses sinais em representações de objetos internos perceptuais. O projeto Olho Virtual consegue reconstruir, em três dimensões, modelos de olhos utilizando córneas reais ou simuladas em computador, reproduzindo suas propriedades ópticas captando imagens de maneira satisfatória. Este trabalho introduz, no projeto Olho Virtual, um modelo computacional de retina baseado no modelo biológico, capaz de reproduzir as propriedades das células cones e bastonetes em suas distribuições radiais e também em suas funcionalidades em particular. Além dessa, é apresentado uma modelagem para reprodução dos campos receptivos das células ganglionares presentes na retina, gerando sinais de saída nos sistemas parvo e magno. Por fim são feitas simulações de experimentos psicofísicos com propósito de verificar a validade da modelagem proposta / The vision is the human sense more complex and important in cognitive processes and the interaction of an individual with the world. Neurophysiologists seek to identify and understand how the cellular mechanisms involved in this process work. The visual system receives the image signals captured by the eyes and, through several transformations and processing, integrate those signals into internal representations of perceptual objects. The project Virtual Eye can reconstruct three-dimensional models of eye corneas using real or simulated on the computer, playing their optical properties capturing images satisfactorily. This work introduces the Virtual Eye project, a computational model of retina-based biological model, able to reproduce the properties of rod and cone cells in their radial distributions and also in its functionality in particular. Besides this, a model is presented for reproduction of the receptive fields of ganglion cells present in the retina, generating output signals in the parvo and magno systems. Finally, simulations are made with psychophysical experiments in order to verify the accuracy of the proposed model

Submitted by João Arthur Martins (joao.arthur@ufpe.br) on 2015-03-12T18:28:44Z No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Tese Bruno Fernandes.pdf: 3132863 bytes, checksum: 07130c06c805386aafa3b34685236d9b (MD5) / Made available in DSpace on 2015-03-12T18:28:44Z (GMT). No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Tese Bruno Fernandes.pdf: 3132863 bytes, checksum: 07130c06c805386aafa3b34685236d9b (MD5) Previous issue date: 2013-07-29 / O desenvolvimento de modelos baseados em teorias sobre a estrutura do cérebro humano tem se mostrado como uma importante ferramenta para a inspiração de novas abordagens para problemas de reconhecimento de padrões visuais. Apesar do cérebro humano não ser completamente entendido, ele já inspirou vários mecanismos utilizados em tarefas de reconhecimento de padrões, como as redes neurais artificiais (RNAs). Os conceitos de campos receptivos e inibitórios e de memória autoassociativa são derivados de estudos do cérebro e vêm sendo empregados na criação de novos classificadores. Os campos receptivos são utilizados para melhor analisar texturas e para detectar contornos em vários modelos que têm suas arquiteturas projetadas para receber os dados de entrada na sua forma bruta e extrair suas características. Esse processo é chamado de extração implícita de características. O uso de campos inibitórios trouxe melhorias às RNAs, tornando-as mais estáveis e eficazes. Por outro lado, classificadores autoassociativos são modelos desenvolvidos para aprender as características relacionadas somente aos padrões de uma mesma classe. Esses classificadores decidem se um padrão é conhecido a partir de fronteiras de decisão fechadas no espaço de entrada. Este trabalho propõe três RNAs inspiradas nos conceitos de campos receptivos e inibitórios e de memória autoassociativa. As RNAs propostas apresentam uma arquitetura piramidal que fazem uso dos conceitos de campos receptivos e que integram as etapas de extração de características e de classificação de padrões visuais. A primeira RNA proposta é a Lateral Inhibition Pyramidal Neural Network (LIPNet) que utiliza o conceito de campos inibitórios e é aplicada em problemas com duas classes. A LIPNet é avaliada em experimentos de detecção de faces com o banco MIT CBCL e de detecção de floresta em imagens de satélite. A segunda RNA proposta é a AutoAssociative Pyramidal Neural Network (AAPNet) que utiliza o conceito de memória autoassociativa para aprendizagem de uma classe sem exemplos negativos. A AAPNet é avaliada numa tarefa de categorização de objetos com o banco Caltech-101. A última RNA proposta é a Lateral Inhibition Constructive Autoassociative Neural Network (LICANet) que realiza a aprendizagem autoassociativa através de um algoritmo construtivo que ajusta a arquitetura do modelo durante o treinamento. A LICANet é avaliada em experimentos de reconhecimento de expressão facial com a base JAFFE. Finalmente, as três RNAs propostas são comparadas umas com as outras nos experimentos realizados. As RNAs propostas obtiveram resultados superiores a outros métodos da literatura.

Made available in DSpace on 2014-06-12T15:52:22Z (GMT). No. of bitstreams: 1 license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2009 / Conselho Nacional de Desenvolvimento Científico e Tecnológico / O sistema visual humano é um dos mecanismos mais fascinantes da natureza. É através dele que o ser humano é capaz de realizar as suas tarefas mais básicas, como assistir televisão, até as mais complexas, como realizar análises através de microscópios em laboratórios. Por conseguinte, neste trabalho são propostos dois modelos baseados no comportamento do sistema visual humano. O primeiro é um modelo de segmentação supervisionada baseado nos conceitos de campos receptivos, chamado Segmentation and Classification Based on Receptive Fields (SCRF). O outro é uma nova rede neural, chamada I-PyraNet. A I-PyraNet é uma implementação híbrida da PyraNet e dos conceitos de campos inibitórios. Então, no intuito de validar os modelos aqui propostos, nesta dissertação é apresentada uma revisão do estado-da-arte, descrevendo-se desde o funcionamento do sistema visual humano até as várias etapas existentes numa tarefa de processamento de imagens. Por fim, os modelos propostos foram aplicados em duas tarefas de reconhecimento. O modelo SCRF e a I-PyraNet foram aplicados juntos num problema de detecção de floresta em imagens de satélite. Enquanto a I-PyraNet foi aplicada sobre um problema de detecção de facos. Ambos alcançaram bons resultados quando comparados aos outros modelos aqui apresentados

Este trabalho mostra que a suavização Gaussiana pode exercer outra função além da filtração. Considerando-se imagens binárias, este processo pode funcionar como uma espécie de marcador, que modifica as feições das fronteiras entre duas regiões homogêneas contrastantes. Tais feições são pontos de concavidades, de convexidades ou de bordas em linha reta. Ou seja, toda a informação necessária para se caracterizar a forma bidimensional de uma região. A quantidade de suavização realizada em cada ponto depende da configuração preto/branco que compõe a vizinhança onde este se situa. Isto significa que cada ponto sofre uma quantidade particular de modificação, a qual reflete a interface local entre o objeto e o fundo. Então, para detectar tais feições, basta quantificar a suavização em cada ponto. No entanto, a discriminação pixel a pixel exige que a distribuição Gaussiana apresente boa localização, o que só acontece em escalas muito baixas (σ≅0,5). Assim, propõe-se uma distribuição construída a partir da soma de duas Gaussianas. Uma é bem estreita para garantir a boa localização e a outra possui abertura irrestrita para representar a escala desejada. Para confirmar a propriedade de marcação dessa distribuição, são propostos três detectores de corners de contorno, os quais são aplicados à detecção de pontos dominantes. O primeiro utiliza a entropia de Shannon para quantificar a suavização em cada ponto. O segundo utiliza as probabilidades de objeto e de fundo contidos na vizinhança observada. O terceiro utiliza a diferença entre Gaussianas (DoG) para determinar a quantidade suavizada, porém com a restrição de que uma das versões da imagem tenha suavização desprezível, para garantir a boa localização. Este trabalho se fundamenta na física da luz e na visão biológica. Os ótimos resultados apresentados sugerem que a detecção de curvaturas do sistema visual pode ocorrer na retina. / This work shows that the Gaussian smoothing can have additional function to filtration. Considering the binary images, this process can operate as a kind of marker that changes the features of the boundaries between two contrasting homogeneous regions. These features are points of concavities, convexities or straight edges, which are all the necessary information to characterize the two-dimensional shape of a region. The amount of smoothing performed at each point depends on the black/white configuration that composes the neighborhood where the point is located. This means that each point suffers a particular modification, which reflects the local interface between object and background. Thus, to detect such features, one must quantify the smoothing at each point. However, pixel-wise discrimination requires that the Gaussian distribution does not suffer flattening, which occurs in very low scales (σ≅0.5), only. Thus, it is proposed a distribution built from the sum of two Gaussians. One must be very narrow to ensure good localization, and the other is free to represent the desired scale. To confirm the property of marking, three boundary based corner detectors are proposed, which are applied to the detection of dominant points. The first uses the Shannon\'s entropy to quantify the smoothing at each point. The second uses the probabilities of object and background contained in the local neighborhood. The third uses the difference of Gaussians (DoG) to determine the amount of smoothing. This Work relies on the physics of light and biological vision. The presented results are good enough to suggest that the curvature detection, in visual system, occurs in the retina.

Este trabalho mostra que a suavização Gaussiana pode exercer outra função além da filtração. Considerando-se imagens binárias, este processo pode funcionar como uma espécie de marcador, que modifica as feições das fronteiras entre duas regiões homogêneas contrastantes. Tais feições são pontos de concavidades, de convexidades ou de bordas em linha reta. Ou seja, toda a informação necessária para se caracterizar a forma bidimensional de uma região. A quantidade de suavização realizada em cada ponto depende da configuração preto/branco que compõe a vizinhança onde este se situa. Isto significa que cada ponto sofre uma quantidade particular de modificação, a qual reflete a interface local entre o objeto e o fundo. Então, para detectar tais feições, basta quantificar a suavização em cada ponto. No entanto, a discriminação pixel a pixel exige que a distribuição Gaussiana apresente boa localização, o que só acontece em escalas muito baixas (σ≅0,5). Assim, propõe-se uma distribuição construída a partir da soma de duas Gaussianas. Uma é bem estreita para garantir a boa localização e a outra possui abertura irrestrita para representar a escala desejada. Para confirmar a propriedade de marcação dessa distribuição, são propostos três detectores de corners de contorno, os quais são aplicados à detecção de pontos dominantes. O primeiro utiliza a entropia de Shannon para quantificar a suavização em cada ponto. O segundo utiliza as probabilidades de objeto e de fundo contidos na vizinhança observada. O terceiro utiliza a diferença entre Gaussianas (DoG) para determinar a quantidade suavizada, porém com a restrição de que uma das versões da imagem tenha suavização desprezível, para garantir a boa localização. Este trabalho se fundamenta na física da luz e na visão biológica. Os ótimos resultados apresentados sugerem que a detecção de curvaturas do sistema visual pode ocorrer na retina. / This work shows that the Gaussian smoothing can have additional function to filtration. Considering the binary images, this process can operate as a kind of marker that changes the features of the boundaries between two contrasting homogeneous regions. These features are points of concavities, convexities or straight edges, which are all the necessary information to characterize the two-dimensional shape of a region. The amount of smoothing performed at each point depends on the black/white configuration that composes the neighborhood where the point is located. This means that each point suffers a particular modification, which reflects the local interface between object and background. Thus, to detect such features, one must quantify the smoothing at each point. However, pixel-wise discrimination requires that the Gaussian distribution does not suffer flattening, which occurs in very low scales (σ≅0.5), only. Thus, it is proposed a distribution built from the sum of two Gaussians. One must be very narrow to ensure good localization, and the other is free to represent the desired scale. To confirm the property of marking, three boundary based corner detectors are proposed, which are applied to the detection of dominant points. The first uses the Shannon\'s entropy to quantify the smoothing at each point. The second uses the probabilities of object and background contained in the local neighborhood. The third uses the difference of Gaussians (DoG) to determine the amount of smoothing. This Work relies on the physics of light and biological vision. The presented results are good enough to suggest that the curvature detection, in visual system, occurs in the retina.

Made available in DSpace on 2016-08-17T14:52:43Z (GMT). No. of bitstreams: 1 Andre Borges Cavalcante.pdf: 1739525 bytes, checksum: 2073615c7df203b086d5c76276905a35 (MD5) Previous issue date: 2008-02-25 / Efficient coding of natural images yields filters similar to the Gabor-like receptive fields of simple cells of primary visual cortex. However, natural and man-made images have different statistical proprieties. Here we show that a simple theoretical analysis of power spectra in a sparse model suggests that natural and man-made images would need specific filters for each group. Indeed, when applying sparse coding to man-made scenes, we found both Gabor and Haar wavelet-like filters. Furthermore, we found that man-made images when projected on those filters yielded smaller mean squared error than when projected on Gabor-like filters only. Thus, as natural and man-made images require different filters to be efficiently represented, these results suggest that besides Gabor, the primary visual cortex should also have cells with Haar-like receptive fields. / A codificação eficiente de imagens naturais gera filtros similares às wavelets de Gabor que relembram os campos receptivos de células simples do córtex visual primário. No entanto, imagens naturais e urbanas tem características estatísticas diferentes. Será mostrado que uma simples análise do espectro de potência em um modelo eficiente sugere que imagens naturais e urbanas requerem filtros específicos para cada grupo. De fato, aplicando codificação eficiente à imagens urbanas, encontramos filtros similares às wavelets de Gabor e de Haar. Além disso, observou-se que imagens urbanas quando projetadas nesses filtros geraram um menor erro médio quadrático do que quando projetadas somente em filtros de similares a Gabor. Desta forma, como imagens naturais e urbanas requerem filtros diferentes para serem representadas de forma eficiente, estes resultados sugerem que além de Gabor, o córtex visual primário também deve possuir células com campos receptivos similares às wavelets de Haar.