Este projeto descreve o desenvolvimento, estudo e aplicação de descritores fractais em análise de texturas. Nos últimos anos, a literatura vem apresentando a geometria fractal como uma ferramenta poderosa para a análise de imagens, com aplicações em variados campos da ciência. A maior parte destes trabalhos faz uso direto da dimensão fractal como um descritor do objeto representado na imagem. Entretanto, em função da complexidade de muitos problemas nesta área, algumas soluções foram propostas para melhorar essa análise, usando não apenas o valor da dimensão fractal, mas um conjunto de medidas que pudessem ser extraídas pela geometria fractal e que descrevessem as texturas com maior riqueza e precisão. Entre essas técnicas, destacam-se a metodologia de multifractais, de dimensão fractal multiescala e, mais recentemente, os descritores fractais. Esta última técnica tem se mostrado eficiente na solução de problemas relacionados à discriminação de imagens de texturas e formas, uma vez que os descritores gerados fornecem uma representação direta do padrão de complexidade (distribuição dos detalhes ao longo das escalas de observação) da imagem. Assim, essa solução permite que se tenha uma descrição rica da imagem estudada pela análise da distribuição espacial e/ou espectral dos pixels e intensidade de cores/tons de cinza, com uma modelagem que pode se aproximar da percepção visual humana para a geração de um método automático e preciso. Ocorre, entretanto, que os trabalhos apresentados até o momento sobre descritores fractais focam em métodos de estimativa de dimensão fractal mais conhecidos como Bouligand-Minkowski e Box-counting. Este projeto visa estudar mais a fundo o conceito, generalizando para outras abordagens de dimensão fractal, bem como explorando diferentes formas de se extraírem os descritores a partir da curva logarítmica associada à dimensão. Os métodos desenvolvidos são aplicados à análise de texturas, em problemas de classificação de bases públicas, cujos resultados podem ser comparados com métodos da literatura, bem como a segmentação de imagens de satélite e à identificação automática de amostras obtidas em estudos de nanotecnologia. Os resultados alcançados demonstram o potencial da metodologia desenvolvida para a solução destes problemas, mostrando tratar-se de uma nova fronteira a ser usada e explorada em análise de imagens e visão computacional como um todo. / This project describes the development, study and application of fractal descriptors to texture analysis. Recently, the literature has shown fractal geometry as a powerful tool for image analysis, with applications to several areas of science. Most of these works use fractal dimension as a descriptor of the object depicted in the image. However, due to the complexity of many problems in this context, some solutions have been proposed to improve this analysis. These proposed methods use not only the value of fractal dimension, but a set of measures which could be extracted by fractal geometry to describe the textures with greater richness and accuracy. Among such techniques, we emphasize the multifractal methodology, multiscale fractal dimension and, more recently, fractal descriptors. This latter technique has demonstrated to be efficient in solving problems related to the discrimination of texture and shape images. This is possible as the extracted descriptors provide a direct representation of the complexity (the details distribution along the scales of observation) in the image. Thus, this solution allows for a rich description of the image studied by analyzing the spatial/spectral distribution of pixels and intensity of colors/gray-levels, with a model which can approximate the human visual perception, generating an automatic and precise method. However, the works about fractal descriptors presented in the literature focus on classical methods to estimate fractal dimension, such as Bouligand-Minkowski and Box-counting. This project aims at studying more deeply the concept, generalizing to other approaches in fractal dimension, as well as exploring different ways of extracting the key features from the logarithmic curve associated with the dimension. The developed methods are applied to texture analysis, in classification problems over public databases, whose results can be compared with literature methods, as well as to the segmentation of satellite images and automatically identifying samples obtained from studies on nanotechnology. The results demonstrate the potential of the methodology developed to solve such problems, showing that this is a new frontier to be explored and used in image analysis and computer vision at all.

Este projeto descreve o desenvolvimento, estudo e aplicação de descritores fractais em análise de texturas. Nos últimos anos, a literatura vem apresentando a geometria fractal como uma ferramenta poderosa para a análise de imagens, com aplicações em variados campos da ciência. A maior parte destes trabalhos faz uso direto da dimensão fractal como um descritor do objeto representado na imagem. Entretanto, em função da complexidade de muitos problemas nesta área, algumas soluções foram propostas para melhorar essa análise, usando não apenas o valor da dimensão fractal, mas um conjunto de medidas que pudessem ser extraídas pela geometria fractal e que descrevessem as texturas com maior riqueza e precisão. Entre essas técnicas, destacam-se a metodologia de multifractais, de dimensão fractal multiescala e, mais recentemente, os descritores fractais. Esta última técnica tem se mostrado eficiente na solução de problemas relacionados à discriminação de imagens de texturas e formas, uma vez que os descritores gerados fornecem uma representação direta do padrão de complexidade (distribuição dos detalhes ao longo das escalas de observação) da imagem. Assim, essa solução permite que se tenha uma descrição rica da imagem estudada pela análise da distribuição espacial e/ou espectral dos pixels e intensidade de cores/tons de cinza, com uma modelagem que pode se aproximar da percepção visual humana para a geração de um método automático e preciso. Ocorre, entretanto, que os trabalhos apresentados até o momento sobre descritores fractais focam em métodos de estimativa de dimensão fractal mais conhecidos como Bouligand-Minkowski e Box-counting. Este projeto visa estudar mais a fundo o conceito, generalizando para outras abordagens de dimensão fractal, bem como explorando diferentes formas de se extraírem os descritores a partir da curva logarítmica associada à dimensão. Os métodos desenvolvidos são aplicados à análise de texturas, em problemas de classificação de bases públicas, cujos resultados podem ser comparados com métodos da literatura, bem como a segmentação de imagens de satélite e à identificação automática de amostras obtidas em estudos de nanotecnologia. Os resultados alcançados demonstram o potencial da metodologia desenvolvida para a solução destes problemas, mostrando tratar-se de uma nova fronteira a ser usada e explorada em análise de imagens e visão computacional como um todo. / This project describes the development, study and application of fractal descriptors to texture analysis. Recently, the literature has shown fractal geometry as a powerful tool for image analysis, with applications to several areas of science. Most of these works use fractal dimension as a descriptor of the object depicted in the image. However, due to the complexity of many problems in this context, some solutions have been proposed to improve this analysis. These proposed methods use not only the value of fractal dimension, but a set of measures which could be extracted by fractal geometry to describe the textures with greater richness and accuracy. Among such techniques, we emphasize the multifractal methodology, multiscale fractal dimension and, more recently, fractal descriptors. This latter technique has demonstrated to be efficient in solving problems related to the discrimination of texture and shape images. This is possible as the extracted descriptors provide a direct representation of the complexity (the details distribution along the scales of observation) in the image. Thus, this solution allows for a rich description of the image studied by analyzing the spatial/spectral distribution of pixels and intensity of colors/gray-levels, with a model which can approximate the human visual perception, generating an automatic and precise method. However, the works about fractal descriptors presented in the literature focus on classical methods to estimate fractal dimension, such as Bouligand-Minkowski and Box-counting. This project aims at studying more deeply the concept, generalizing to other approaches in fractal dimension, as well as exploring different ways of extracting the key features from the logarithmic curve associated with the dimension. The developed methods are applied to texture analysis, in classification problems over public databases, whose results can be compared with literature methods, as well as to the segmentation of satellite images and automatically identifying samples obtained from studies on nanotechnology. The results demonstrate the potential of the methodology developed to solve such problems, showing that this is a new frontier to be explored and used in image analysis and computer vision at all.

Esta dissertação faz um estudo da aplicação da técnica estatística denominada Análise de Dados Funcionais (ADF) à geração de descritores usados em reconhecimento de padrões, mais especificamente, no reconhecimento de objetos de interesse em imagens. Estes objetos podem ser representados por vetores de características, também chamados de assinaturas, obtidos por uma técnica chamada de Dimensão Fractal Multiescala (DFM). Ocorre que estes vetores apresentam alta dimensionalidade (número de elementos), fazendo-se assim necessário o uso de uma abordagem que reduza este número de valores, sem que haja uma grande perda da informação transmitida pela assinatura. Neste contexto, diversas técnicas de extração de um reduzido conjunto de descritores da assinatura são apresentadas pela literatura. Entre estas, as mais populares são Fourier e \\emph, ambas relativamente simples de se apresentar e com resultados satisfatórios. A proposta aqui apresentada é de se utilizar ADF em combinação com DFM na geração de descritores de padrões. Os resultados obtidos com o uso desta abordagem na geração de descritores demostraram que a técnica possibilita bons resultados, mesmo em situações em que não é possível o uso de muitos descritores. Os experimentos demostraram que ADF apresenta um bom potencial para aplicação neste tipo de problema, permitindo que o método de classificação alcance bons resultados mesmo com poucos descritores. São sugeridos trabalhos futuros em que ADF possa ser usada, pesquisando-se por métodos ainda mais eficazes. / This work studies the application of a statistical technique named Functional Data Analysis (FDA) for the generation of descriptors. These descriptors can be used for pattern recognition, more specifically, for the recognition of relevant objects in an image. These objects can be represented by features vectors, also known as signatures, obtained by a technique named Multi-scale Fractal Dimension (MFD). These vectors present a high dimensionality (number of elements), causing to be necessary the use of an approach for the reduction of this number of values, but without a large loss of information carried by the signature. In this context, several techniques for the extraction of a reduced set of signature descriptors are studied in the literature. Among these techniques, the most classic are Fourier and wavelets, both with simple presentation and providing satisfactory results. The proposal presented here is the use of FDA combined with MFD for the generation of pattern descriptors. The results obtained by the use of this approach for the generation of descriptors showed that this technique allows the obtention of good results, even in situations in wich is not possible the use of many descriptors. FDA was also applied to the extraction of descriptors of MFD texture signatures. Also in this case, the results were interesting. The experiments showed the FDA presents a good potential for the application to this type of problem, allowing the obtention of good results even by using a few descriptors. It is suggested future works in which FDA can be used, researching for still more efficient methods.

Esta dissertação faz um estudo da aplicação da técnica estatística denominada Análise de Dados Funcionais (ADF) à geração de descritores usados em reconhecimento de padrões, mais especificamente, no reconhecimento de objetos de interesse em imagens. Estes objetos podem ser representados por vetores de características, também chamados de assinaturas, obtidos por uma técnica chamada de Dimensão Fractal Multiescala (DFM). Ocorre que estes vetores apresentam alta dimensionalidade (número de elementos), fazendo-se assim necessário o uso de uma abordagem que reduza este número de valores, sem que haja uma grande perda da informação transmitida pela assinatura. Neste contexto, diversas técnicas de extração de um reduzido conjunto de descritores da assinatura são apresentadas pela literatura. Entre estas, as mais populares são Fourier e \\emph, ambas relativamente simples de se apresentar e com resultados satisfatórios. A proposta aqui apresentada é de se utilizar ADF em combinação com DFM na geração de descritores de padrões. Os resultados obtidos com o uso desta abordagem na geração de descritores demostraram que a técnica possibilita bons resultados, mesmo em situações em que não é possível o uso de muitos descritores. Os experimentos demostraram que ADF apresenta um bom potencial para aplicação neste tipo de problema, permitindo que o método de classificação alcance bons resultados mesmo com poucos descritores. São sugeridos trabalhos futuros em que ADF possa ser usada, pesquisando-se por métodos ainda mais eficazes. / This work studies the application of a statistical technique named Functional Data Analysis (FDA) for the generation of descriptors. These descriptors can be used for pattern recognition, more specifically, for the recognition of relevant objects in an image. These objects can be represented by features vectors, also known as signatures, obtained by a technique named Multi-scale Fractal Dimension (MFD). These vectors present a high dimensionality (number of elements), causing to be necessary the use of an approach for the reduction of this number of values, but without a large loss of information carried by the signature. In this context, several techniques for the extraction of a reduced set of signature descriptors are studied in the literature. Among these techniques, the most classic are Fourier and wavelets, both with simple presentation and providing satisfactory results. The proposal presented here is the use of FDA combined with MFD for the generation of pattern descriptors. The results obtained by the use of this approach for the generation of descriptors showed that this technique allows the obtention of good results, even in situations in wich is not possible the use of many descriptors. FDA was also applied to the extraction of descriptors of MFD texture signatures. Also in this case, the results were interesting. The experiments showed the FDA presents a good potential for the application to this type of problem, allowing the obtention of good results even by using a few descriptors. It is suggested future works in which FDA can be used, researching for still more efficient methods.