Submitted by Cleber Casali (clebercasali@ufv.br) on 2017-01-23T17:44:57Z No. of bitstreams: 1 texto completo.pdf: 2818610 bytes, checksum: 3c2c436da0ded4364a3bb97ab648b88b (MD5) / Made available in DSpace on 2017-01-23T17:44:57Z (GMT). No. of bitstreams: 1 texto completo.pdf: 2818610 bytes, checksum: 3c2c436da0ded4364a3bb97ab648b88b (MD5) Previous issue date: 2016-10-27 / As demandas por dados geoespaciais referentes à malha viária são constantes, visto a gama de aplicações que necessitam desse tipo de informação, tanto no meio urbano quanto rural. Tais dados em um ambiente de Sistemas de Informações Geográficas (SIG) são fontes essenciais para integração de uma base de dados espaciais, os quais podem ser utilizados para fins diversos. Vale salientar a importância de dados da malha viária nos ciclos de atualização de bases cartográficas, que podem ser obtidos utilizando, por exemplo, técnicas de extração de feições em imagens digitais, de forma mais precisa, rápida e menos onerosa, comparados aos métodos tradicionais. Nesse sentido, a partir de imagens obtidas por sensores remotos, aliadas as técnicas de análise e Processamento Digital de Imagens (PDI), é possível realizar aplicações (semi-) automáticas que buscam extrair as feições de interesse, entre estas as estradas e/ou rodovias. Dessa forma, este trabalho teve como foco a extração da malha viária em imagens RapidEye através do desenvolvimento de uma metodologia semiautomática utilizando técnicas de classificação de imagens baseada em objetos, bem como o uso de operadores morfológicos. A metodologia foi testada em três áreas distintas e com imagens adquiridas em épocas diferentes, assim possibilitando verificar o desempenho do método proposto para diversas situações. Por meio da análise por correspondência linear, que forneceu valores estatísticos para métricas de análise da qualidade do processo de extração da malha viária, foi possível alcançar em termos de corretude e completude os valores de 92,23% e 85,15% para a área teste 1, os valores de 79,16% e 81,06% na área teste 2, e os valores de 82,05% e 92,22% para a área teste 3, respectivamente. Diante dos resultados obtidos, foi possível verificar que a metodologia proposta apresentou bom desempenho para a extração semiautomática de vias em imagens de sensoriamento remoto, mais especificamente de imagens Rapideye, sendo uma alternativa viável para auxiliar na aquisição e atualização de base de dados da malha viária. Dentre as principais dificuldades encontradas no processo de extração, destaca-se a definição de parâmetros ótimos a fim de separar as feições de interesse das com respostas espectrais similares que não são feições interesse (ruídos). / The demand for geospatial data concerning road network are constant due to the variety of application that need of this type of data, in both urban and rural areas. Such data in a Geographic Information System (GIS) are essential source for integration of a spatial database, which can be used for many purposes. It’s worth noting the importance of road network data in cartography update cycles, because these data can be obtained using, for example, an automated process of feature extraction in digital images, more accurately, faster and less costly than traditional methods. In this way, from images obtained by remote sensors, associated with techniques of analysis and Digital Image Processing (DPI), is possible perform (semi-) automatic applications to extract the features of interest, such as roads. Therefore, this work aimed to the extraction of road network from RapidEye images, by a methodology developed using techniques of object-based image classification and morphological operators. The methodology was tested in three different sites and with images acquired in distinct dates, turning possible evaluate the performance of the proposed method in various situations. Through a procedure of linear matching, that return statistics values of metrics to evaluate the quality of road network extraction process, were achieved in terms of correctness and completeness the values of 92.23% and 85.15% for test site 1, the values of 79.16% and 81.06% for test site 2, and the values of 82.05% and 92.22% for test site 3, respectively. The results obtained shows that the proposed methodology presented a good performance for semi-automatic road network extraction from remote sensing images, more specifically from Rapideye images, representing an auxiliary alternative for road network database acquisition and updating. Among the main difficulties on the road network extraction process, stands out the search for optimum parameters in order to separated features targets of interest from others with similar spectral properties that are not feature targets of interest (noises).

Orientador: Jose Joaquim Lunazzi / Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Fisica Gleb Wataghin / Made available in DSpace on 2018-07-20T09:34:30Z (GMT). No. of bitstreams: 1 JaramilloOcampo_JuanManuel_M.pdf: 1783834 bytes, checksum: fe791ca4b78f82c967c8fbac2b9bd7bc (MD5) Previous issue date: 1994 / Resumo: Tendo em vista os trabalhos desenvolvidos pelo Prof. Lunazzi nestes últimos anos, viu-se a necessidade de aprofundar mais em seu artigo, "Holophotography with a Diffraction Grating" .Por isso neste trabalho desenvolve-se mais explicitamente as equações para imagens pontuais monocromáticas difratadas por uma rede de difração e generalizou-se ao objetos iluminados com luz policromática. A partir deste trabalho estende-se a abrangência da análise do artigo à comparação entre o caso policromático e a situação estereofotográfica. Isto permite estudar dinamicamente a "aniseikonia" evitando-se assim processos holográficos / Abstract: This work presents refinements on the article "Holophotography with a Diffraction Grating", written by Prof. Lunazzi about his recentre search. Equations for monochromatic punctual images diffracted by a diffraction grating are more explicitly developed, and generalized to the case of white light illumination over objects formed by many points. The present work enables Lunazzi's article to embrace the comparison between the white light case and its corresponding stereophotographic situation. It allows to study aniseikonia dynamically, thus avoiding the holographic process / Mestrado / Física / Mestre em Física

Orientador: Alexandre Xavier Falcão / Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Computação / Made available in DSpace on 2018-08-27T03:30:14Z (GMT). No. of bitstreams: 1 PhellanAro_Renzo_M.pdf: 4734368 bytes, checksum: 27f258762d497b786df234144140e47a (MD5) Previous issue date: 2014 / Resumo: A segmentação de imagens médicas consiste de duas tarefas fortemente acopladas: reconhecimento e delineamento. O reconhecimento indica a localização aproximada de um objeto, enquanto o delineamento define com precisão sua extensão espacial na imagem. O reconhecimento também verifica a corretude do delineamento do objeto. Os seres humanos são superiores aos computadores na tarefa de reconhecimento, enquanto o contrário acontece no delineamento. A segmentação manual, por exemplo, é geralmente passível de erro, tediosa, demorada e sujeita à variabilidade. Portanto, os métodos de segmentação interativa mais eficaces limitam a intervenção humana ao reconhecimento. No caso das imagens médicas, os objetos podem ser as estruturas anatômicas do corpo humano, como órgãos, sistemas e tumores. Sua segmentação é uma fase fundamental para obter medidas, como seus tamanhos e distâncias, para poder realizar sua análise quantitativa. A visualização de suas formas em 3D também é importante para sua análise qualitativa. Ambas análises podem ajudar os especialistas a estudar os fenómenos anatômicos e fisiológicos do corpo humano, diferenciar situações normais e anormais, diagnosticar doenças, estabelecer tratamentos, monitorar a evolução dos tumores e planejar procedimentos cirúrgicos. No entanto, um desafio crucial para a segmentação automática é obter um modelo matemático que possa substituir os seres humanos, capaz de reconhecer as estruturas anatômicas com base em suas características de textura e forma. Esta dissertação estuda duas aproximações importantes para este problema: os Modelos Estatísticos da Forma do Objeto (SOSMs) e os Modelos Nebulosos da Forma do Objeto (FOSMs). Os SOSMs são popularmente conhecidos como métodos de segmentação baseados em atlas e têm sido utilizados amplamente e com suceso em muitas aplicações. Porém, eles precisam do registro deformável das imagens --- um processo demorado que mapeia as imagens em um mesmo sistema de coordenadas (referência), que limita seu uso em estudos com grandes conjuntos de imagens. Os FOSMs são modelos mais recentes que podem ser significativamente mais eficientes que os SOSMs, mas precisam de métodos mais eficazes de reconhecimento e delineamento. Esta dissertação compara pela primeira vez os prós e contras dos SOSMs e FOSMs, utilizando conjuntos de imagens médicas de diferentes modalidades e estruturas anatômicas / Abstract: Image segmentation consists of two tightly coupled tasks: recognition and delineation. Recognition indicates the whereabouts of a desired object, while delineation precisely defines its spatial extent in the image. Recognition also verifies the correctness of the object's delineation. Humans are superior to computers in recognition and the other way around is valid for delineation. Manual segmentation, for instance, is usually considered error-prone, tedious, time-consuming, and subject to inter-observer variability. Therefore, the most effective interactive segmentation methods reduce human intervention to the recognition tasks. In medical images, objects may be body anatomical structures, such as organs, organ systems, and tumors. Their segmentation is a fundamental step to extract measures, such as sizes and distances for quantitative analysis. The visualization of their 3D shapes is also important for qualitative analysis. Both can help experts to study anatomical and physiological phenomena of the human body, differentiate between normal and abnormal, diagnose a disease, establish a treatment, monitor the evolution of a tumor, and plan a surgical procedure. However, a crucial challenge in automated segmentation is to obtain a surrogate mathematical model for humans, able to recognize the anatomy of such structures based on their texture and shape properties. This dissertation investigates two important approaches for this problem: the Statistical Object Shape Models (SOSMs) and the Fuzzy Object Shape Models (FOSMs). SOSMs are popularly known as atlas-based segmentation methods and have been extensively and successfully used in many applications. However, they require deformable image registration --- a time-consuming operation to map images into a common (reference) coordinate system, which limits their use in studies with large image datasets. FOSMs are more recent and can be significantly more efficient than SOSMs, but they require more effective recognition and delineation methods. This dissertation compares for the first time the pros and cons of SOSMs and FOSMs, using image datasets from distinct medical imaging modalities and anatomical structures of the human body / Mestrado / Ciência da Computação / Mestre em Ciência da Computação

Orientador: Diana Rodrigues de Pina / Resumo: Esta pesquisa teve como objetivo o desenvolvimento um novo algoritmo objetivo, confiável, reprodutível e de baixo custo para estimar com precisão o percentual do volume de DM (PDM) em mamografias digitais processadas, produzidas por sistema de radiologia computadorizada (CR). Para atingir esse objetivo três etapas foram adotadas: (i) Foi desenvolvido um algoritmo a ser utilizado como pré-processamento da imagem para realçar os tecidos presentes na região periférica da imagem mamográfica. Os resultados obtidos foram comparados com outras metodologias descritas na literatura, utilizando o valor médio dos pixels, skweness, kurtosis e por análise gradativa visual. Dentre os métodos avaliados a metodologia desenvolvida foi a que obteve os melhores resultados; (ii) Foi desenvolvido um algoritmo para segmentar a área do tecido fibroglanduar da imagem mamográfica. A segmentação foi realizada através da otimização da técnica de Fuzzy C-Means with Variable Compactness (FCMVC). As imagens obtidas foram classificadas conforme a área de tecido fibroglandular e comparados com a avaliação do BI-RADS. O resultado dessa comparação apresenta 67,8% de classificação correta, com coeficiente de correlação de Spearman de ρ = 0,618, para p <0,001. A estatística de Bland-Altman não mostrou diferenças significativas (viés de -0,20 ± 1,52) entre os dois métodos. O coeficiente kappa de Cohen foi de 0,47, sugerindo uma concordância moderada; (iii) Finalmente foi utilizada a segmentação e quantificação r... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: The aim of this research was to develop of a new, reliable, reproducible and low cost algorithm to accurately estimate the percentage of breast density (PBD) in processed digital mammograms, produced by computerized radiology (CR) system. To achieve this goal, three steps were taken: (i) An image preprocessing algorithm was developed to enhance tissues present in the peripheral region of the mammographic image. The obtained results were compared with other methodologies described in the literature, using the mean value of the pixels, skewness, kurtosis and by visual gradient analysis. The methodology developed was the one that obtained the best results; (ii) An algorithm was developed to segment the area of the fibroglandular tissue in mammographic image. This segmentation was performed through the optimization of the Fuzzy C-Means with Variable Compactness (FCMVC) technique. The images obtained were classified according to the area of fibroglandular tissue and compared with the BI-RADS evaluation. The results of this comparison presented 67.8% of correct classification, with Spearman's correlation coefficient of ρ = 0.618, for p <0.001. The Bland-Altman statistic did not show significant differences (bias of -0.20 ± 1.52) between the two methods. Cohen's kappa coefficient comparing the performance of the algorithm with the visual evaluation for the different BI-RADS scores was 0.47, suggesting a moderate but encouraging agreement; (iii) Finally, the segmentation and quantifi... (Complete abstract click electronic access below) / Doutor

Unmanned aerial vehicles, known as UAVs, have evolved over the past two decades to sophisticated aircraft robots able to carry out surveillance, recognition, remote sensing and even attack missions. But there are not many alternatives of autonomous navigation systems for most of these aircraft which still require human intervention to navigate. Devices such as Global Positioning System (GPS) and inertial systems help calculate routes and locate the vehicle on a map among other possibilities, but do not offer solutions to unknown or uncertain circumstances. On the other hand, computer vision techniques have provided many possible applications for intelligent systems such as object recognition, robot localization and reconstruction of 3D maps. This paper explores the use of computer vision and pattern recognition techniques for UAV navigation, and proposes a set of visual features based on color and gradients orientation for image classification. To validate the proposed approach, a system was developed to evaluate the classification and matching of aerial images. The results achieve more than 95% of accuracy and confirm the viability of the selected algorithms and methods for the problem.

A síntese de imagens e o ramo da computação gráfica que se propõe a produzir por computador, cenas imaginarias comfoto-realismo, através da simulação dos efeitos gerados pela interação da luz no ambiente. Neste sentido, o método para síntese de imagens denominado Radiosidade foi apresentado, em 1984,propondo-se modelar a iluminação em ambientes difusos. O método Radiosidade consegue gerar bons resultados, embora a um elevado custo computacional tanto em termos de espaço de armazenamento quanto em tempo de processamento. Este trabalho propoe-se a discutir algumas maneiras de implementar o método Radiosidade num ambiente distribuído fracamente acoplado, buscando paralelizar a computação pelo uso dos diversos nos conectados via rede, de modo a reduzir o tempo total de processamento na geração de imagens. Um dos esquemas de distribuição e implementado, testado e seus resultados apresentados, demonstrando o ganho na performance do sistema com a distribuição. A implementação distribuída do método foi realizada a partir de um sistema Radiosidade desenvolvido para um ambiente centralizado. Uma ferramenta de suporte a distribuição de aplicações DPSK+P, foi utilizada como plataforma de desenvolvimento.

Made available in DSpace on 2019-03-30T00:31:06Z (GMT). No. of bitstreams: 0 Previous issue date: 2018-06-13 / The Parkinson's Disease (PD) consists in a neurodegenerative disorder that affects around 10 million people in the world. This condition is slightly more prevalent in males. PD is characterized by the loss of neurons in a region of the brain, known as Substantia Nigra. The neurons of this region, are responsible for synthesizing the neurotransmitter Dopamine, and a decrease in the production of this substance may cause the motor symptoms that are characteristic of the disease. In order to obtain a definitive diagnosis, the patient's medical history is analysed and the subject is submitted to a series of clinical exams. One of the exams, that take place in the clinical environment, consists of asking the patient to create a series of specific drawings. This work is based in asking the patients to make this drawings using a software developed for this specific purpose. The drawings will then pass through a series of image processing methods in order to "reduce noises and extract the characteristics of each drawing being those 11 metrics that will be stored into a .Excel file. Machine learning techniques such as: OPF, SVM and Naive Bayes, will use the dataset in search for learning about the characteristics for the process of classification of the individuals that were labelled by the classes (Sick and Healthy). Keywords: Machine Learning. Image processing. Software. Parkinson disease. / A Doença de Parkinson (DP) consiste em uma disordem neurodegenerativa que afeta atualmente cerca de 10 milhões de pessoas no mundo, sendo homens os mais propícios a apresentarem a doença. A DP é caracterizada pela perda de neurônios na região do cérebro chamada de Substância Negra. Os neurônios dessa região, são os responsáveis pela sintetização do neurotransmissor Dopamina, cuja a redução nessa região pode ocasionar os sintomas motores tão caracteristicos da doença. Para a realização do diagnóstico da DP, é observado o histórico médico do paciente e realiza-se uma série de exames clinicos afim de estabelecer o diagnostico definitivo da doença e sua mensuração nas escalas. Um dos exames a ser realizado no consultório médico, consiste em pedir que o paciente realize uma série de desenhos específicos, onde são observados os desvios cometidos pelo paciente. Estre trabalho, consiste em fazer com que o paciente realize esses desenhos, utilizando o mouse do computador, no software desenvolvido para este trabalho. Os desenhos passam então por uma série de técnicas de processamento de imagem, afim de reduzir ruidos e extrair as caracteristicas de cada desenho, sendo essas, 11 métricas que são armazenadas em arquivos Excel. Técnicas de Aprendizado de Máquina como Floreta de Caminhos Ótimos (Optimum Path Forest - OPF), Support Vector Machines (SVM) e Classificador Bayesiano (Bayes) são aplicados nos conjuntos de dados em busca do aprendizado sobre as características para o processo de classificação dos indivíduos que foram rotulados pelas classes (Pacientes e Saudáveis). Palavras-chave: Aprendizagem de máquina. Processamento de imagem. Software. Doença de Parkinson.

Made available in DSpace on 2014-06-12T17:40:35Z (GMT). No. of bitstreams: 2 arquivo7036_1.pdf: 2047609 bytes, checksum: e3d87bd28e5314c857de9b11d1bc348a (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2008 / Para avaliar a qualidade do desempenho de ferramentas comerciais de Reconhecimento Óptico de Caracteres (OCR) é necessário adquirir métricas para avaliar o quanto um texto transcrito está próximo do texto original, uma vez que quando uma imagem sofre alterações, por menores que sejam, estas influenciam nas transcrições dos OCR s. Neste trabalho será apresentada uma nova métrica para avaliar transcrições de OCR s: através da aplicação de técnicas de filtragem (brilho, contraste, resolução, rotação, etc.) na imagem original, para que as mudanças mínimas gerem inúmeras imagens, as quais serão submetidas ao OCR e resultarão em textos distintos. Um algoritmo foi desenvolvido para comparar os textos gerados, analisando desde a quantidade de linhas até a igualdade entre os caracteres. Através da análise de maior freqüência entre os caracteres, este algoritmo gera um novo arquivo-texto. Com o uso desta metodologia, o arquivo gerado ficou muito próximo do original com um índice de acerto maior que os arquivos transcritos sem o processo de filtragem

Dissertação (Mestrado em Engenharia Elétrica) - Centro Universitário FEI, São Bernardo do Campo, 2016.

O desenvolvimento de novas tecnologias proporciona meios para novas pesquisas e, no caso dos dados gerados por sensores remotos, seu entendimento e utilização constituem uma ampla fonte para a geração de novos conhecimentos científicos. Imagens de média resolução espacial, a exemplo o sensor ASTER, apresentam fontes de informação de grande valor. O presente trabalho tem o propósito de investigar as potencialidades dessas imagens na discriminação espectral de vinhedos e, adicionalmente, verificar o comportamento espectral de variedades de viníferas frente à influência de efeitos de sombreamento. Para esta análise, a Vinícola Veramonte, no Valle de Casablanca-Chile, foi escolhida por ser adequada em termos de topografia, repartição de parcelas, informações de campo e disponibilidade de imagens. Como imagens ASTER são coletadas com resoluções de 15m e 30m, operações de reamostragem são necessárias para uma maior exploração dos dados. As bandas do subsistema SWIR, com pixels de 30 m, foram reamostradas pelo método do Vizinho mais Próximo para 15 m e processadas junto com as três bandas do subsistema VNIR, possibilitando realizar a investigação espectral utilizando-se 9 bandas. Comparações estatísticas (teste t) foram feitas em imagens originais e reamostradas, constatando-se que ambas não diferem significativamente. A influência da sombra entre fileiras de vinhas na resposta espectral também foi investigada. A proporção de sombra entre as fileiras é variável, em função da orientação das filas, da distância zenital e do azimute do Sol na hora da aquisição da imagem. Foram estudadas as variedades Chardonnay, Merlot e Sauvignon Blanc em três imagens de diferentes datas. Determinados os diferentes grupos, esses foram submetidos a análises de similaridade, usando-se ANOVA, seguidos do teste de Tukey. Comparou-se também a separabilidade de diferentes variedades, que apresentavam a mesma quantidade de sombra. As imagens foram classificadas através do classificador de Mínima Distância para verificar a eficácia desse classificador em detectar a variação de sombra. A validação final foi realizada através da comparação da imagem classificada com as informações contidas no mapa de localização das cepas. Como resultados, foi confirmada a validade da reamostragem de pixels pelo método do vizinho mais próximo, sem alteração do valor digital, e constatou-se a influência do substrato (solo iluminado ou sombreado) na caracterização espectral das variedades viníferas, e a sua influência na classificação das imagens ASTER. / Technological developments lead to new sources of research, and in the case of data from remote sensors, their understanding and use allow the generation of new scientific knowledge. For images of medium spatial resolution, the ASTER sensor is an important information source. This study aims to investigate the potential of ASTER images in the discrimination of vineyards, and to verify the spectral behavior of the vinifera varieties in face of the influence of shadow effects. For this analysis, the property of Viña Veramonte, at Valle Casablanca, Chile, was chosen, since it proved to be adequate for its topography, plot partition, field data, and images availability. Since ASTER images are acquired with spatial resolutions of 15m and 30 m, resampling procedures are necessary to the full use of data from the nine spectral bands of VNIR and SWIR; however, such practices are frequently considered as sources of false information, and this issue was investigated first. The six SWIR bands, with 30m pixels, were resampled to 15m using the Nearest Neighbor method, allowing to perform a spectral investigation with nine bands. Statistical comparisons using the t test were applied both to the original and resampled images, being shown that the two images don’t differ significantly; this allowed to proceed the study using resampled images with nine spectral bands. The influence of shadow between rows of vines was then investigated. The percentage of shadow between rows is variable, being a function of row orientation, of Sun’s zenith distance and azimuth, and of the time of image acquisition. Using maps provided by the vineyard managers, informing vine varieties and their places, it was possible to derive the spectral information and to identify the vine parcels in images, which were separated by groups according to their shadow percentages. The grape cultivars Chardonnay, Sauvignon Blanc and Merlot were studied in images of three dates. After defining the three groups, they were analyzed through the ANOVA and Tukey Test methods. A comparison was also made for those varieties which had the same proportion of shadow. All images were classified through the Minimum Distance algorithm, to verify the performance of this classification technique in detecting the shadow change. The final validation was made by comparing the classified image with information from the vineyard map. As results, the validity of the pixel resampling by the Nearest Neighbor method was demonstrated, as the influence of the inter-rows shadow in the classification of ASTER images.