Programa de Pós-Graduação em Ciência da Computação. Departamento de Ciência da Computação, Instituto de Ciências Exatas e Biológicas, Universidade Federal de Ouro Preto. / Submitted by Oliveira Flávia (flavia@sisbin.ufop.br) on 2015-01-06T16:55:02Z No. of bitstreams: 2 license_rdf: 22190 bytes, checksum: 19e8a2b57ef43c09f4d7071d2153c97d (MD5) DISSERTAÇÃO_ReconhecimentoSinaisEstáticos.pdf: 4774831 bytes, checksum: fd107eae50704869137ffff1117d53a4 (MD5) / Approved for entry into archive by Gracilene Carvalho (gracilene@sisbin.ufop.br) on 2015-01-15T17:22:14Z (GMT) No. of bitstreams: 2 license_rdf: 22190 bytes, checksum: 19e8a2b57ef43c09f4d7071d2153c97d (MD5) DISSERTAÇÃO_ReconhecimentoSinaisEstáticos.pdf: 4774831 bytes, checksum: fd107eae50704869137ffff1117d53a4 (MD5) / Made available in DSpace on 2015-01-15T17:22:14Z (GMT). No. of bitstreams: 2 license_rdf: 22190 bytes, checksum: 19e8a2b57ef43c09f4d7071d2153c97d (MD5) DISSERTAÇÃO_ReconhecimentoSinaisEstáticos.pdf: 4774831 bytes, checksum: fd107eae50704869137ffff1117d53a4 (MD5) Previous issue date: 2014 / Durante os últimos anos, têm sido desenvolvidas diversas abordagens para o reconhecimento de sinais. Muitas delas baseadas somente em informação de intensidade, o que tornava o pré-processamento mais complexo. Devido ao avanço da tecnologia, têm sido desenvolvidos novos dispositivos para a obtenção de informação mais complexa, além da informação de intensidade também é fornecida informação de profundidade e localização. O sensor Kinect é um deles e foi criado no ano de 2010. Com esse dispositivo, é possível obter dois tipos de informações: intensidade e profundidade. Isso significa uma vantagem quando se quer desenvolver um modelo para reconhecimento de sinais. Como já foi dito, usar somente informação de intensidade, que é o mais usual, implica ter processos mais complexos e algumas vezes imprecisos. Para solucionar isso, é possível usar informação de profundidade que, além de conter informação da mão, facilita o pré-processamento. Nesta dissertação apresentamos um modelo para o reconhecimento de sinais estáticos, usando informação de intensidade e profundidade (RGB-D) de cada sinal. As imagens de intensidade oferecem informação visual do sinal. Enquanto que as imagens de profundidade permitem obter informação da forma da mão com a qual é executado o sinal. Além disso, usando este último tipo de imagem, o processo de segmentação é facilitado. Uma avaliação entre o descritor local SIFT e o descritor kernel gradiente foi realizada na etapa de extração de características. A partir das características obtidas, foi extraída informação semântica usando a técnica BoW (Bag-of-Words), para então finalmente classificar os sinais usando SVM (Support Vector Machine). Os resultados reportados nesta dissertação se mostraram superiores a outros modelos da literatura. Foi alcançado um incremento na acurácia de 20%, sendo o melhor resultado de 95,63% de acurácia média, isso demonstra que o modelo proposto é promissor no reconhecimento de sinais.

Orientador : Marilisa Nano Costa / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Ciências Médicas / Made available in DSpace on 2018-07-29T01:18:31Z (GMT). No. of bitstreams: 1 Senne_FirmaniMelloBentode_M.pdf: 8892502 bytes, checksum: f00112dc60438b5efb50ff76a2500089 (MD5) Previous issue date: 2001 / Resumo: Este estudo foi realizado com o objetivo de desenvolver um modelo semiológico para determinar se a estereoacuidade medida pelo teste de Titmus pode ser um indicador objetivo de melhora funcional após a capsulotomia em casos unilaterais de opacificação de cápsula cristaliniana posterior. Catorze pacientes com opacificação de cápsula posterior unilateral pós-facectomia com implantação de lente intra-ocular (6 pacientes fácicos e 8 pseudofácicos no olho contralateral) foram estudados prospectivamente. A acuidade visual variou de 0,05 a 0,5 no olho com opacificação de cápsula posterior e de 0,7 a 1,0 no olho contralateral (sem opacificação de cápsula posterior). Todos os pacientes foram submetidos a capsulotomia posterior com Neodymium: Yttrium-Aluminum-Garnet (Nd:YAG) laser. A estereoacuidade pré e pós-capsulotomia foi medida pelo teste de Titmus. A análise estatística foi efetuada usandose testes não paramétricos (Wilcoxon e Spearman). Houve melhora significativa da estereoacuidade após a capsulotomia posterior com Nd:YAG laser nos pacientes da população estudada. O trabalho revelou dados preliminares para análise do efeito da capsulotomia posterior em casos de opacificação de cápsula unilateral na estereoacuidade, demonstrando que a catarata secundária reduz a visão estereoscópica e concluindo que a estereoacuidade, ao lado da acuidade visual, pode ser um parâmetro objetivo de indicação de capsulotomia em casos unilaterais de opacificação da cápsula posterior / Abstract: This study was designed to develop a semiologic model to determine whether stereoacuity is an objective mdicator of functional improvement following unilateral secondary capsulotomy. Fourteen patients with unilateral posterior capsule opacification post cataract surgery with implantation of intraocular lens (6 phakic, 8pseudophakic m contralateral eye) were studied prospectively. Visual acuity ranged from 0,05 to 0,5 m the eye with posterior capsule opacification and ranged from 0,7 to 1,0m contralateral eye. All patients had Neodymium: Yttrium-Alummum-Garnet (Nd:YAG) laser capsulotomy. Stereoacuity was measured before and afier capsulotmy by Titmus testo Nonparametric Spearman rank correlation and Wilcoxon rank tests were used for analysis. Stereoacuity improved afier capsulotomy m alI patients. The visual acuity m the eye with posterior capsule opacification did not correlate with stereoacuity afier capsulotomy. This study demonstrated that posterior capsule opacification reduces the depth vision and concluded that stereoacuity may provide an mdication for unilateral capsulotomy / Mestrado / Oftalmologia / Mestre em Ciências Médicas

Made available in DSpace on 2016-12-23T14:33:34Z (GMT). No. of bitstreams: 1 dissertacao.pdf: 7639680 bytes, checksum: bafdf34994fbf543be654c45e264bc74 (MD5) Previous issue date: 2005-07-15 / The images formed on the human retinas has only two dimensions, however the brain is capable of synthesizing a three-dimensional representation with color, shape and depth information about the environment surroundings. For in such a way, after choosing a point in the 3-D space, the eyes verge to this fixation point and, at the same time, the visual system is fed back with eyes placement information, supplied by ocular motor system, considering them as the distance of this point to the observer. The depth perception around the vergence point may be got by estimating the disparity, the positional difference between the two retinal projections of a given point in space results from the horizontal separation of the eyes. Most of the depth perception processing is done by visual cortex, mainly in V1 and MT areas. This work presents a modeling and implementation of a mathematical computational neural architecture that represents the V1 and MT cortical areas, based in visual cortex neurophysiology, used to create in a computer a 3-D representation of the surrounds, using images from two cameras connected to this computer. This model implementation was based upon Gabor filters and log-polar mapping. With this model it is possible to make a disparity map of the images and thus calculate the 3-D spatial position of each image point represented in the disparity map. This way it is possible to create a 3-D representation of the surrounds in a computer. / As imagens projetadas nas retinas humanas são bidimensionais, entretanto o cérebro é capaz de sintetizar uma representação tridimensional com informações sobre cor, forma e profundidade a respeito os objetos no ambiente ao seu redor. Para tanto, após escolher um ponto no espaço 3-D, os olhos vergem para este ponto de fixação e, em paralelo, o sistema visual é realimentado com informações sobre o posicionamento dos olhos, fornecidas pelo sistema óculo-motor, interpretando-as como a distância deste ponto ao observador. A percepção de profundidade ao redor do ponto de vergência pode ser obtida estimando a disparidade, isto é, a diferença de posição entre pontos correspondentes nas retinas, causada pela separação horizontal dos olhos na cabeça. A maior parte do processamento necessário à percepção da profundidade é realizada pelo córtex visual, principalmente nas áreas V1 e MT. Neste trabalho é apresentada uma modelagem e implementação matemático-computacional de uma arquitetura neural, representando as áreas corticais V1 e MT, baseada em estudos da neurofisiologia do córtex visual com o intuito de criar num computador uma representação tridimensional do mundo externo, a partir de imagens obtidas de duas câmeras acopladas a este computador. A implementação deste modelo foi baseada em filtros de Gabor e mapeamento log-polar da retina para o córtex. Com este modelo é possível construir um mapa das disparidades entre as imagens e, a partir deste mapa, calcular a posição no espaço tridimensional de cada ponto da imagem representado no mapa. Desta forma, é possível criar uma representação tridimensional interna ao computador do ambiente ao seu redor.

Made available in DSpace on 2016-12-23T14:33:44Z (GMT). No. of bitstreams: 1 Helio Perroni Filho - Parte 1.pdf: 3384577 bytes, checksum: 0d5b939b9a0aba325eeba2cd1c1dc632 (MD5) Previous issue date: 2010-02-28 / Um problema central para a Visão Computacional é o de depth estimation ( estimativa de profundidades ) isto é, derivar, a partir de uma ou mais imagens de uma cena, um depth map ( mapa de profundidades ) que determine as distâncias entre o observador e cada ponto das várias superfícies capturadas. Não é surpresa, portanto, que a abordagem de stereo correspondence ( correspondência estéreo ), tradicionalmente usada nesse problema, seja um dos tópicos mais intensamente investigados do campo... / Depth estimation taking one or more images from a scene and estimating a depth map, which determines distances between the observer and points taken from various object surfaces is a central problem in computer vision...