Made available in DSpace on 2014-11-10T11:09:41Z (GMT). No. of bitstreams: 0 Previous issue date: 2013-08-09Bitstream added on 2014-11-10T11:58:47Z : No. of bitstreams: 1 000787016.pdf: 4805408 bytes, checksum: 0190609cba368b0dfd9adb118969758e (MD5) / Atualmente, dada a difusão dos computadores pela sociedade, a tarefa de se reconhecer padrões visuais está sendo cada vez mais automatizada, em especial para tratar a vasta quantidade de imagens digitais existentes. Aplicações de diversas áreas como biometria, recuperação de imagens baseada em conteúdo e diagnóstico médico, se valem do processamento de imagens bem como de técnicas de extração e análise de características das mesmas a fim de identificar pessoas, objetos, ações, textos, etc. As características básicas que são utilizadas na análise de uma imagem digital são: cor, textura e forma. Neste trabalho são apresentados conceitos fundamentais sobre a análise de formas em imagens digitais, assim como métodos propostos na literatura para tal procedimento. Apresenta-se também um novo método para análise de formas planas, denominado HTS (Hough Transform Statistics), com três versões de descritores. Esses três descritores se valem de valores estatísticos extraídos do espaço de Hough para a caracterização das formas de objetos em imagens digitais. Experimentos realizados mostram que estes novos descritores são muito eficazes e eficientes quando comparados com outros propostos na literatura, apresentando desempenhos superiores em muitos casos, tanto no quesito acurácia quanto no tempo de processamento. Os descritores propostos se configuram como boas alternativas, particularmente quando se deseja reconhecer objetos pela forma em grandes bases de dados, contendo imagens com grandes dimensões ou com alta resolução, tendência verificada nos dias atuais dada a popularização e o barateamento dos sensores de captura e das mídias de armazenamento / Nowadays, given the widespread use of computers by society, the task of recognizing visual patterns are increasingly being automated, in particular to address the vast amount of digital images available. Applications of many areas such as biometrics, content-based image retrieval and medical diagnosis, make use of image analysis techniques in order to identify people, objects, actions, texts, etc. in the images. The basic features that can be extracted and analyzed from digital images are color, texture and shape. This paper presents some fundamental concepts about the shape analysis on digital images as well as some methods proposed in the literature. It also proposes a new shape analysis method called HTS (Hough Transform Statistics), with three versions of shape descriptors, which make use of statistical values extracted from the Hough space in order to characterize the shape of objects. Experiments conducted show that these new descriptors are very effective, presenting excellent performance regarding accuracy and processing time. These methods are good alternatives for the shape analysis task especially when working with large or high-resolution images, and with large databases, a tendency in our days, given the popularization and low costs of sensors and storage media

Dissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Elétrica, Programa de Pós-Graduação em Engenharia de Sistemas Eletrônicos e Automação, 2012. / Submitted by Alaíde Gonçalves dos Santos (alaide@unb.br) on 2012-06-05T13:51:53Z No. of bitstreams: 1 2012_ThiagodaRocha.pdf: 4149743 bytes, checksum: e943bb5c2633ad1dc18db2f78cb73e4a (MD5) / Approved for entry into archive by Jaqueline Ferreira de Souza(jaquefs.braz@gmail.com) on 2012-06-14T14:08:22Z (GMT) No. of bitstreams: 1 2012_ThiagodaRocha.pdf: 4149743 bytes, checksum: e943bb5c2633ad1dc18db2f78cb73e4a (MD5) / Made available in DSpace on 2012-06-14T14:08:22Z (GMT). No. of bitstreams: 1 2012_ThiagodaRocha.pdf: 4149743 bytes, checksum: e943bb5c2633ad1dc18db2f78cb73e4a (MD5) / A recente revolução tecnológica ocorrida nas últimas décadas nos proporcionou a disponibilização de computadores com grande capacidade de armazenamento e processamento. Além disso, também temos ao nosso alcance câmeras de vídeo com alta qualidade de captura de imagens. Este cenário nos permite criar, armazenar e distribuir grande quantidade de vídeos. Diversas áreas da sociedade, tais como, vigilância, controle de tráfego e entretenimento, tem demandado o desenvolvimento de novas técnicas e metodologias automatizadas de análise de vídeos, as quais são independentes da avaliação humana ou de buscas exaustivas pelos arquivos de vídeo. Aplicações naturais para estas áreas podem incluir: reconhecimento baseado em movimento, navegação veicular, vigilância automatizada, monitoramento de fluxo de veículos e pedestres, controle de qualidade em fábricas, indexação de vídeos e iteração homem-máquina. Neste trabalho propomos uma metodologia para o reconhecimento de ações humanas executadas em sequências de imagens usando Visão Computacional e Inteligência Computacional. Na etapa de Visão Computacional utilizamos uma combinação de duas técnicas de análise de movimento: Histograma de Fluxo Óptico Orientado e Análise de Contorno de Objetos. Na etapa de Inteligência Computacional nós utilizamos um Mapa-Auto Organizável (SOM, do inglês Self-Organizing Map) otimizado através da rede de Aprendizado por Quantização Vetorial (LVQ, do inglês Learning Vector Quantization). Testamos a metodologia proposta com uma base de dados que contém diferentes tipos de ações humanas. Por meio dos resultados obtidos e comparando-os com outras propostas encontradas na literatura, demonstramos a utilidade e a robustez da técnica. _______________________________________________________________________________ ABSTRACT / The technology evolution that we experienced over the last decades increased the availability of computers with high processing and storage capacity, and video cameras with high quality image capture. It made it easier to create, store and upload videos. Considering this scenario, the areas such as surveillance, traffic control and entertainment deal with increasingly high amounts of video information, and require the development of new methodologies and techniques for video analysis. The increase in the overall amount of available video has set a requirement for simpler video analysis, independent of human evaluation and exhaustive searches. Natural applications of automatic video analysis include: motion based recognition, vehicle navigation, surveillance automation, pedestrian and vehicle flow monitoring, quality control in factories, video indexing and man-machine interaction. In this work we develop and test a method for recognition of human actions in sequence of images using Computer Vision and Computational Intelligence. The Computer Vision stage is a combination of two motion analysis techniques: Histogram of Oriented Optical Flow and Object Contour Analysis. For the Computational Intelligence stage we use a Self-Organizing Map (SOM) optimized through Learning Vector Quantization (LVQ). We test the proposed method against a database with different kinds of human actions. From the results and comparing it to other proposals in the literature, we show the usefulness and robustness of this method.

Made available in DSpace on 2018-07-27T17:13:51Z (GMT). No. of bitstreams: 0 Previous issue date: 2015-06-24. Added 1 bitstream(s) on 2018-07-27T17:16:51Z : No. of bitstreams: 1 000897073.pdf: 4562740 bytes, checksum: 671b2f233c5b8e084f91fb4fa5539f8f (MD5) / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / Crateras de impacto são estruturas formadas pela colisão de meteoritos com a superfície de corpos planetários rochosos. O estudo de crateras de impacto é um ponto chave para o entendimento da história do sistema solar, visto que o processo de colisão está presente desde a formação dos planetas até os dias atuais. Desta forma, existem inúmeros trabalhos realizados que envolvem crateras de impacto; dentre eles estão os desenvolvidos na tentativa de realizar a detecção automática dessas feições. A maioria dos trabalhos utilizam imagens da Lua e de Marte, devido à grande quantidade de imagens disponíveis para esses dois corpos planetários. Em contrapartida, a realização desta tarefa para Mercúrio só se tornou possível há poucos anos atrás, com o envio da sonda Messenger. Por esse motivo, existem poucos trabalhos desenvolvidos na tentativa de realizar a detecção de crateras em Mercúrio. Neste sentido, este trabalho apresenta uma metodologia para detecção de crateras em Mercúrio em imagens digitais MDIS-NAC. As imagens utilizadas possuem diferentes resoluções espaciais e pertencem a três bacias da superfície de Mercúrio. A metodologia é dividida em quatro etapas principais, sendo a primeira a construção do mosaico de imagens, em seguida realiza-se a seleção de áreas candidatas a crateras, por meio de operações morfológicas e análise da forma. Posteriormente, as características das áreas candidatas são extraídas pelas máscaras Haar-like. Por fim, utiliza-se SVM (do inglês, Support Vector Machine) para classificar as áreas candidatas em crateras e não crateras... / Impact craters are geological structures formed by the collision of a meteorite with rocky planetary surfaces. The study of impact craters is a key point in understanding the history of solar system as the collision process has been present from the planet's formation until the present day. Consequently, several works have been carried out involving impact craters. Among them, some have been developed with the aim of identifying these features automatically. However, the vast majority deal only with images from the surfaces of Mars and the Moon. This is directly related to the huge amount of image data available for these two bodies, in comparison with other surfaces. However, just a couple of years ago it became possible to carry out this work for the planet Mercury. Images of the whole of the planet's surface have been obtained only after the Messenger probe. For this reason, few attempts have been made to make automated crater detections on Mercury. This work, presents a methodology to detect impact craters on Mercury from MDISC-NAC images. The images cover three of Mercury's basins and they have different spatial resolutions. The methodology is divided into four main steps. The first consists of creating image mosaics of the areas of interest; the second of finding crater candidates on the mosaics by using morphological operation and shape analysis. Subsequently, the set of features is extracted from the candidates by a Haar-like mask...

O objetivo deste trabalho é apresentar algoritmos aplicados para extração de características invariantes à rotação em imagens de impressões digitais. No pré-processamento da imagem utiliza-se detecção de bordas pelo detector de Canny tendo como resultado uma imagem binarizada e afinada. Na extração das minúcias a metodologia adotada é o número de cruzamentos (CN), que extrai os aspectos locais, tais como, as minúcias fim de linha e bifurcações. A direção das cristas locais não é utilizada porque nas imagens rotacionadas a condição de permanência das propriedades biométricas não são satisfeitas. A comparação das impressões digitais utiliza os vetores gerados pela extração de minúcias considerando a posição (x,y) da minúcia armazenada em um vetor por tipo de minúcia (um vetor para crista final e outro vetor para crista bifurcada) e calculando a distância Euclidiana dessa posição (x,y) ao centro de massa da distribuição de minúcias para cada tipo de minúcia. Assim, as duas imagens são similares quando a distância Euclidiana entre os vetores de cada imagem e por tipo de minúcia forem mínimas. São discutidas as limitações de outros trabalhos existentes envolvendo rotação, translação e distorção da imagem de impressão digital, mostrando que os poucos trabalhos que tratam o problema possuem resultados não satisfatórios. Os maiores problemas ocorridos foram a extração de minúcias espúrias, mas foram resolvidos com os métodos sugeridos por Dixon (1979), tendo resultados satisfatórios em duas metodologias. No método média, a precisão para encontrar uma imagem foi de 100%, duas imagens 97,32%, três imagens 92,35%, quatro imagens 86,41% e cinco imagens 71,86%. E no método normal, a precisão para encontrar uma imagem foi de 100%, duas imagens 99,20%, três imagens 96,95%, quatro imagens 94,00% e cinco imagens 76,43%. / The objective of this research is to present algorithms that can be applied in fingerprints images in order to extract certain features, which are invariant to an likely rotation in the given image. In the preprocessing stage, the Canny border detector is used, resulting in a binary, fine tuned image. For the minutiae extraction, the crossing number method is used, which extracts local aspects such as minutiae endings and bifurcations. The direction of local ridges is ignored because, in rotated images, the permanence conditions of the biometric attributes are not fulfilled. The process of matching fingerprints uses two arrays (one for ridge endings and the other for bifurcations), which are generated by the extraction of the minutiae, considering the (x,y) coordinate of the given minutiae stored in the arrays, and calculating its Euclidian distance relating to the center of mass of the minutiae distribution, for each of its types (ending or bifurcation). Thus, both images are similar when the Euclidian distance between the arrays of each image, distinct by the type of each minutiae, is minimal. The limitations of other pieces of research works concerning fingerprint image rotation, translation and distortion are discussed, indicating that the only few ones that deal with these kinds of problems give unsatisfactory results.

Made available in DSpace on 2016-06-02T19:05:15Z (GMT). No. of bitstreams: 1 DissFBT.pdf: 3028392 bytes, checksum: 34e861e6d850526cff7048ebfc3f8aed (MD5) Previous issue date: 2003-08-20 / In this work, it is presented a system for decision-making based on stereoscopic image generation and recognition of circular patterns. For stereoscopic imaging are used two low cost Web cam in canonical configuration and block correspondence, which is used to find out the correspondence between images from a scene of interest. Also, the fast Hough transform is used to recognize circular patterns, which are identified and corrected based on their diameters with depth information obtained from both stereoscopic imaging and a calibration factor. The results obtained with simulated patterns and with composed real scenes with circular patterns in varied situations of special distribution illustrate the method potentiality for decision-making in procedures, which involve circular pattern recognition. / É apresentado um sistema para auxilio a tomada de decisão baseado na geração de imagens estereoscópicas e reconhecimento de padrões circulares. Para o imagiamento estereoscópico são utilizadas duas câmeras de baixo custo do tipo Webcam em configuração canônica e correspondência por blocos é utilizada para se encontrar a correspondência entre duas imagens adquiridas de uma cena de interesse. Adicionalmente a transformada rápida de Hough é utilizada para o reconhecimento de padrões circulares, os quais são, após identificados, corrigidos em função de seus diâmetros com a informação da profundidade obtida por estereoscópica e um fator de escala dado pela calibração do método. Resultados obtidos com padrões simulados e com cenas reais compostas com padrões circulares em diversas situações de distribuição espacial ilustram a potencialidade do método para auxílio de tomada de decisão em processos que envolvem o reconhecimento de padrões circulares.

Made available in DSpace on 2016-06-02T19:05:16Z (GMT). No. of bitstreams: 1 DissFAB.pdf: 1452279 bytes, checksum: 36f870c836fe00e61421c842b6ef1291 (MD5) Previous issue date: 2006-02-24 / Universidade Federal de Minas Gerais / Pattern Recognition is a subject being used in a multidisciplinary scope, with different approaches. One of them is its application in computerized tomography images, commonly acquired in order to do medical diagnosis, but they have been used in several other applications as well, including Soil Science. The objective of this work is to study and to discuss the performance of neural network-based classifiers (Multilayer Perceptron and Radial Basis Functions) and classifier combiners (Bagging, Decision Templates and Dempster-Shafer) applied to identify materials in Soil Science multispectral images, acquired using Computerized Tomography. The results were evaluated by error estimation by Hold- Out and the Kappa coefficient. / Reconhecimento de Padrões é uma área de âmbito multidisciplinar, com diversas abordagens. Uma delas é a aplicação em imagens de tomografia computadorizada, obtidas mais comumente para fins de diagnóstico médico, mas que também vêm sendo utilizadas nas mais variadas aplicações, inclusive Ciência dos Solos. O objetivo deste trabalho é estudar e discutir o desempenho de classificadores baseados em redes neurais (Perceptron de Múltiplas Camadas e Redes de Função de Base Radial) e da combinação de classificadores (Bagging, Decision Templates e Dempster-Shafer) na identificação de materiais em imagens multiespectrais de Ciência de Solos obtidas através de tomografia computadorizada. Os resultados foram avaliados através da estimativa de erro obtida pelo método Hold-Out e do coeficiente Kappa.

Made available in DSpace on 2016-06-02T19:05:16Z (GMT). No. of bitstreams: 1 DissLGPN.pdf: 973893 bytes, checksum: d6c9825733402bdd76187d2779e3f8b0 (MD5) Previous issue date: 2004-02-27 / Universidade Federal de Sao Carlos / Constructive neural learning is a neural learning model that does not assume a fixed topology before training begins. The main characteristic of this learning model is the dynamic construction of the network hidden layers which occurs simultaneously with training. This research work investigates six constructive neural algorithms namely, tower, pyramid, tiling, upstart, Distal and cascade-correlation, evaluating each of them with relation to advantages and disadvantages, ease of training, size and topology of the network, restrictions and performance. The work presents a computational system (CONEB) which implements each algorithm. Results obtained by using the different algorithms in several knowledge domains are presented and analysed. / Aprendizado Neural Construtivo é um modelo de aprendizado neural que não pressupõe a definição de uma topologia de rede fixa antes do início do treinamento. A principal característica deste modelo de aprendizado é a construção dinâmica das camadas intermediárias da rede, à medida que vão sendo necessárias ao seu treinamento. Este trabalho de pesquisa investiga seis algoritmos neurais construtivos, a saber, tower, pyramid, tiling, upstart, Distal e cascade-correlation, buscando avaliar cada um deles com relação a vantagens e desvantagens, facilidade no treinamento, tamanho e topologia de rede criada, restrições de uso e desempenho. O trabalho apresenta um ambiente computacional (CONEB) que disponibiliza a implementação de cada um dos algoritmos. São apresentados e analisados os resultados obtidos utilizando os diferentes algoritmos em vários domínios de conhecimento.

Made available in DSpace on 2016-06-02T19:05:18Z (GMT). No. of bitstreams: 1 DissALML.pdf: 2156518 bytes, checksum: eb0b0619b9319fd2b1128f575f5041ff (MD5) Previous issue date: 2006-02-22 / Universidade Federal de Sao Carlos / Methods for feature extraction represent an important stage in statistical pattern recognition applications. In this work we present how to improve classification performance creating a feature fusion framework to combine second and higher order statistical methods, avoiding existing limitations of the individual approaches and problems as ill-conditioned behavior, which may cause unstable results during the estimation of the independent components (whitening process) and eventual noise amplifications. The resulting scheme is used to combine features obtained from a variety of methods into a unique feature vector defining two approaches: Concatenated and Hierarquical Feature Fusion. The methods are tested on both multispectral and hyperspectral remote sensing images, which are classified using the maxver (maximum likelihood) approach. Results indicate that the technique outperforms the usual methods in some cases, providing a valid useful tool for multivariate data analysis and classification. / Métodos para extração de atributos compõem uma etapa fundamental em aplicações na área de reconhecimentos de padrões. O presente trabalho apresenta uma metodologia para melhorar o desempenho da classificação criando modelos para fusão de atributos que combinam métodos estatísticos de segunda ordem com métodos de ordens superiores, superando limitações existentes nas abordagens tradicionais, como problemas de mal-condicionamento, o que pode provocar instabilidade na estimação dos componentes independentes, além de eventuais amplificações de ruídos. O esquema resultante é utilizado para combinar atributos obtidos através de diversos métodos num único vetor de padrões em duas abordagens: Fusão Concatenada e Fusão Hierárquica. A metodologia proposta é aplicada em diversos estudos de casos, incluindo imagens multiespectrais e hiperespectrais de sensoriamento remoto, classificadas utilizando-se a abordagem de máxima verossimilhança. Resultados indicam que essa metodologia supera métodos de segunda ordem tradicionais em alguns casos, constituindo um válido e interessante ferramental para análise e classificação de dados multivariados.

Made available in DSpace on 2016-06-02T19:05:18Z (GMT). No. of bitstreams: 1 DissMHH.pdf: 1099194 bytes, checksum: 184b5cdd154482fba5534e26df80594f (MD5) Previous issue date: 2003-08-27 / This work presents a methodology for predetermined facial attributes recognition preestablished. This work realizes the recognition of facial attributes previously established: right eye, left eye, nose and lip, using an alternative implementation of Neocognitron Neural Network, robust for distortions and shifts on input patterns. The implementation of the neural network (NEOFAR - Neocognitron for Facial Attributes Recognition), consists of two sub-networks: Neural Network for Detecting of Control Points (NNDCP), which is used for edge detection, line detection, and line end detection, during the training phase; and Neural Network for Facial Recognition (NNFR), which is used for complex features manipulation, during the recognition phase. The performance evaluation showed the viability of project for many applications with excellent future perspectives. The performance tests showed rightness taxes over 85%. / Este trabalho é relativo à metodologia de reconhecimento de atributos faciais préestabelecidos: olho direito, olho esquerdo, nariz e lábio, utilizando uma implementação alternativa da Rede Neural Neocognitron, robusta a distorções e deslocamentos no padrão de entrada. A implementação da rede neural (NEORAF-Neocognitron para o Reconhecimento de Atributos Faciais), consiste de duas sub-redes: Rede Neural para Detecção de Pontos de Controle (RNDPC), que detecta bordas, linhas e extremidades de linhas nos padrões de entrada, durante o treinamento; e Rede Neural para Reconhecimento Facial (RNRF), que é a rede propriamente usada para o reconhecimento, constituído de camadas para manipulação de fatores complexos. A avaliação de desempenho mostrou a viabilidade do sistema para diversas aplicações com excelentes perspectivas futuras. Os testes de desempenho apresentaram taxas de acerto acima de 85%.

Made available in DSpace on 2016-06-02T19:05:19Z (GMT). No. of bitstreams: 1 DissJRBJ.pdf: 1580108 bytes, checksum: 0456aef8508685d7e69da2661dc5877b (MD5) Previous issue date: 2006-05-25 / Financiadora de Estudos e Projetos / Constructive neural learning is a neural learning model that does not assume a fixed network topology before training begins. The main characteristic of this learning model is the dynamic construction of the network s hidden layers that occurs simultaneously with training. This work investigates three topics related to constructive neural learning namely algorithms for training an individual TLU, constructive neural algorithms for two class problems and constructive neural algorithms for multiclass problems. The first research topic is approached by discussing a few TLU training algorithms, namely Perceptron, Pocket, Thermal, Modified Thermal, MinOver and BCP. This work approaches constructive neural learning for two class classification tasks by initially reviewing Tower, Pyramid, Tiling and Upstart algorithms, aiming at their multiclass versions. Next five constructive neural algorithms namely Shift, Offset, PTI, Perceptron Cascade and Sequential are investigated and two hybrid algorithms are proposed: Hybrid Tiling, that does not restrict the TLU s training to only one algorithm and the OffTiling, a collaborative approach based on Tiling and Offset. Multiclass constructive neural learning was approached by investigating TLUs training algorithms that deal with multiclass as well as by investigating multiclass versions of Tower, Pyramid, Tiling, Upstart and Perceptron Cascade. This research work also describes an empirical evaluation of all the investigated algorithms conducted using several knowledge domains. Results are discussed and analyzed. / Aprendizado neural construtivo é um modelo de aprendizado neural que não pressupõe a definição de uma topologia de rede fixada antes do início do treinamento. A principal característica deste modelo de aprendizado é a construção dinâmica das camadas intermediárias da rede, à medida que vão sendo necessárias ao seu treinamento. Este trabalho investiga três frentes de pesquisas com relação ao aprendizado neural construtivo, a saber, algoritmos para o treinamento de TLUs, algoritmos neurais construtivos para problemas que envolvem duas classes e algoritmos neurais construtivos para o tratamento de problemas multiclasses. Com relação à primeira frente de pesquisa os algoritmos discutidos para o treinamento de TLUs são o Perceptron, o Pocket, o PMR, o Thermal, o Thermal Modificado, o MinOver e o BPC. Na frente de pesquisa relativa ao aprendizado neural construtivo para duas classes são revistos os algoritmos Tower, Pyramid, Tiling e Upstart, para que as versões multiclasses desses algoritmos possam ser tratadas. São investigados os algoritmos neurais construtivos Shift, Offset, PTI, Perceptron Cascade e Sequential e propostos dois algoritmos híbridos: o Tiling Híbrido, que não restringe o treinamento de TLUs a um único algoritmo e o OffTiling que agrega os algoritmos Tiling e Offset. A frente que focaliza o aprendizado neural construtivo multiclasse investiga os algoritmos para o treinamento de TLUs quando o problema envolvido apresentar mais que duas classes bem como apresenta e discute as versões multiclasses dos algoritmos Tower, Pyramid, Tiling, Upstart e Perceptron Cascade. O trabalho descreve uma avaliação empírica dos algoritmos investigados, em vários domínios de conhecimento bem como discute e analisa os resultados obtidos.