Submitted by Rafael Estefano Vicentini null (rafaelvicentini@dee.feis.unesp.br) on 2017-12-14T18:01:32Z No. of bitstreams: 1 DISSERTAÇÃO-RAFAEL ESTÉFANO VICENTINI.pdf: 15039479 bytes, checksum: 43a2765c1d39e13b3435f194a64198ec (MD5) / Approved for entry into archive by Cristina Alexandra de Godoy null (cristina@adm.feis.unesp.br) on 2017-12-18T10:48:16Z (GMT) No. of bitstreams: 1 vicentini_re_me_ilha.pdf: 15039479 bytes, checksum: 43a2765c1d39e13b3435f194a64198ec (MD5) / Made available in DSpace on 2017-12-18T10:48:16Z (GMT). No. of bitstreams: 1 vicentini_re_me_ilha.pdf: 15039479 bytes, checksum: 43a2765c1d39e13b3435f194a64198ec (MD5) Previous issue date: 2017-10-20 / Na última década, o aumento da capacidade de processamento de informação em computadores e dispositivos de uso pessoal possibilitou o desenvolvimento de filtros e classificadores automatizados que operam em tempo real, aplicados em diversas áreas. No âmbito do Processamento Digital de Imagens associado às Redes Neurais Artificiais, os filtros emulam a percepção humana buscando por padrões para identificação de características de interesse. Filtros que têm por objetivo restringir o acesso a conteúdo impróprio partem da identificação de pele - principal indício de presença humana em uma imagem. Independentemente de sua complexidade e/ou robustez, caso o classificador não seja capaz de identificar as diferentes tonalidades de pele sob diferentes condições de captura, sua eficácia é prejudicada. Frente à diversificada forma de descrever uma tonalidade de pele usando diferentes espaços de cor, neste estudo foram destacados os espaços de cor RGB, YCbCr e HSV, amplamente utilizados em equipamentos de captura (por exemplo câmeras fotográficas e filmadoras digitais). A partir de exemplos apresentados durante a etapa de treinamento, as RNAs devem estar aptas para classificar as tonalidades em dois grupos distintos: pele e não pele. Dentre os espaços de cores indicados, seja utilizando ou descartando o aspecto da iluminação (critério amplamente discutido na literatura), este trabalho busca avaliar qual possui a maior taxa de detecção de pele em uma imagem. / Over the last decade, the increasing capacity of data processing in personal computers and devices could develop filters and automatic classifiers working in real time and applied in several areas. Considering Digital Image Processing and Artificial Neural Networks, these filters emulate the human perception searching for patterns to identify specific features. Filters which the main goal is to restrict the access to inappropriate content starts identifying skin tones - the main evidence of human presence in a picture. Although being complex and robust, if the classifier is not able to identify distinct skin tones under random capture conditions, the accuracy is minimal. Facing several ways on describing skin tones over different color spaces, this work uses the RGB, YCbCr and HSV color spaces which are widely applied in recording devices (photographic and digital cameras for example). Based on the examples shown during the training phase, the ANNs must be able to classify skin tones into two distinct groups: skin and non skin. Among the different color spaces used, considering or not the luminance aspect (widely discussed on papers), this work intends to evaluate which one has the highest detection accuracy to identify skin tone in such a picture.

Made available in DSpace on 2015-03-03T11:52:41Z (GMT). No. of bitstreams: 0 Previous issue date: 2014-02-24Bitstream added on 2015-03-03T12:06:08Z : No. of bitstreams: 1 000804349.pdf: 687208 bytes, checksum: 513575bcf70cbc15996bc5c0fdb99657 (MD5) / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / Técnicas para seleção de características tem sido amplamente estudadas pela comunidade científica de reconhecimento de padrões e areas afins, dado que o problema de encontrar o subconjunto das características que maximiza a taxa de acerto de uma técnica de classificação de padrões pode ser modelado como um problema de otimização. Metodologias baseadas em inteligência evolucionista, tais como aquelas que simulam dinâmicas sociais e de interação entre morcegos, algumas espécies de aves e outros insetos, tem sido recentemente aplicadas nesse contexto. Assim sendo, o presente trabalho visou o estudo e desenvolvimento de técnicas de seleção de características utilizando abordagens de otimização evolucionistas, sendo elas: BBA - Binary Bat Algorithm, BCSS - Binary Charged System Search, BCS - Binary Cuckoo Search, BKH - Binary Krill Herd e BSSO - Binary Social-Spider Optimization. Experimentos realizados em seis bases de dados utilizando as técnicas propostas em conjunto com outras cinco técnicas (BGA - Binary Genetic Algorithm, BPSO - Binary Particle Swarm Optimization, BFA - Binary Fire y Algorithm, BGSA - Binary Gravitational Search Algorithm, BHS - Binary Harmony Search) mostraram a eficácia das técnicas evolucionistas propostas quando utilizadas em conjunto com o classificador OPF. O BSSO - Binary Social-Spider Optimization apresentou a melhor acurácia em 3 bases, chegando a aumentar a taxa de acerto do classificador OPF em até 19%, bem como, selecionou o menor número de características em cinco das seis bases. Em relação ao tempo de execuçãao, o BKH - Binary Krill Herd obteve o segundo melhor tempo em cinco bases, ficando atrás somente do BHS - Binary Harmony Search / Techniques for feature selection have been widely studied by the pattern recognition scientific community and related fields, as the problem of finding the subset of features that maximizes the classifier rate can be modeled as a optimization problem. Methodologies based on evolutionary intelligence, such as those that simulate social dynamics and interaction between bats, some species of birds and other insects, have recently been applied in this context. Therefore, this work aimed to the study and development of feature selection techniques using evolutionary optimization approaches: BBA - Binary Bat Algorithm, BCSS - Binary Charged System Search, BCS - Binary Cuckoo Search, BKH - Binary Krill Herd e BSSO - Binary Social-Spider Optimization. Experiments conducted in six databases using the proposed techniques together with ve other techniques (BGA - Binary Genetic Algorithm, BPSO - Binary Particle Swarm Optimization, BFA - Binary Fire y Algorithm, BGSA - Binary Gravitational Search Algorithm, BHS - Binary Harmony Search) have shown the efiectiveness of proposed evolutionary techniques when used with the OPF classifier. The BSSO - Binary Social-Spider Optimization showed the best accuracy on 3 datasets coming to increase the OPF classification rate in up to 19%. Also, SSO has selected the smallest number features in ve of the six datasets. Regarding the runtime, BKH - Binary Krill Herd was the second fastest technique in ve datasets, being only slower then BHS - Binary Harmony Search technique

Made available in DSpace on 2016-12-12T20:22:53Z (GMT). No. of bitstreams: 1 Ion Ferreira Patruni.pdf: 3046553 bytes, checksum: 1979275f844ce748a3f9803c3498ab28 (MD5) Previous issue date: 2015-08-25 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / This work is about people detection in surveillance images. This occurs in external environments, where there are transit of both people and cars. The aim is to settle an imaginary line that once overpassed by people an alarm is sent to the CCTV operator. The study is mainly focused in the use of Histograms of Oriented Gradients (HOG) together with analysis of characteristics extracted from vectors fields of Optical Flow (OF) for training of Support Vector Machines (SVM) and subsequent classification. Some experiments are also executed to verify if the order of cascade classifiers based in OF and HOG affects the quality of the final response. This is measured by Receiver Operating Characteristics (ROC) curves plotted from confusion matrixes. Temporal performance of each classifier was measured as well. A new database was created from a parking camera/surveillance system, and the videos were divided into two groups: (1) training and (2) testing for control purposes. The group called testing for control purposes is used to verify if partial results are presenting improvements in comparison to classifications by HOG alone. A third group of images extracted from the Internet related to intrusions situations was selected to compose the effective final test database. The approach used to detect the intrusion event is based on persistence and consistence of individual classifications. That is, involving more than one group of images, varying from 3 to 9 frames until an effective alarm is sent to the CCTV operator. The ROC curves of classifiers OF→HOG and HOG→OF are fully coincident for all tested points. The OF based classifiers are 3 times faster than the HOG based. For the region of interest of classifiers operation used in people detection for surveillance videos, considering intrusion events, that is the lower portions of x axis of ROC curves, the classifier OF→HOG had the best performance. Finally, 6 simulations were done involving final tests database, split by events in different situations to evaluate the proposed approach to detect intrusion events and again the OF→HOG classifier had the best performance. Adding movement information by analysing e classifying data extracted from OF field to distinguish people from car improved alarm generation performance, increasing True Positives and reducing False Positives, when analysing a video sequence. / Este trabalho trata da detecção de pessoas em imagens de vigilância. Esta busca ocorre em ambientes externos, onde há pessoas e carros transitando conjuntamente. O objetivo é estabelecer uma linha imaginária que, quando ultrapassada por pessoas, gere um alarme ao operador de Circuito Fechado de TV (CFTV). O estudo concentra-se principalmente na utilização conjunta de Histogramas de Gradientes Orientados (HOG) e análise de características estatísticas extraídas do campo de vetores de Fluxo Óptico (FO) para treinamento de Máquinas de Vetores Suportes (SVM) e posterior classificação. Foram realizados alguns experimentos para verificar se a ordem de aplicação dos classificadores baseados em análise do FO e HOG interferem na qualidade final da resposta que é mensurada através das curvas de Características Operacionais do Receptor (ROC) traçadas a partir das matrizes de confusão. O desempenho temporal de cada classificador é medido. Foi criada uma base de dados proveniente de uma câmera de estacionamento, separada em dois grupos: (1) treinamento e (2) testes para controle. O segundo grupo é usado para averiguar se os resultados parciais estão apresentando melhora em relação ao uso isolado das características HOG. Um terceiro grupo de imagens, extraídas de imagens da Internet relacionadas com questões de intrusão, foi escolhido para compor os testes finais efetivos. A abordagem utilizada para avaliar o evento intrusão é baseada na persistência e consistência das classificações, ou seja, envolvendo mais de um grupo de imagens, podendo variar de 3 a 9 quadros para se ter uma geração efetiva de alarme que avise um operador de CFTV. As curvas ROC dos classificadores FO→HOG e HOG→FO ficaram sobreposta para todos os pontos testados. Com relação ao desempenho temporal, a utilização do classificador baseado no FO teve desempenho 3 vezes mais rápido que o classificador baseado em HOG. Para região de interesse de operação dos classificadores usados na detecção de pessoas em vídeos de vigilância, levando-se em conta a detecção de eventos de intrusão, que é a região inicial da escala das curvas ROC dos classificadores, o classificador baseado em FO→HOG teve melhor desempenho geral. Por fim, 6 simulações foram realizadas no grupo de vídeos separados por eventos nas mais diferentes situações com o objetivo de se avaliar a abordagem proposta de detecção de eventos de intrusão e o classificador FO→HOG teve o melhor desempenho. A adição da informação do movimento, através da análise e classificação de informações extraídas do campo de fluxo óptico para diferenciar pessoas de carros, trouxe melhorias quando se analisa uma sequência de vídeo, gerando mais alarmes verdadeiro-positivos e reduzindo consideravelmente a geração de alarmes falso-positivos.

Made available in DSpace on 2016-06-02T20:37:46Z (GMT). No. of bitstreams: 1 4613.pdf: 3660346 bytes, checksum: 77e85a7376e78635f9c8910796e79a0d (MD5) Previous issue date: 2012-03-23 / Computational methods such as electrostatic and structural similarity of compounds were used to determine a similarity pattern for pesticides present in the database of the Medicinal Chemistry Group IQSC/USP. A collection consisting of herbicides and insecticides allowed and banned, according to the World Health Organization was used in this study. Several chemometric analyzes were performed to determine the recognition pattern processes in the classification of substances into their chemical classes that were associated with levels of 61-86% of correct prediction. Three case studies were carried out to validate the established hypotheses which showed good results in all cases. The disclosure of chemical space associated with the biological space using robust methods of analysis led to the establishment of rules for the selection and identification of patterns that can now be used as the foundation for the design of new herbicides and insecticides. / Através do uso de métodos computacionais para avaliação da similaridade estrutural e eletrostática, determinou-se um padrão de similaridade para agrotóxicos presentes no banco de dados do Grupo de Química Medicinal do IQSC/USP. Esse banco é constituído de uma coleção de herbicidas e inseticidas permitidos e banidos, segundo critérios da Organização Mundial da Saúde. Várias análises quimiométricas foram realizadas com o objetivo de determinar os processos de reconhecimento de padrões e classificar as substâncias dentro de suas respectivas classes químicas que foram associadas aos níveis de 61-86 % de predição correta. Três estudos de casos foram realizados com o objetivo de validar as hipóteses estabelecidas com resultados satisfatórios foram encontrados em todos os casos. As definições do espaço químico associado ao biológico através de métodos robustos de análise propiciaram o estabelecimento de regras de seleção e identificação de padrões que podem agora ser usados para o planejamento de novos herbicidas e inseticidas.

Orientador: Anna Diva Plasencia Lotufo / Resumo: Na última década, o aumento da capacidade de processamento de informação em computadores e dispositivos de uso pessoal possibilitou o desenvolvimento de filtros e classificadores automatizados que operam em tempo real, aplicados em diversas áreas. No âmbito do Processamento Digital de Imagens associado às Redes Neurais Artificiais, os filtros emulam a percepção humana buscando por padrões para identificação de características de interesse. Filtros que têm por objetivo restringir o acesso a conteúdo impróprio partem da identificação de pele - principal indício de presença humana em uma imagem. Independentemente de sua complexidade e/ou robustez, caso o classificador não seja capaz de identificar as diferentes tonalidades de pele sob diferentes condições de captura, sua eficácia é prejudicada. Frente à diversificada forma de descrever uma tonalidade de pele usando diferentes espaços de cor, neste estudo foram destacados os espaços de cor RGB, YCbCr e HSV, amplamente utilizados em equipamentos de captura (por exemplo câmeras fotográficas e filmadoras digitais). A partir de exemplos apresentados durante a etapa de treinamento, as RNAs devem estar aptas para classificar as tonalidades em dois grupos distintos: pele e não pele. Dentre os espaços de cores indicados, seja utilizando ou descartando o aspecto da iluminação (critério amplamente discutido na literatura), este trabalho busca avaliar qual possui a maior taxa de detecção de pele em uma imagem. / Abstract: Over the last decade, the increasing capacity of data processing in personal computers and devices could develop filters and automatic classifiers working in real time and applied in several areas. Considering Digital Image Processing and Artificial Neural Networks, these filters emulate the human perception searching for patterns to identify specific features. Filters which the main goal is to restrict the access to inappropriate content starts identifying skin tones - the main evidence of human presence in a picture. Although being complex and robust, if the classifier is not able to identify distinct skin tones under random capture conditions, the accuracy is minimal. Facing several ways on describing skin tones over different color spaces, this work uses the RGB, YCbCr and HSV color spaces which are widely applied in recording devices (photographic and digital cameras for example). Based on the examples shown during the training phase, the ANNs must be able to classify skin tones into two distinct groups: skin and non skin. Among the different color spaces used, considering or not the luminance aspect (widely discussed on papers), this work intends to evaluate which one has the highest detection accuracy to identify skin tone in such a picture. / Mestre

Orientador: João Paulo Papa / Banca: Alexandre Levada / Banca: Antônio Carlos Sementille / Resumo: Técnicas de aprendizado de máquina, usualmente, objetivam aprender alguma superfície que separe amostras de classes diferentes por meio de sua representação vetorial. Entretanto, existem muitas aplicações que podem, eventualmente, perder informações essenciais e inerentes da estrutura dos dados em tal representação e, com o crescimento de base de dados com alta dimensionalidade, essas informações se tornam cada vez mais importantes. Os espaços de representação de dados com curvatura, baseados em trabalhos na area da Matemática e Física, têm despertado interesse por parte da comunidade de aprendizado de máquina com o intuito de resolver tal situação. Esses espaços de representação são baseados em tensores, os quais mantém a estrutura original dos dados, bem como permitem a utilização de variedades em superfícies com curvatura não nula. Esta dissertação de mestrado apresenta uma revisão bibliográfica sobre abordagens de aprendizado de máquina baseadas em tensores, bem como um referencial teórico sobre algebra multilinear. Também e apresentado um estudo da aplicabilidade do classificador Floresta de Caminhos Otimos, do inglês Optimum-Path Forest - OPF, em espaços tensoriais através da técnica Análise de Componentes Principais Multilineares, bem como a comparação dos resultados obtidos com outras técnicas conhecidas na literatura em contexto de reconhecimento em fotos e vídeos. Também foi demonstrado que o OPF pode obter maior acurácia em algumas situações quando se trabalha com características no espaço tensorial / Abstract: Machine learning techniques usually learn some decision surface that separates samples from di erent classes by means of their vectorial representation. However, there exist many applications that might lose important information that are strongly related to the data itself. Additionally, such information has gained importance with the popularity of high-dimensional datasets. As such, works based on Mathematics and Physics, where curvature-based space representations have been used in several application, have gained attention by the machine learning community. Such representations are based on tensors, which keep the original structure of the data, as well as they allow us to use manifolds in curvature-based spaces. This master's dissertation presents a review of the literature with respect to tensor-based machine learning techniques, as well as a brief review about multilinear algebra. We also evaluate the performance of the Optimum-Path Forest classi er (OPF) in tensor-oriented spaces by means of the Multilinear Principal Component Analysis, as well as its comparison against with other related techniques is also performed. It is shown OPF can bene t from such feature space representation in some situations / Mestre

Dissertação (mestrado) - Pontifícia Universidade Católica do Paraná, Curitiba, 2011 / Bibliografia: f. 58-62 / Este trabalho apresenta dois métodos inovadores para contagem de pessoas em multidão que combina informações de múltiplas câmeras para mitigar o problema de oclusão, que frequentemente afeta o resultado dos métodos de contagem de pessoas que utilizam some / This work presents a novel method for people counting in crowded scenes that combines the information gathered by multiple cameras to mitigate the problem of occlusion that commonly affects the performance of counting methods using single cameras. The fir

Made available in DSpace on 2016-04-01T17:54:36Z (GMT). No. of bitstreams: 0 Previous issue date: 2015-08-21. Added 1 bitstream(s) on 2016-04-01T18:00:15Z : No. of bitstreams: 1 000859943.pdf: 1070364 bytes, checksum: 04d8c74205b7c2df31f68a75600abada (MD5) / Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) / Técnicas de aprendizado de máquina, usualmente, objetivam aprender alguma superfície que separe amostras de classes diferentes por meio de sua representação vetorial. Entretanto, existem muitas aplicações que podem, eventualmente, perder informações essenciais e inerentes da estrutura dos dados em tal representação e, com o crescimento de base de dados com alta dimensionalidade, essas informações se tornam cada vez mais importantes. Os espaços de representação de dados com curvatura, baseados em trabalhos na area da Matemática e Física, têm despertado interesse por parte da comunidade de aprendizado de máquina com o intuito de resolver tal situação. Esses espaços de representação são baseados em tensores, os quais mantém a estrutura original dos dados, bem como permitem a utilização de variedades em superfícies com curvatura não nula. Esta dissertação de mestrado apresenta uma revisão bibliográfica sobre abordagens de aprendizado de máquina baseadas em tensores, bem como um referencial teórico sobre algebra multilinear. Também e apresentado um estudo da aplicabilidade do classificador Floresta de Caminhos Otimos, do inglês Optimum-Path Forest - OPF, em espaços tensoriais através da técnica Análise de Componentes Principais Multilineares, bem como a comparação dos resultados obtidos com outras técnicas conhecidas na literatura em contexto de reconhecimento em fotos e vídeos. Também foi demonstrado que o OPF pode obter maior acurácia em algumas situações quando se trabalha com características no espaço tensorial / Machine learning techniques usually learn some decision surface that separates samples from di erent classes by means of their vectorial representation. However, there exist many applications that might lose important information that are strongly related to the data itself. Additionally, such information has gained importance with the popularity of high-dimensional datasets. As such, works based on Mathematics and Physics, where curvature-based space representations have been used in several application, have gained attention by the machine learning community. Such representations are based on tensors, which keep the original structure of the data, as well as they allow us to use manifolds in curvature-based spaces. This master's dissertation presents a review of the literature with respect to tensor-based machine learning techniques, as well as a brief review about multilinear algebra. We also evaluate the performance of the Optimum-Path Forest classi er (OPF) in tensor-oriented spaces by means of the Multilinear Principal Component Analysis, as well as its comparison against with other related techniques is also performed. It is shown OPF can bene t from such feature space representation in some situations

Made available in DSpace on 2015-04-09T12:28:25Z (GMT). No. of bitstreams: 0 Previous issue date: 2013-02-25Bitstream added on 2015-04-09T12:47:36Z : No. of bitstreams: 1 000811257.pdf: 6065923 bytes, checksum: 2f62e4d931cb75542832b3627b24b710 (MD5) / Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) / Em problemas convencionais de reconhecimento de padrões, dado um conjunto de classes, cada instância do problema e associada a uma e somente uma classe. No entanto, alguns problemas reais de classificaço apresentam instâncias que podem ser associadas a mais de uma classe simultaneamente, esses problemas são denotados como classificação com múltiplos rótulos. Entre problemas dessa natureza, podemos destacar categorização de filmes e músicas, classificação de documentos, análise funcional de genes etc. Contudo, os problemas de classificação com múltiplos rótulos não são diretamente tratáveis por técnicas convencionais, o que justifica o interesse da comunidade de reconhecimento de padrões nesses tipos de problemas. Embora muitos métodos tenham sido propostos na literatura, há ainda muito a ser explorado, principalmente no uso de novos algoritmos convencionais de aprendizado de máquinas adaptados ou não aos problemas com múltiplos rótulos. O classificador supervisionado Floresta de Caminhos Otimos (Optimum- Path Forest - OPF) e um algoritmo determinístico aplicado a problemas convencionais de classificação, no entanto, ainda não foi investigado em problemas com múltiplos rótulos. Nesse contexto, investigamos neste trabalho a aplicação de classificadores baseados em OPF em problemas de múltiplos rótulos. Analisamos duas versões do classificador OPF: (i) a tradicional baseada em grafo completo e (ii) a versão baseada no grafo k-vizinhos mais próximos (OPFkNN). Para manipulação das bases com múltiplos rótulos, utilizamos dois métodos de transformação de problemas, o Binary Relevance e Label Powerset. Propusemos também algumas modificações nas fases de treinamento e classificação do OPFkNN com o objetivo de melhor os resultados desse classificador combinado a métodos de transformação de problemas. Os experimentos realizados em sete bases de dados públicas mostraram que as modifica ções ... / In conventional problems of pattern recognition, given a set of classes, each instance of the problem is associated with one and only one class. However, some real classification problems have instances that can be associated with more than one class at the same time, these problems are denoted as classification with multilabel. Among such problems, we highlight movies and music categorization, document classification, functional gene analysis etc. Nevertheless, the classification problems with multilabel are not directly treatable by conventional techniques, which explains the interest of pattern recognition community in these types of problems. Although many methods have been proposed in the literature, there is still much to be explored, especially in the use of novel conventional machine learning algorithms adapted or not to problems with multlabels. The Optimum-Path Forest (OPF) classifier is a supervised and deterministic algorithm applied to conventional classification problems, however, it has been not investigated in problems with multilabel. In this context, we investigated in this work the application of OPF-based classifiers on multilabel problems. We analyzed two versions of OPF-based classi ers: (i) the traditional one based on complete graph and (ii) the one based on k-nearest neighbors graph (OPFkNN). For manipulation of multilabel datasets, we used two transformation methods, the Binary Relevance and Label Powerset. We also proposed some changes in the training and classification phases of OPFkNN aiming to achieve better results when combined it with transformation methods. Experiments performed in seven public datasets showed that changes in OPFkNN improve outcomes. Comparison with the J48 classifier, ... / FAPESP: 2011/14094-1

Ore classification is useful for understanding and controlling industrial beneficiation processes. The present work contributes to the developement of a computer vision system for automated classification of iron ores by image analysis of optical micrographs. For this purpose, morphological feature extraction algorithms were implemented and feature based classification algorithms were developed. These methods were successfully applied to the classification of hematite grains into four classes determined by their shape (lamellar or granular) and porosity (porous and compact) as characterized by just four features, namely, circularity, aspect ratio, fiber ratio and porosity. / A classificação de minérios é útil para o entendimento e controle processos de beneficiamento industrial. O presente trabalho contribui para o desenvolvimento de um sistema de visão computacional para realizar a classificação automática de minério de ferro por análise de imagens de micrografia ótica. Com este propósito, algoritmos de extração de características morfológicas foram implementados e algoritmos de classificação com base em características foram desenvolvidos. Estes métodos foram aplicados com sucesso à classificação de grãos de hematita em quatro classes determinadas pela sua forma (lamelar ou granular) e porosidade (porosa e compacta) utilizando apenas quatro características, a saber, circularidade, razão de aspecto, razão de fibra e porosidade.