Submitted by Automa??o e Estat?stica (sst@bczm.ufrn.br) on 2016-01-20T20:57:18Z No. of bitstreams: 1 AlessandraMendesPachecoGuerraVale_TESE.pdf: 6083940 bytes, checksum: 50490507cf0394240eea06786d58ff08 (MD5) / Approved for entry into archive by Arlan Eloi Leite Silva (eloihistoriador@yahoo.com.br) on 2016-01-21T19:07:52Z (GMT) No. of bitstreams: 1 AlessandraMendesPachecoGuerraVale_TESE.pdf: 6083940 bytes, checksum: 50490507cf0394240eea06786d58ff08 (MD5) / Made available in DSpace on 2016-01-21T19:07:52Z (GMT). No. of bitstreams: 1 AlessandraMendesPachecoGuerraVale_TESE.pdf: 6083940 bytes, checksum: 50490507cf0394240eea06786d58ff08 (MD5) Previous issue date: 2014-12-26 / A detec??o autom?tica de componentes sangu?neos em imagens microsc?picas ? um importante t?pico da ?rea hematol?gica. A segmenta??o permite que os componentes sangu?neos sejam agrupados em ?reas comuns e a classifica??o diferencial dos leuc?citos possibilita que os mesmos sejam analisados separadamente. Com a segmenta??o autom?tica e classifica??o diferencial, contribui-se no processo de an?lise dos componentes sangu?neos, fornecendo ferramentas que propiciem a diminui??o do trabalho manual e o aumento da sua precis?o e efici?ncia. Utilizando t?cnicas de processamento digital de imagens associadas a uma abordagem fuzzy gen?rica e autom?tica, este trabalho apresenta dois Sistemas de Infer?ncia Fuzzy, definidos como I e II, para a segmenta??o autom?tica de componentes sangu?neos e classifica??o diferencial de leuc?citos, respectivamente, em imagens microsc?picas de esfrega?os. Utilizando o Sistema de Infer?ncia Fuzzy I, a t?cnica desenvolvida realiza a segmenta??o da imagem em quatro regi?es: n?cleo e citoplasma leucocit?rios, eritr?citos e ?rea de plasma e utilizando o Sistema de Infer?ncia Fuzzy II e os leuc?citos segmentados (n?cleo e citoplasma leucocit?rios), os classifica diferencialmente em cinco tipos: bas?filos, eosin?filos, linf?citos, mon?citos e neutr?filos. Foram utilizadas para testes 530 imagens contendo amostras microsc?picas de esfrega?os sangu?neos corados com m?todos variados. As imagens foram processadas e seus ?ndices de Acur?cia e Gold Standards foram calculados e comparados com os resultados manuais e com outros resultados encontrados na literatura para os mesmos problemas. Quanto ? segmenta??o, a t?cnica desenvolvida demonstrou percentuais de acur?cia de 97,31% para leuc?citos, 95,39% para eritr?citos e 95,06% para plasma sangu?neo. Quanto ? classifica??o diferencial, os percentuais variaram entre 92,98% e 98,39% para os diferentes tipos leucocit?rios. Al?m de promover a segmenta??o autom?tica e classifica??o diferencial, a t?cnica desenvolvida contribui ainda com defini??o de novos descritores e a constru??o de um banco de imagens utilizando diversos processos de colora??o hematol?gicos / Automatic detection of blood components is an important topic in the field of hematology. The segmentation is an important stage because it allows components to be grouped into common areas and processed separately and leukocyte differential classification enables them to be analyzed separately. With the auto-segmentation and differential classification, this work is contributing to the analysis process of blood components by providing tools that reduce the manual labor and increasing its accuracy and efficiency. Using techniques of digital image processing associated with a generic and automatic fuzzy approach, this work proposes two Fuzzy Inference Systems, defined as I and II, for autosegmentation of blood components and leukocyte differential classification, respectively, in microscopic images smears. Using the Fuzzy Inference System I, the proposed technique performs the segmentation of the image in four regions: the leukocyte?s nucleus and cytoplasm, erythrocyte and plasma area and using the Fuzzy Inference System II and the segmented leukocyte (nucleus and cytoplasm) classify them differentially in five types: basophils, eosinophils, lymphocytes, monocytes and neutrophils. Were used for testing 530 images containing microscopic samples of blood smears with different methods. The images were processed and its accuracy indices and Gold Standards were calculated and compared with the manual results and other results found at literature for the same problems. Regarding segmentation, a technique developed showed percentages of accuracy of 97.31% for leukocytes, 95.39% to erythrocytes and 95.06% for blood plasma. As for the differential classification, the percentage varied between 92.98% and 98.39% for the different leukocyte types. In addition to promoting auto-segmentation and differential classification, the proposed technique also contributes to the definition of new descriptors and the construction of an image database using various processes hematological staining

Submitted by Automa??o e Estat?stica (sst@bczm.ufrn.br) on 2017-03-28T19:32:54Z No. of bitstreams: 1 MarcoAntonioLeandroCabral_TESE.pdf: 13589109 bytes, checksum: dcecde654045d4bb434b8363031ec773 (MD5) / Approved for entry into archive by Arlan Eloi Leite Silva (eloihistoriador@yahoo.com.br) on 2017-03-29T19:12:55Z (GMT) No. of bitstreams: 1 MarcoAntonioLeandroCabral_TESE.pdf: 13589109 bytes, checksum: dcecde654045d4bb434b8363031ec773 (MD5) / Made available in DSpace on 2017-03-29T19:12:55Z (GMT). No. of bitstreams: 1 MarcoAntonioLeandroCabral_TESE.pdf: 13589109 bytes, checksum: dcecde654045d4bb434b8363031ec773 (MD5) Previous issue date: 2017-01-17 / Prevenir, antever, evitar falhas em sistemas eletromec?nicos s?o demandas que desafiam pesquisadores e profissionais de engenharia a d?cadas. Sistemas eletromec?nicos apresentam processos tribol?gicos que resultam em fadiga de materiais e consequente perda de efici?ncia ou mesmo de utilidade de m?quinas e equipamentos. Diversas t?cnicas s?o utilizadas na tentativa de, atrav?s da an?lise de sinais oriundos dos equipamentos estudados, que seja poss?vel a minimiza??o das perdas inerentes ?queles sistemas e as consequ?ncias desses desgastes em momentos n?o esperados, como uma aeronave em voo ou uma perfuratriz em um po?o de petr?leo. Dentre elas podemos citar a an?lise de vibra??o, medi??o da press?o ac?stica, monitoramento de temperatura, an?lise de part?culas de ?leo lubrificante etc. Entretanto sistemas eletromec?nicos s?o complexos e podem apresentar comportamentos inesperados. A manuten??o centrada na confiabilidade necessita de recursos tecnol?gicos cada vez mais r?pidos, eficientes e robustos para garantir sua efici?ncia e efic?cia. T?cnicas de an?lise de efeitos e modos de falha (FMEA ? Failure Mode Effect Analysis) em equipamentos s?o utilizadas para aumentar a confiabilidade dos sistemas de manuten??o preventiva e preditiva. As redes neurais artificiais (RNA) s?o ferramentas computacionais que encontram aplicabilidade em diversos segmentos da pesquisa e an?lise de sinais, onde h? necessidade do manuseio de grandes quantidades de dados, associando estat?stica e computa??o na otimiza??o de processos din?micos e um alto grau de confiabilidade. S?o sistemas de intelig?ncia artificial que t?m capacidade de aprender, s?o robustas a falhas e podem apresentar resultados em tempo real. Este trabalho tem como objetivo a utiliza??o de redes neurais artificiais para tratar sinais provenientes da monitora??o de par?metros tribol?gicos atrav?s do uso de uma bancada de testes para simular falhas de contato em um compressor de ar, a fim de criar um sistema de detec??o e classifica??o de falhas automatizado, n?o supervisionado, com o uso de mapas auto-organiz?veis, ou redes SOM (self organizaed maps), aplicado ? manuten??o preventiva e preditiva de processos eletromec?nicos. / Preventing, anticipating, avoiding failures in electromechanical systems are demands that have challenged researchers and engineering professionals for decades. Electromechanical systems present tribological processes that result in fatigue of materials and consequent loss of efficiency or even usefulness of machines and equipment. Several techniques are used in an attempt to minimize the inherent losses of these systems through the analysis of signals from the equipment studied and the consequences of these wastes at unexpected moments, such as an aircraft in flight or a drilling rig in an oil well. Among them we can mention vibration analysis, acoustic pressure measurement, temperature monitoring, particle analysis of lubricating oil etc. However, electromechanical systems are complex and may exhibit unexpected behavior. Reliability-centric maintenance requires ever faster, more efficient and robust technological resources to ensure its efficiency and effectiveness. Failure Mode Effect Analysis (FMEA) techniques in equipment are used to increase the reliability of preventive and predictive maintenance system. Artificial neural networks (ANNs) are computational tools that find applicability in several segments of the research and signal analysis, where it is necessary to handle large amounts of data, associating statistics and computation in the optimization of dynamic processes and a high degree of reliability. They are artificial intelligence systems that have the ability to learn, are robust to failures, and can deliver realtime results. This work aims at the use of artificial neural networks to treat signals from the monitoring of tribological parameters through the use of a test bench to simulate contact failures in an air compressor in order to create an automated fault detection and classification system, unsupervised, with the use of self-organized maps, or SOM, applied to the preventive and predictive maintenance of electromechanical processes.

Made available in DSpace on 2014-12-17T15:47:44Z (GMT). No. of bitstreams: 1 SamuelOA.pdf: 1023593 bytes, checksum: 651d5e25960d6664c54a1e7690f2acb6 (MD5) Previous issue date: 2007-08-06 / Conselho Nacional de Desenvolvimento Cient?fico e Tecnol?gico / In this work, we propose a multi agent system for digital image steganalysis, based on the poliginic bees model. Such approach aims to solve the problem of automatic steganalysis for digital media, with a case study on digital images. The system architecture was designed not only to detect if a file is suspicious of covering a hidden message, as well to extract the hidden message or information regarding it. Several experiments were performed whose results confirm a substantial enhancement (from 67% to 82% success rate) by using the multi-agent approach, fact not observed in traditional systems. An ongoing application using the technique is the detection of anomalies in digital data produced by sensors that capture brain emissions in little animals. The detection of such anomalies can be used to prove theories and evidences of imagery completion during sleep provided by the brain in visual cortex areas / Neste trabalho, propomos um sistema multi-agentes para estegan?lise em imagens digitais, baseado na met?fora das abelhas polig?nicas. Tal abordagem visa resolver o problema da estegan?lise autom?tica de m?dias digitais, com estudo de caso para imagens digitais. A arquitetura do sistema foi projetada n?o s? para detectar se um arquivo ? ou n?o suspeito de possuir uma mensagem oculta em si, como tamb?m para extrair essa mensagem ou informa??es acerca dela. Foram realizados v?rios experimentos cujos resultados confirmam uma melhoria substancial (de 67% para 82% de acertos) com o uso da abordagem multi-agente, fato n?o observado em outros sistemas tradicionais. Uma aplica??o atualmente em andamento com o uso da t?cnica ? a detec??o de anomalias em dados digitais produzidos por sensores que captam emiss?es cerebrais em pequenos animais. A detec??o de tais anomalias pode ser usada para comprovar teorias e evidencias de complementa??o do imageamento durante o sono, provida pelo c?rebro nas ?reas visuais do c?rtex cerebral

Made available in DSpace on 2014-12-17T15:48:04Z (GMT). No. of bitstreams: 1 TiagoSS_DISSERT.pdf: 2900373 bytes, checksum: ea7bd73351348f5c75a5bf4f337c599f (MD5) Previous issue date: 2012-08-17 / Conselho Nacional de Desenvolvimento Cient?fico e Tecnol?gico / The segmentation of an image aims to subdivide it into constituent regions or objects that have some relevant semantic content. This subdivision can also be applied to videos. However, in these cases, the objects appear in various frames that compose the videos. The task of segmenting an image becomes more complex when they are composed of objects that are defined by textural features, where the color information alone is not a good descriptor of the image. Fuzzy Segmentation is a region-growing segmentation algorithm that uses affinity functions in order to assign to each element in an image a grade of membership for each object (between 0 and 1). This work presents a modification of the Fuzzy Segmentation algorithm, for the purpose of improving the temporal and spatial complexity. The algorithm was adapted to segmenting color videos, treating them as 3D volume. In order to perform segmentation in videos, conventional color model or a hybrid model obtained by a method for choosing the best channels were used. The Fuzzy Segmentation algorithm was also applied to texture segmentation by using adaptive affinity functions defined for each object texture. Two types of affinity functions were used, one defined using the normal (or Gaussian) probability distribution and the other using the Skew Divergence. This latter, a Kullback-Leibler Divergence variation, is a measure of the difference between two probability distributions. Finally, the algorithm was tested in somes videos and also in texture mosaic images composed by images of the Brodatz album / A segmenta??o de uma imagem tem como objetivo subdividi-la em partes ou objetos constituintes que tenham algum conte?do sem?ntico relevante. Esta subdivis?o pode tamb?m ser aplicada a um v?deo, por?m, neste, os objetos est?o presentes nos diversos quadros que comp?em o v?deo. A tarefa de segmentar uma imagem torna-se mais complexa quando estas s?o compostas por objetos que contenham caracter?sticas texturais, com pouca ou nenhuma informa??o de cor. A segmenta??o difusa, do Ingl?s fuzzy, ? uma t?cnica de segmenta??o por crescimento de regi?es que determina para cada elemento da imagem um grau de pertin?ncia (entre zero e um) indicando a confian?a de que esse elemento perten?a a um determinado objeto ou regi?o existente na imagem, fazendo-se uso de fun??es de afinidade para obter esses valores de pertin?ncia. Neste trabalho ? apresentada uma modifica??o do algoritmo de segmenta??o fuzzy proposto por Carvalho [Carvalho et al. 2005], a fim de se obter melhorias na complexidade temporal e espacial. O algoritmo foi adaptado para segmentar v?deos coloridos tratando-os como volumes 3D. Para segmentar os v?deos, foram utilizadas informa??es provenientes de um modelo de cor convencional ou de um modelo h?brido obtido atrav?s de uma metodologia para a escolha dos melhores canais para realizar a segmenta??o. O algoritmo de segmenta??o fuzzy foi aplicado tamb?m na segmenta??o de texturas, fazendo-se uso de fun??es de afinidades adaptativas ?s texturas de cada objeto. Dois tipos de fun??es de afinidades foram utilizadas, uma utilizando a distribui??o normal de probabilidade, ou Gaussiana, e outra utilizando a diverg?ncia Skew. Esta ?ltima, uma varia??o da diverg?ncia de Kullback- Leibler, ? uma medida da diverg?ncia entre duas distribui??es de probabilidades. Por fim, o algoritmo foi testado com alguns v?deos e tamb?m com imagens de mosaicos de texturas criadas a partir do ?lbum de Brodatz e outros

Made available in DSpace on 2014-12-17T14:55:35Z (GMT). No. of bitstreams: 1 JacksonGS.pdf: 1963039 bytes, checksum: ed3464892d7bb73b5dcab563e42f0e01 (MD5) Previous issue date: 2009-09-28 / Image segmentation is one of the image processing problems that deserves special attention from the scientific community. This work studies unsupervised methods to clustering and pattern recognition applicable to medical image segmentation. Natural Computing based methods have shown very attractive in such tasks and are studied here as a way to verify it's applicability in medical image segmentation. This work treats to implement the following methods: GKA (Genetic K-means Algorithm), GFCMA (Genetic FCM Algorithm), PSOKA (PSO and K-means based Clustering Algorithm) and PSOFCM (PSO and FCM based Clustering Algorithm). Besides, as a way to evaluate the results given by the algorithms, clustering validity indexes are used as quantitative measure. Visual and qualitative evaluations are realized also, mainly using data given by the BrainWeb brain simulator as ground truth / Segmenta??o de imagens ? um dos problemas de processamento de imagens que merece especial interesse da comunidade cient?fica. Neste trabalho, s?o estudado m?todos n?o-supervisionados para detec??o de algomerados (clustering) e reconhecimento de padr?es (pattern recognition) em segmenta??o de imagens m?dicas M?todos baseados em t?cnicas de computa??o natural t?m se mostrado bastante atrativos nestas tarefas e s?o estudados aqui como uma forma de verificar a sua aplicabilidade em segmenta??o de imagens m?dicas. Este trabalho trata de implementa os m?todos GKA (Genetic K-means Algorithm), GFCMA (Genetic FCM Algorithm) PSOKA (Algoritmo de clustering baseado em PSO (Particle Swarm Optimization) e K means) e PSOFCM (Algoritmo de clustering baseado em PSO e FCM (Fuzzy C Means)). Al?m disso, como forma de avaliar os resultados fornecidos pelos algoritmos s?o utilizados ?ndices de valida??o de clustering como forma de medida quantitativa Avalia??es visuais e qualitativas tamb?m s?o realizadas, principalmente utilizando dados do sistema BrainWeb, um gerador de imagens do c?rebro, como ground truth