• Refine Query
  • Source
  • Publication year
  • to
  • Language
  • 2
  • Tagged with
  • 2
  • 2
  • 2
  • 2
  • 2
  • 2
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • About
  • The Global ETD Search service is a free service for researchers to find electronic theses and dissertations. This service is provided by the Networked Digital Library of Theses and Dissertations.
    Our metadata is collected from universities around the world. If you manage a university/consortium/country archive and want to be added, details can be found on the NDLTD website.
1

Detecção de áreas desmatadas na porção sul do estado do amazonas, utilizando técnicas de extração de características e redes neurais artificiais

Oliveira, Joel Parente de, 92-99138-2335 02 June 2017 (has links)
Submitted by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2017-08-22T14:05:51Z No. of bitstreams: 2 Dissertação - Joel P. Oliveira.pdf: 10722425 bytes, checksum: fbe4948132f8123c791ed31c009bc1ef (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Approved for entry into archive by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2017-08-22T14:06:37Z (GMT) No. of bitstreams: 2 Dissertação - Joel P. Oliveira.pdf: 10722425 bytes, checksum: fbe4948132f8123c791ed31c009bc1ef (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Approved for entry into archive by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2017-08-22T14:06:58Z (GMT) No. of bitstreams: 2 Dissertação - Joel P. Oliveira.pdf: 10722425 bytes, checksum: fbe4948132f8123c791ed31c009bc1ef (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Made available in DSpace on 2017-08-22T14:06:58Z (GMT). No. of bitstreams: 2 Dissertação - Joel P. Oliveira.pdf: 10722425 bytes, checksum: fbe4948132f8123c791ed31c009bc1ef (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Previous issue date: 2017-06-02 / The monitoring of deforestation in the Amazon is a great challenge due to, among other factors, the enormous territorial extension. In this sense, images generated from remote sensing systems have been used to perform the detection of deforested regions. To facilitate this work, images generated from remote sensing systems have been used to perform the detection of deforested regions. In this sense, since 1988, the National Institute of Space Research has been monitoring the Amazon Forest through LANDSAT optical images acquired through remote sensing systems. Currently, the methodology adopted by INPE is based on the manual demarcation of deforested areas based on the knowledge of specialists. However, doing this work manually requires time and effort. In the literature, we can find several works that propose to perform an automatic classification of remote sensing images. This work proposes a methodology for the study of deforestation areas using LANDSAT-8/OLI optical images obtained by remote sensing. It is proposed the association of methods to improve the generalization of neural networks, such as early stopping and regularization, with characteristic extraction techniques, such as scalar selection, principal component analysis and linear discriminant analysis. The performance of the methodology is evaluated using measures such as precision, sensitivity, specificity, area under ROC curve. Finally, similarity metrics, Dice and Jaccard, were calculated. The best results were obtained with the early stop generalization method associated to the linear discriminant analysis technique. The study was carried out in three regions of the State of Amazonas, located in the municipalities of Apuí, Humaitá and Lábrea. In addition, the proposed methodology was compared with three papers in the literature that also used optical images from the Amazon region. / A realização do monitoramento do desmatamento na Amazônia é um grande desafio devido, entre outros fatores, a enorme extensão territorial. Para facilitar esse trabalho, imagens geradas a partir de sistemas de sensoriamento remoto têm sido utilizadas para realizar a detecção de regiões desmatadas. Nesse sentido, desde 1988, Instituto Nacional de Pesquisas Espaciais realiza o monitoramento da Floresta Amazônica por meio de imagens ópticas LANDSAT adquiridas por meio de sistemas de sensoriamento remoto. Atualmente, a metodologia adotada pelo INPE tem por base realizar a demarcação das áreas desmatadas de forma manual baseado no conhecimento de especialistas. Porém, realizar esse trabalho de maneira manual, demanda tempo e grande esforço. Na literatura, podemos encontrar diversos trabalhos que propõem realizar uma classificação automática de imagens de sensoriamento remoto. Porém, com base na revisão realizada, os trabalhos propostos não utilizam métodos de generalização ou critérios objetivos para extração de características. Este trabalho propõe uma metodologia para o estudo de áreas de desmatamento utilizando imagens ópticas LANDSAT-8/OLI obtidas por sensoriamento remoto. É proposta a associação de métodos para melhorar a generalização das redes neurais, como a parada antecipada e regularização, com técnicas de extração de características, como seleção escalar, análise de componentes principais e análise de discriminante linear. O desempenho da metodologia é avaliado utilizando medidas como precisão, sensibilidade, especificidade, área sob curva ROC. Por fim, foram calculadas métricas de similaridade, Dice e Jaccard. Os melhores resultados foram obtidos com o método de generalização parada antecipada associado à técnica de análise discriminante linear. O estudo foi realizado em três regiões do Estado do Amazonas, localizadas nos munícipios de Apuí, Humaitá e Lábrea. Além disso, a metodologia proposta foi comparada com três trabalhos da literatura que também utilizaram imagens ópticas da região amazônica.
2

Segmentação, classificação e quantificação de bacilos de tuberculose em imagens de baciloscopia de campo claro através do emprego de uma nova técnica de classificação de pixels utilizando máquinas de vetores de suporte

Xavier, Clahildek Matos 02 July 2012 (has links)
Submitted by Geyciane Santos (geyciane_thamires@hotmail.com) on 2015-07-15T14:04:04Z No. of bitstreams: 1 Dissertação - Clahildek Matos Xavier.pdf: 23017599 bytes, checksum: f3e0230fd866c0a784966606404bb807 (MD5) / Approved for entry into archive by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2015-07-15T18:37:45Z (GMT) No. of bitstreams: 1 Dissertação - Clahildek Matos Xavier.pdf: 23017599 bytes, checksum: f3e0230fd866c0a784966606404bb807 (MD5) / Approved for entry into archive by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2015-07-15T18:47:26Z (GMT) No. of bitstreams: 1 Dissertação - Clahildek Matos Xavier.pdf: 23017599 bytes, checksum: f3e0230fd866c0a784966606404bb807 (MD5) / Made available in DSpace on 2015-07-15T18:47:26Z (GMT). No. of bitstreams: 1 Dissertação - Clahildek Matos Xavier.pdf: 23017599 bytes, checksum: f3e0230fd866c0a784966606404bb807 (MD5) Previous issue date: 2012-07-02 / Não Informada / Tuberculosis (TB) is a contagious disease caused by Mycobacterium tuberculosis that primarily affects the lungs and reaches over 8.8 million people worldwide. Although the number of cases of TB disease and deaths has fallen over the past years, this disease still remains a serious health problem in developing countries. Currently, as initial tests for the diagnosis of TB are used methods of smear bright field and fluorescence. The first is used mostly in developing countries, due to low cost, the second is the preferred method in developed countries to be more sensitive. Among the many challenges for the control of this disease is the development of a rapid, efficient and low cost for the diagnosis of tuberculosis. The process of diagnosis of smear-field course is time consuming, manual and error-prone, so that there is a high rate of false negatives. Various techniques for pattern recognition in the image smear bright field microscopy have been designed to recognize and count of the rods. This paper describes a new method for segmentation of tubercle bacilli in sputum bright field. The method proposed in this dissertation uses a classifier consisting of a support vector machine. The differential method is proposed in the variables selected for the input of the classifier. They were selected from four color spaces: RGB, HSI, YCbCr and Lab used to both individual characteristics such as subtractions of characteristics of the same color space and different color spaces. We investigated a total of 30 features. The best features were selected using the selection technique scalar features. With the proposed method was reached a sensitivity of 94%. However, further steps for noise reduction are required to minimize the classification errors. / A tuberculose (TB) é uma doença contagiosa causada pelo Mycobacterium tuberculosis que afeta, principalmente, os pulmões e atinge mais de 8,8 milhões de pessoas em todo o mundo. Embora o número de casos de doenças e mortes por TB tenham caído ao longo dos últimos anos, essa doença ainda continua sendo um grave problema de saúde nos países em desenvolvimento. Atualmente, como exames iniciais para o diagnóstico da TB são usados os métodos de baciloscopia de campo claro e baciloscopia de fluorescência. O primeiro é mais usado em países em desenvolvimento, devido ao baixo custo; o segundo é o método preferencial em países desenvolvidos por ser mais sensível. Entre os vários desafios para o controle dessa doença, está o desenvolvimento de um método rápido, eficiente e de baixo custo para o diagnóstico da TB. O processo de diagnóstico de baciloscopia de campo claro é demorado, manual e propenso a erros, fazendo com que haja uma alta taxa de falsos negativos. Várias técnicas de reconhecimento de padrão em imagens baciloscópicas de microscopia de campo claro têm sido desenvolvidas para o reconhecimento e contagem dos bacilos. Este trabalho descreve um novo método para segmentação de bacilos da tuberculose em baciloscopia de campo claro. O método proposto utiliza um classificador constituído por uma máquina de vetores de suporte. O diferencial do mesmo em relação a outros trabalhos está nas variáveis selecionadas para a entrada do classificador. Essas variáveis foram selecionadas a partir de quatro espaços de cor: RGB, HSI, YCbCr e Lab. Investigou-se tanto características individuais, como subtrações de características de um mesmo espaço de cor e de espaços de cores diferentes, num total de 30 características. As melhores características foram selecionadas utilizando-se a técnica de seleção escalar de características. Alcançou-se uma sensibilidade de 94%. No entanto, novas etapas para a redução de ruído são necessárias para minimizar os erros de classificação.

Page generated in 0.102 seconds