Orientadores: Hélio Pedrini, William Robson Schwartz / Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Computação / Made available in DSpace on 2018-08-24T04:06:04Z (GMT). No. of bitstreams: 1 Siqueira_FernandoRobertide_M.pdf: 20841189 bytes, checksum: 62053b7b36d54bbdccc8b5aa3650fe6a (MD5) Previous issue date: 2013 / Resumo: Visão computacional e processamento de imagens desempenham um papel importante em diversas áreas, incluindo detecção de objetos e classificação de imagens, tarefas muito importantes para aplicações em imagens médicas, sensoriamento remoto, análise forense, detecção de pele, entre outras. Estas tarefas dependem fortemente de informação visual extraída de imagens que possa ser utilizada para descrevê-las eficientemente. Textura é uma das principais propriedades usadas para descrever informação tal como distribuição espacial, brilho e arranjos estruturais de superfícies. Para reconhecimento e classificação de imagens, um grande grupo de descritores de textura foi investigado neste trabalho, sendo que apenas parte deles é realmente multiescala. Matrizes de coocorrência em níveis de cinza (GLCM) são amplamente utilizadas na literatura e bem conhecidas como um descritor de textura efetivo. No entanto, este descritor apenas discrimina informação em uma única escala, isto é, a imagem original. Escalas podem oferecer informações importantes em análise de imagens, pois textura pode ser percebida por meio de diferentes padrões em diferentes escalas. Dessa forma, duas estratégias diferentes para estender a matriz de coocorrência para múltiplas escalas são apresentadas: (i) uma representação de escala-espaço Gaussiana, construída pela suavização da imagem por um filtro passa-baixa e (ii) uma pirâmide de imagens, que é definida pelo amostragem de imagens em espaço e escala. Este descritor de textura é comparado com outros descritores em diferentes bases de dados. O descritor de textura proposto e então aplicado em um contexto de detecção de pele, como forma de melhorar a acurácia do processo de detecção. Resultados experimentais demonstram que a extensão multiescala da matriz de coocorrência exibe melhora considerável nas bases de dados testadas, exibindo resultados superiores em relação a diversos outros descritores, incluindo a versão original da matriz de coocorrência em escala única / Abstract: Computer vision and image processing techniques play an important role in several fields, including object detection and image classification, which are very important tasks with applications in medical imagery, remote sensing, forensic analysis, skin detection, among others. These tasks strongly depend on visual information extracted from images that can be used to describe them efficiently. Texture is one of the main used characteristics that describes information such as spatial distribution, brightness and surface structural arrangements. For image recognition and classification, a large set of texture descriptors was investigated in this work, such that only a small fraction is actually multi-scale. Gray level co-occurrence matrices (GLCM) have been widely used in the literature and are known to be an effective texture descriptor. However, such descriptor only discriminates information on a unique scale, that is, the original image. Scales can offer important information in image analysis, since texture can be perceived as different patterns at distinct scales. For that matter, two different strategies for extending the GLCM to multiple scales are presented: (i) a Gaussian scale-space representation, constructed by smoothing the image with a low-pass filter and (ii) an image pyramid, which is defined by sampling the image both in space and scale. This texture descriptor is evaluated against others in different data sets. Then, the proposed texture descriptor is applied in skin detection context, as a mean of improving the accuracy of the detection process. Experimental results demonstrated that the GLCM multi-scale extension has remarkable improvements on tested data sets, outperforming many other feature descriptors, including the original GLCM / Mestrado / Ciência da Computação / Mestre em Ciência da Computação

Orientador: Jorge Stolfi / Tese (doutorado) - Universidade Estadual de Campinas, Instituto de Computação / Made available in DSpace on 2018-08-23T12:30:57Z (GMT). No. of bitstreams: 1 Pereira_DanilloRoberto_D.pdf: 2771811 bytes, checksum: 6d5b092c08b5c011636be5fc2661e4a0 (MD5) Previous issue date: 2013 / Resumo: Nesta tese descrevemos um algoritmo genérico (que denominamos MSFit) capaz de estimar a pose e as deformações de modelos 3D de estruturas biológicas (bactérias, células e etc.) em imagens obtidas por meio de microscópios óticos ou de varredura eletrônica. O algoritmo usa comparação multi-escala de imagens utilizando uma métrica sensível ao contorno; e um método original de otimização não-linear. Nos nossos testes com modelos de complexidade moderada (até 12 parâmetros) o algoritmo identifica corretamente os parâmetros do modelo em 60-70% dos casos com imagens reais e entre 80-90% dos casos com imagens sintéticas / Abstract: In this thesis we describe a generic algorithm (which we call MSFit) able to estimate the pose and deformations of 3D models of biological structures (bacteria, cells, etc.) with images obtained by optical and scanning electron microscopes. The algorithm uses an image comparison metric multi-scale, that is outline-sensitive, and a novel nonlinear optimization method. In our tests with models of moderate complexity (up to 12 parameters) the algorithm correctly identifies the model parameters in 60-70 % of the cases with real images and 80-90 % of the cases with synthetic images / Doutorado / Ciência da Computação / Doutor em Ciência da Computação

Orientador: Eduardo Cardoso de Abreu / Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Matemática Estatística e Computação Científica / Made available in DSpace on 2018-08-26T22:28:13Z (GMT). No. of bitstreams: 1 Ferraz_PaolaCunha_M.pdf: 6535346 bytes, checksum: 5f9c9ba53cd3e63fc60c09c90ad2c625 (MD5) Previous issue date: 2015 / Resumo: O foco deste trabalho é aproximação numérica de problemas envolvendo equações diferenciais parciais (EDPs), de natureza elíptica, no contexto de aplicações em dinâmica de fluidos em meios porosos. Especificamente, a dissertação pretende contribuir com uma implementação de um algoritmo multiescala e multigrid, recentemente introduzido na literatura, para resolução aproximada de sistemas de equações lineares de grande porte e mal condicionados, proveniente dessa classe de EDPs, tipicamente associada a problemas de Poisson de pressão-velocidade com condições de contornos típicas de fluxo em meios porosos. O problema concreto de Poisson discutido neste trabalho será desacoplado do sistema de transporte de EDPs de convecção-difusão, com convecção dominante, e linearizado por meio do emprego de uma técnica de decomposição de operadores. A metodologia para a discretização do problema elíptico de Poisson é elementos finitos mistos híbridos. A resolução numérica do sistema linear resultante deste procedimento será realizado via um método do tipo Gradientes Conjugados com Pré-condicionamento (PCG) multiescala e multigrid. Combinamos as metodologias multi-escala e multigrid de modo a capturar os distintos comprimentos de onda associados aos diferentes comprimentos de onda do operador diferencial auto-adjunto de Poisson, fortemente influenciado pela heterogeneidade das propriedades geológicas do meio poroso, em particular da permeabilidade absoluta, que pode exibir flutuações em várias ordens de grandeza. Experimentos computacionais em aplicações de problemas de dinâmica de fluidos em meios porosos são apresentados e discutidos para verificação dos resultados obtidos / Abstract: The focus of this work is the numerical approximation of differential problems involving partial differential equations (PDE's) of elliptic nature, in the context of modelling and simulation in fluid dynamics in porous media. The dissertation aims to contribute with an implementation of a multiscale multigrid algorithm, recently introduced in the literature, designed for solving ill-conditioned large linear systems of equations derived from those classes of PDE's, typically associated with Poisson problems of pressure-velocity with boundary conditions typical of flow in porous media. The Poisson problem discussed here is identified from the coupled convection-diffusion transport system counterpart of PDE's, with dominated convection, and by a linearization by means the use of an operator splitting approach. The methodology used for the discretization of the Poisson elliptic problem is by mixed hybrid finite elements. The numerical solution of the resulting linear system will be addressed by a multiscale multigrid preconditioned conjugate gradient (PCG) method. We combine both methodologies in order to capture the distinct wavelengths associated with the different wavelengths from the assosiated self-adjoint Poisson operator, strongly influenced by the heterogeneity of the geological properties of the porous media, in particular to the absolute permeability tensor, which in turn might exhibit very large fluctuations of orders of magnitude. Numerical experiments in applications of fluid dynamics problems in porous media are presented and discussed for a verification of the results obtained by direct numerical simulations with the multiscale multigrid algorithm under consideration / Mestrado / Matematica Aplicada / Mestra em Matemática Aplicada