Este projeto descreve o desenvolvimento, estudo e aplicação de descritores fractais em análise de texturas. Nos últimos anos, a literatura vem apresentando a geometria fractal como uma ferramenta poderosa para a análise de imagens, com aplicações em variados campos da ciência. A maior parte destes trabalhos faz uso direto da dimensão fractal como um descritor do objeto representado na imagem. Entretanto, em função da complexidade de muitos problemas nesta área, algumas soluções foram propostas para melhorar essa análise, usando não apenas o valor da dimensão fractal, mas um conjunto de medidas que pudessem ser extraídas pela geometria fractal e que descrevessem as texturas com maior riqueza e precisão. Entre essas técnicas, destacam-se a metodologia de multifractais, de dimensão fractal multiescala e, mais recentemente, os descritores fractais. Esta última técnica tem se mostrado eficiente na solução de problemas relacionados à discriminação de imagens de texturas e formas, uma vez que os descritores gerados fornecem uma representação direta do padrão de complexidade (distribuição dos detalhes ao longo das escalas de observação) da imagem. Assim, essa solução permite que se tenha uma descrição rica da imagem estudada pela análise da distribuição espacial e/ou espectral dos pixels e intensidade de cores/tons de cinza, com uma modelagem que pode se aproximar da percepção visual humana para a geração de um método automático e preciso. Ocorre, entretanto, que os trabalhos apresentados até o momento sobre descritores fractais focam em métodos de estimativa de dimensão fractal mais conhecidos como Bouligand-Minkowski e Box-counting. Este projeto visa estudar mais a fundo o conceito, generalizando para outras abordagens de dimensão fractal, bem como explorando diferentes formas de se extraírem os descritores a partir da curva logarítmica associada à dimensão. Os métodos desenvolvidos são aplicados à análise de texturas, em problemas de classificação de bases públicas, cujos resultados podem ser comparados com métodos da literatura, bem como a segmentação de imagens de satélite e à identificação automática de amostras obtidas em estudos de nanotecnologia. Os resultados alcançados demonstram o potencial da metodologia desenvolvida para a solução destes problemas, mostrando tratar-se de uma nova fronteira a ser usada e explorada em análise de imagens e visão computacional como um todo. / This project describes the development, study and application of fractal descriptors to texture analysis. Recently, the literature has shown fractal geometry as a powerful tool for image analysis, with applications to several areas of science. Most of these works use fractal dimension as a descriptor of the object depicted in the image. However, due to the complexity of many problems in this context, some solutions have been proposed to improve this analysis. These proposed methods use not only the value of fractal dimension, but a set of measures which could be extracted by fractal geometry to describe the textures with greater richness and accuracy. Among such techniques, we emphasize the multifractal methodology, multiscale fractal dimension and, more recently, fractal descriptors. This latter technique has demonstrated to be efficient in solving problems related to the discrimination of texture and shape images. This is possible as the extracted descriptors provide a direct representation of the complexity (the details distribution along the scales of observation) in the image. Thus, this solution allows for a rich description of the image studied by analyzing the spatial/spectral distribution of pixels and intensity of colors/gray-levels, with a model which can approximate the human visual perception, generating an automatic and precise method. However, the works about fractal descriptors presented in the literature focus on classical methods to estimate fractal dimension, such as Bouligand-Minkowski and Box-counting. This project aims at studying more deeply the concept, generalizing to other approaches in fractal dimension, as well as exploring different ways of extracting the key features from the logarithmic curve associated with the dimension. The developed methods are applied to texture analysis, in classification problems over public databases, whose results can be compared with literature methods, as well as to the segmentation of satellite images and automatically identifying samples obtained from studies on nanotechnology. The results demonstrate the potential of the methodology developed to solve such problems, showing that this is a new frontier to be explored and used in image analysis and computer vision at all.

Orientador: Marcelo Zanchetta do Nascimento / Dissertação (mestrado) - Universidade Federal do ABC. Programa de Programa de Pós-Graduação em Engenharia da Informação, 2012

Descritores de características locais de imagens utilizados na representação de objetos têm se tornado muito populares nos últimos anos. Tais descritores têm a capacidade de caracterizar o conteúdo da imagem em dados compactos e discriminativos. As informações extraídas dos descritores são representadas por meio de vetores de características e são utilizados em várias aplicações, tais como reconhecimento de faces, cenas complexas e texturas. Neste trabalho foi explorada a análise e modelagem de descritores locais para caracterização de imagens invariantes a escala, rotação, iluminação e mudanças de ponto de vista. Esta tese apresenta três novos descritores locais que contribuem com o avanço das pesquisas atuais na área de visão computacional, desenvolvendo novos modelos para a caracterização de imagens e reconhecimento de imagens. A primeira contribuição desta tese é referente ao desenvolvimento de um descritor de imagens baseado no mapeamento das diferenças de nível de cinza, chamado Center-Symmetric Local Mapped Pattern (CS-LMP). O descritor proposto mostrou-se robusto a mudanças de escala, rotação, iluminação e mudanças parciais de ponto de vista, e foi comparado aos descritores Center-Symmetric Local Binary Pattern (CS-LBP) e Scale-Invariant Feature Transform (SIFT). A segunda contribuição é uma modificação do descritor CS-LMP, e foi denominada Modified Center-Symmetric Local Mapped Pattern (MCS-LMP). O descritor inclui o cálculo do pixel central na modelagem matemática, caracterizando melhor o conteúdo da mesma. O descritor proposto apresentou resultados superiores aos descritores CS-LMP, SIFT e LIOP na avaliação de reconhecimento de cenas complexas. A terceira contribuição é o desenvolvimento de um descritor de imagens chamado Mean-Local Mapped Pattern (M-LMP) que captura de modo mais fiel pequenas transições dos pixels na imagem, resultando em um número maior de \"matches\" corretos do que os descritores CS-LBP e SIFT. Além disso, foram realizados experimentos para classificação de objetos usando as base de imagens Caltech e Pascal VOC2006, apresentando melhores resultados comparando aos outros descritores em questão. Tal descritor foi proposto com a observação de que o descritor LBP pode gerar ruídos utilizando apenas a comparação dos vizinhos com o pixel central. O descritor M-LMP insere em sua modelagem matemática o cálculo da média dos pixels da vizinhança, com o objetivo de evitar ruídos e deixar as características mais robustas. Os descritores foram desenvolvidos de tal forma que seja possível uma redução de dimensionalidade de maneira simples e sem a necessidade de aplicação de técnicas como o PCA. Os resultados desse trabalho mostraram que os descritores propostos foram robustos na descrição das imagens, quantificando a similaridade entre as imagens por meio da abordagem Bag-of-Features (BoF), e com isso, apresentando resultados computacionais relevantes para a área de pesquisa. / Local feature descriptors used in objects representation have become very popular in recent years. Such descriptors have the ability to characterize the image content in compact and discriminative data. The information extracted from descriptors is represented by feature vectors and is used in various applications such as face recognition, complex scenes and textures. In this work we explored the analysis and modeling of local descriptors to characterize invariant scale images, rotation, changes in illumination and viewpoint. This thesis presents three new local descriptors that contribute to the current research advancement in computer vision area, developing new models for the characterization of images and image recognition. The first contribution is the development of a descriptor based on the mapping of gray-level-differences, called Center-Symmetric Local Mapped Pattern (CS-LMP). The proposed descriptor showed to be invariant to scale change, rotation, illumination and partial changes of viewpoint and compared to the descriptors Center-Symmetric Local Binary Pattern (CS-LBP) and Scale-Invariant Feature Trans- form (SIFT). The second contribution is a modification of the CS-LMP descriptor, which we call Modified Center-Symmetric Local Mapped Pattern (MCS-LMP). The descriptor includes the central pixel in mathematical modeling to better characterize the image content. The proposed descriptor presented superior results to CS-LMP , SIFT and LIOP descriptors in evaluating recognition of complex scenes. The third proposal includes the development of an image descriptor called Mean-Local Mapped Pattern (M-LMP) capturing more accurately small transitions of pixels in the image, resulting in a greater number of \"matches\" correct than CS-LBP and SIFT descriptors. In addition, experiments for classifying objects have been achieved by using the images based Caltech and Pascal VOC2006, presenting better results compared to other descriptors in question. This descriptor was proposed with the observation that the LBP descriptor can gene- rate noise using only the comparison of the neighbors to the central pixel. The M-LMP descriptor inserts in their mathematical modeling the averaging of the pixels of the neighborhood, in order to avoid noise and leave the more robust features. The results of this thesis showed that the proposed descriptors were robust in the description of the images, quantifying the similarity between images using the Bag-of-Features approach (BoF), and thus, presenting relevant computational results for the research area.

[pt] Modelos CAD 3D têm desempenhado um importante papel no gerenciamento de projetos de engenharia. Em vários desses modelos é perceptível a presença de diversos objetos com representações implícitas sendo representados por malhas triangulares. Ainda que apropriada para o rendering, a utilização de malhas triangulares traz consigo algumas desvantagens, como a ambiguidade em objetos pouco discretizados. A engenharia reversa visa a reconstrução dessa representação discreta em sua representação contínua original. Neste trabalho, propomos uma metodologia para a reconstrução de geometrias em modelos CAD utilizando Support Vector Machines e Descritores de Forma. / [en] 3D CAD Models have played an important role in engineering projects management. It is noticeable in many of these files the presence of several objects with implicit representation that end up being represented as triangular meshes. Although suitable for rendering, the triangular mesh representation brings some drawbacks, such as the ambiguity in objects with low discretization rate. The reverse engineering aims to reconstruct this discrete representation to its original continuous representation. In this work, we propose a novel methodology for geometry reconstruction in CAD models using Support Vector Machines and Shape Descriptors.

Made available in DSpace on 2015-03-26T13:23:54Z (GMT). No. of bitstreams: 1 texto completo.pdf: 1451062 bytes, checksum: 39d55bd85f54e95a546d07249a16f7ab (MD5) Previous issue date: 2013-07-19 / Conselho Nacional de Desenvolvimento Científico e Tecnológico / The importance of coffee agriculture in Brazil is notorious, especially for the State of Minas Gerais, which is the Brazilian state that accounts for most of the national production. In the Southern region and in Zona da Mata they are concentrated most of the crops of the State; also, small holdings are predominant in the region and cultivation is done in mountain region, what makes it difficult mapping the crops by automated methods. The application of Artificial Neural Networks (ANNs), having as input variables Haralick s descriptors, has shown a promising approach for the discrimination of higher complexity classes. In this context, it aimed to develop a system to identify areas where coffee is cultivated using ANNs, having as input variables Haralick s descriptors. The studied area is located at the city of Araponga, where 59 fields were selected with coffee plantations for data collection. The software used for processing and sorting the images was MATLAB; and for evaluating the sorting performance, Arcgis was used. The methodology for the development of ANN consisted in two steps: in the first step, the ANN was trained with representative samples of each class of interest (coffee, forest, water, bare soil, and grassland, and urban area), thus verifying the potential to discriminate output classes; in the second step the objective was to classify the coffee plantations accordingly with the age. Kappa index was used for evaluating the performance of ANN; the usage of this coefficient is satisfactory for assessing the accuracy of a thematic class. Kappa index for discriminating the coffee region of the other class of interest was 65,18%, what can be considered a good index. To classify the coffee plantations accordingly with the age, Kappa index was variable (0.675 to 0.4783), being very good for the Itatiaia farm and reasonable to the Pedra Redonda farm. / A importância da cafeicultura para o Brasil é notória, em especial para o estado de Minas Gerais que é o estado brasileiro responsável pela maior parte da produção nacional. Nas regiões sul e da zona da mata onde estão concentradas a maior parte da lavoura no estado de Minas Gerias, há a predominância de pequenas propriedades e o cultivo é feito em região de montanha o que acaba dificultando o mapeamento por métodos automatizados. A aplicação de Redes Neurais Artificiais (RNAs) tendo como variáveis de entrada os descritores de Haralick tem se mostrado uma abordagem promissora na discriminação de classes de maior complexidade. Neste contexto objetivou-se desenvolver um sistema para identificar áreas cultivadas com café utilizando RNAs tendo como variáveis de entrada os descritores de Haralick. A área de estudo está localizada no município de Araponga, onde foram selecionados 59 talhões com plantios de café, sendo levantados dados relativos à idade e data de recepa. O software utilizado para o processamento e classificação da imagem foi o MATLAB, e para avaliar o desempenho da classificação foi o Arcgis. A metodologia para o desenvolvimento da RNA consistiu em duas etapas: na primeira a RNA foi treinada com amostras representativas de cada classe de interesse (café, mata, água, solo exposto e pastagem e área urbana), verificando assim o potencial em discriminar entre as classes de saída; na segunda etapa o objetivo foi classificar as plantações de café de acordo com a idade e com a data de recepa. Utilizou-se o índice Kappa para avaliar o desempenho da RNA, uma vez que o uso desse coeficiente é satisfatório na avaliação da precisão de uma classe temática. O índice Kappa para discriminar a região cafeeira das outras classes temáticas foi de 65,18%, o que pode ser considerado um índice bom. Para classificar os plantios de café em função da idade e data de recepa o índice Kappa foi variável (0,675 a 0,4783), sendo considerado muito bom para a fazenda Itatiaia e razoável para a fazenda Pedra Redonda.

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia de Produção. / Made available in DSpace on 2013-07-16T01:18:32Z (GMT). No. of bitstreams: 1 225191.pdf: 862747 bytes, checksum: 30e8b7fa268f9b6c2a31be26013cb3f5 (MD5) / Esta pesquisa propõe um método para a construção de vocabulários controlados temáticos e vetores de contexto, que associam termos a suas freqüências, a partir de currículos Lattes, com cálculo de aderência entre vetores. A geração dos vocabulários temáticos é feita por meio da normalização, redução de escopo com n-gramas e indexação das palavras-chave dos currículos Lattes. As palavras-chave são associadas às áreas de atuação, formação e produção, considerando a titulação máxima e contabilizando indicadores de freqüência e densidade. O cálculo de aderência entre vetores de contexto de currículos e vocabulário utiliza a medida do co-seno. A geração de vocabulários temáticos e o cálculo de aderência fazem parte de um sistema de apoio à decisão de fomento no âmbito dos Fundos Setoriais. Os vocabulários temáticos geram subsídios para a concepção de editais de chamada de propostas. Os vetores de contexto de pesquisadores e editais podem ser verificados quanto à aderência e, assim, subsidiar o processo de levantamento de possíveis candidatos à avaliador de propostas de financiamento de pesquisa. Os vocabulários temáticos podem subsidiar a construção de tesauros. This research proposes a controlled vocabulary construction method and context vectors, which associate terms and your frequencies, from Lattes curriculum vitae (CV), with calculation of adherence among vectors. The generation of controlled vocabulary is made through normalization, scope reduction with n-gram and CV keywords indexation. The keywords are associated to professional, formation and production areas, considering the maximum degree and counting of frequency and density indicators. The adherence calculation among CV context vectors uses the cosine measure. The controlled vocabulary generation and the adherence calculation are part of Brazilian sectorial funds fomentation support decision system. The controlled vocabularies generate subsidies for the proposals call proclamations construction. The proclamations and CV context vectors can be verified about your adherence and, to subsidize the rising process of possible candidates to research financing proposals assessor. The controlled vocabularies can subsidize the thesaurus construction.

Faunal studies, used as the main building blocks for conservation practices, have potential importance in minimizing environmental impacts. From this, this study sought to analyze the community of fruit-feeding butterflies of the Semideciduous Forest and Araucaria Forest of Iguassu National Park, promoting the comparison of composition, richness, abundance, dominance and similarity of the assemblages as their association with environmental descriptors evaluated in each phytophysiognomy. Field work was carried out monthly between November 2012 and May 2013, using Van Someren-Rydon traps with bait consisting of mashed banana in fermented sugarcane juice. In each phytophysiognomy, we used 15 traps in pre-defined transects that were revised each 24 h during five days per sampling occasion. At the end of six samplings and 900 traps/day as total effort, 1,127 individuals representing 69 species and four subfamilies of fruit-feeding butterflies were recorded. The sampled richness was lower than the Jacknife 1 and Bootstrap estimated values, indicating the importance of increasing the sampling effort. Satyrinae was the subfamily with greater richness and abundance in both areas. Among the total species registered, 11 were new records for the Iguassu National Park. Ordination analysis showed a low segregation of assemblages composition and a difference of 27.2 % between them. The influence of environmental descriptors showed that the set of variables: light, canopy cover and number of trees were the most important in structuring the assemblages of frugivorous butterflies sampled. The obtained results shall provide subsidies for a better knowledge of the diversity of the Atlantic Forest butterflies, contributing to the Management Plan of the Iguassu National Park. / Estudos de fauna, utilizados como principais alicerces para as práticas conservacionistas, são de importância potencial na minimização de impactos ambientais. A partir disso, este estudo buscou analisar a comunidade de borboletas frugívoras da Floresta Estacional Semidecídua e Floresta Ombrófila Mista do Parque Nacional do Iguaçu, promovendo a comparação da composição, riqueza, abundância, dominância e similaridade das assembléias, assim como sua associação com descritores ambientais avaliados em cada fitofisionomia. Para isso, foram realizadas amostragens mensais entre novembro de 2012 e maio de 2013, através de armadilhas atrativas do tipo Van Someren-Rydon com isca constituída de banana amassada fermentada em caldo de cana. Em cada fitofisionomia, utilizaram-se 15 armadilhas em transectos pré-definidos, revisadas a cada 24 h ao longo de cinco dias por ocasião amostral. Ao final de seis ocasiões amostrais, com esforço total de 900 armadilhas/dia, foram registrados 1.127 indivíduos pertencentes a 69 espécies e quatro subfamílias de borboletas frugívoras. A riqueza amostrada apresentou-se abaixo do valor estimado pelos estimadores Jacknife 1 e Bootstrap, indicando a importância de esforço amostral maior. Satyrinae foi a subfamília com maior riqueza e abundância em ambas as fitofisionomias. Dentre o total das espécies registradas, 11 constituíram-se em novos registros para o Parque Nacional do Iguaçu. A análise de ordenação mostrou baixa segregação quanto à composição das assembleias e uma diferença de 27,2% entre as mesmas. A influência dos descritores ambientais mostrou que o conjunto de variáveis: luminosidade, cobertura de dossel e número de árvores foram os mais importantes na estruturação das assembleias de borboletas frugívoras amostradas. Os resultados encontrados poderão fornecer subsídios para um melhor conhecimento da diversidade de borboletas da Mata Atlântica, contribuindo para o Plano de Manejo do Parque Nacional do Iguaçu.

Made available in DSpace on 2014-06-11T19:33:40Z (GMT). No. of bitstreams: 0 Previous issue date: 2007-02-27Bitstream added on 2014-06-13T19:23:54Z : No. of bitstreams: 1 luz_fjf_dr_jabo.pdf: 696825 bytes, checksum: e6fae364aaea139b88622f336be9f094 (MD5) / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / Empresa Brasileira de Pesquisa Agropecuária (EMBRAPA) / Com o objetivo de ampliar o conhecimento sobre uma coleção de pimentas da Embrapa Roraima, foram realizadas caracterizações morfológica com descritores do IPGRI e molecular com marcadores fAFLP, de 58 acessos de Capsicum chinense. Os resultados da avaliação morfológica detectaram que, 39% dos acessos não se agruparam e entre os mesmos observou-se uma dissimilaridade de até 70%, com 50% de média. A caracterização molecular revelou uma dissimilaridade média de 22,3% entre os acessos levando à conclusão de que há uma pequena variabilidade genética entre os acessos, considerando o genoma como um todo. Os resultados demonstraram que as diferenças morfológicas estariam baseadas apenas em uma parte do genoma das pimentas, focada em características visíveis e mensuráveis pelo ser humano. Por outro lado, a variação observada a partir do DNA genômico por meio do marcador molecular utilizado não foi suficiente para ratificar as diferenças morfológicas observadas. Ambas as formas de caracterizar os acessos foram úteis e necessárias para o conhecimento dos mesmos, revelando informações valiosas para estratégias de conservação e uso das pimentas da Amazônia. / In order to raise the knowledge about a pepper collection from Embrapa Roraima, IPGRI morphological descriptors and fAFLP molecular marker were used to characterize 58 acessions of Capsicum chinense, contributing with information about the diversity of those plants. The results of morphological evaluation showed that 39% of the accessions did not group together and it also detected a great dissimilarity among the accessions, reaching values above 70%, with a 50% medium. The molecular characterization showed an average dissimilarity of 22,3%, indicating little genetic variability on the collection evaluated, considering the total genome of the plants. These results demonstrate that variation detected by morphological descriptors would be related to only a small part of pepper genome, focusing on human visible and measurable traits. The variation observed directly on the genome by the molecular marker used was not sufficient to confirm the morphological differences observed among the accessions. Both ways of characterizing the accessions were useful and necessary to their knowledge, revealing valuable information for conservation strategies and the use of amazon peppers.

Submitted by FÁBIO HENRIQUE ANTUNES VIEIRA null (curso_structural@hotmail.com) on 2016-08-03T12:43:17Z No. of bitstreams: 1 Fábio Henrique Antunes Vieira TESE.pdf: 4977174 bytes, checksum: f3e115728925e457e12dd4a79c93812a (MD5) / Approved for entry into archive by Ana Paula Grisoto (grisotoana@reitoria.unesp.br) on 2016-08-04T19:15:49Z (GMT) No. of bitstreams: 1 vieira_fha_dr_guara.pdf: 4977174 bytes, checksum: f3e115728925e457e12dd4a79c93812a (MD5) / Made available in DSpace on 2016-08-04T19:15:49Z (GMT). No. of bitstreams: 1 vieira_fha_dr_guara.pdf: 4977174 bytes, checksum: f3e115728925e457e12dd4a79c93812a (MD5) Previous issue date: 2016-06-30 / A classificação da qualidade da madeira é indicada para indústria de processamento e produção desse material. Essas empresas têm investido em soluções para agregar valor à matéria-prima, com o intuito de melhorar resultados, observando os rumos do mercado. O objetivo deste trabalho foi comparar Redes Neurais Convolutivas, um método de aprendizado profundo, na classificação da qualidade de madeira, com outras técnicas tradicionais de Máquinas de aprendizado, como Máquina de Vetores de Suporte, Árvores de Decisão, Regra dos Vizinhos Mais Próximos e Redes Neurais, em conjunto com Descritores de Textura. Isso foi possível através da verificação do nível de acurácia das experiências com diferentes técnicas, como Aprendizado Profundo e Descritores de Textura no processamento de imagens destes objetos. Foi utilizada uma câmera convencional para capturar as 374 amostras de imagem adotadas no experimento, e a base de dados está disponível para consulta. O processamento das imagens passou por algumas fases, após terem sido obtidas, como pré-processamento, segmentação, análise de recursos e classificação. Os métodos de classificação se deram através de Aprendizado Profundo e por meio de técnicas de Aprendizado de Máquinas tradicionais como Máquina de Vetores de Suporte, Árvores de Decisão, Regra dos Vizinhos Mais Próximos e Redes Neurais juntamente com os Descritores de Textura. Os resultados empíricos para o conjunto de dados das imagens da madeira serrada mostraram que o método com Descritores de Textura, independentemente da estratégia empregada, foi muito competitivo quando comparado com as Redes Neurais Convolutivas para todos os experimentos realizados, e até mesmo superou-as para esta aplicação. / The quality classification of wood is prescribed throughout the wood chain industry, particularly those from the processing and manufacturing fields. Those organizations have invested energy and time trying to increase value of basic items, with the purpose of accomplishing better results, in agreement to the market. The objective of this work was to compare Convolutional Neural Network, a deep learning method, for wood quality classification to other traditional Machine Learning techniques, namely Support Vector Machine (SVM), Decision Trees (DT), K-Nearest Neighbors (KNN), and Neural Networks (NN) associated with Texture Descriptors. Some of the possible options were to assess the predictive performance through the experiments with different techniques, Deep Learning and Texture Descriptors, for processing images of this material type. A camera was used to capture the 374 image samples adopted on the experiment, and their database is available for consultation. The images had some stages of processing after they have been acquired, as pre-processing, segmentation, feature analysis, and classification. The classification methods occurred through Deep Learning, more specifically Convolutional Neural Networks - CNN, and using Texture Descriptors with Support Vector Machine, Decision Trees, K-nearest Neighbors and Neural Network. Empirical results for the image dataset showed that the approach using texture descriptor method, regardless of the strategy employed, is very competitive when compared with CNN for all performed experiments, and even overcome it for this application.

Submitted by Bruno Tavares Padovese null (bpadovese@gmail.com) on 2017-07-03T15:22:41Z No. of bitstreams: 1 Dissertacao_Mestrado_Bruno_Tavares_Padovese.pdf: 4559390 bytes, checksum: 9152719c817205d08d3a72b5a5abc949 (MD5) / Approved for entry into archive by Luiz Galeffi (luizgaleffi@gmail.com) on 2017-07-04T17:59:03Z (GMT) No. of bitstreams: 1 padovese_bt_me_sjrp.pdf: 4559390 bytes, checksum: 9152719c817205d08d3a72b5a5abc949 (MD5) / Made available in DSpace on 2017-07-04T17:59:03Z (GMT). No. of bitstreams: 1 padovese_bt_me_sjrp.pdf: 4559390 bytes, checksum: 9152719c817205d08d3a72b5a5abc949 (MD5) Previous issue date: 2017-05-15 / Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) / Resumo: Os estágios iniciais da doença de Alzheimer são comumente confundidos com o processo natural de envelhecimento. Adicionalmente, a metodologia envolvida no diagnóstico por radiologistas pode ser subjetiva e difícil de documentar. Neste cenário, o desenvolvimento de abordagens acessíveis capazes de auxiliar no diagnóstico precoce da doença de Alzheimer é crucial. Várias abordagens têm sido empregadas com este objetivo, especialmente utilizando imagens de ressonância magnética cerebral. Embora resultados com precisão satisfatória tenham sido obtidos, a maioria das abordagens requer etapas de pré-processamento muito específicas, baseadas na anatomia do cérebro. Neste trabalho, apresentamos uma nova abordagem de recuperação de imagens para auxílio ao diagnóstico da doença de Alzheimer, com base em descritores de propósito geral e uma etapa de pós-processamento não supervisionada. Os exames de ressonância magnética cerebral são processados e recuperados através de descritores de uso geral sem nenhuma etapa de pré-processamento. Dois algoritmos de aprendizado não-supervisionados baseados em ranqueamento foram aplicados para melhorar a eficácia dos resultados iniciais: os algoritmos RL-Sim e ReckNN. Os resultados experimentais demonstram que a abordagem proposta é capaz de atingir resultados de recuperação eficazes, sendo adequada para auxiliar no diagnóstico da doença de Alzheimer. / Abstract: Initial stages of Alzheimer’s disease are easily confused with the normal aging process. Additionally, the methodology involved in the diagnosis by radiologists can be subjective and difficult to document. In this scenario, the development of accessible approaches capable of supporting the early diagnosis of Alzheimer’s disease is crucial. Various approaches have been employed with this objective, specially using brain MRI scans. Although certain satisfactory accuracy results have been achieved, most of the approaches require very specific pre-processing steps based on the brain anatomy. In this work, we present a novel image retrieval approach for supporting the Alzheimer’s disease diagnostic, based on general purpose features and an unsupervised post-processing step. The brain MRI scans are processed and retrieved through general visual features without any pre-processing step. Two rank-based unsupervised distance learning algorithms were used for improving the effectiveness of the initial results: the RL-Sim and ReckNN algorithms. Experimental results demonstrate that the proposed approach can achieve effective retrieval results, being suitable in aiding the diagnosis of Alzheimer’s disease. / CNPq: 154034/2016-9