Research focusing on static scenes with static objects is omitting the time factor from real life examples we are trying to study. Can we say that a lifeguard looking for a drowning man is using the same brain processes that were observed in the laboratory for static scenes? We can conclude that a static scene is a big simplification of the task itself. The aim of this thesis is to prepare a tool which would allow researching dynamic scenes and thus broadening the possibilities of visual detection tasks at hand. Along the tool we also present a couple of simplified examples with which we would like to demonstrate the utilization of the tool. All concluding with a final experiment in which we will try to detect masked patterns in a noisy environment. 1

Esta dissertação apresenta o desenvolvimento e avaliação de um método para a segmentação de vasos sangüíneos em imagens de retina, em que se usa a transformada wavelet contínua bidimensional combinada com classificação supervisionada. A segmentação dos vasos é a etapa inicial para a análise automática das imagens, cujo objetivo é auxiliar a comunidade médica na detecção de doenças. Entre outras doenças, as imagens podem revelar sinais da retinopatia diabética, uma das principais causas de cegueira em adultos, que pode ser prevenida se detectada em um diagnóstico precoce. A abordagem apresentada consiste na geração de segmentações pela classificação supervisionada de pixels nas classes \"vaso\" e \"não vaso\". As características usadas para classificação são obtidas através da transformada wavelet contínua bidimensional usando a wavelet de Gabor. Resultados são avaliados nos bancos públicos DRIVE e STARE de imagens coloridas através da análise ROC (\"receiver operating characteristic\", ou característica de operação do receptor). O método atinge áreas sob curvas ROC de 0.9614 e 0.9671 nos bancos DRIVE e STARE, respectivamente, ligeiramente superiores àquelas apresentadas por outros métodos do estado da arte. Apesar de bons resultados ROC, a análise visual revela algumas dificuldades do método, como falsos positivos ao redor do disco óptico e de patologias. A wavelet de Gabor mostra-se eficiente na detecção dos vasos, superando outros filtros lineares. Bons resultados e uma classificação rápida são obtidos usando o classificador bayesiano em que as funções de densidade de probabilidade condicionais às classes são descritas por misturas de gaussianas. A implementação do método está disponível na forma de \"scripts\" código aberto em MATLAB para pesquisadores interessados em detalhes de implementação, avaliação ou desenvolvimento de métodos. / This dissertation presents the development and evaluation of a method for blood vessel segmentation in retinal images which combines the use of the two-dimensional continuous wavelet transform with supervised classification. Segmentation of the retinal vasculature is the first step towards automatic analysis of the images, aiming at helping the medical community in detecting diseases. Among other diseases, the images may reveal signs of diabetic retinopathy, a leading cause of adult blindness, which can be prevented if identified early enough. The presented approach produces segmentations by supervised classification of each image pixel as \"vessel\" or \"nonvessel\", with pixel features derived using the two-dimensional continuous Gabor wavelet transform. Results are evaluated on publicly available DRIVE and STARE color image databases using ROC (receiver operating characteristic) analysis. The method achieves areas under ROC curves of 0.9614 and 0.9671 on the DRIVE and STARE databases, respectively, being slightly superior than that presented by state-of-the-art approaches. Though good ROC results are presented, visual inspection shows some typical difficulties of the method, such as false positives on the borders of the optic disc and pathologies. The Gabor wavelet shows itself efficient for vessel enhancement, outperforming other linear filters. Good segmentation results and a fast classification phase are obtained using the Bayesian classifier with class-conditional probability density functions described as Gaussian mixtures. The method\'s implementation is available as open source MATLAB scripts for researchers interested in implementation details, evaluation, or development of methods.

Neste trabalho foram propostas técnicas para a segmentação automática de mamogramas e para a detecção de assimetrias entre mamogramas esquerdo e direito. A segmentação é realizada através de três técnicas computacionais para a identificação de três importantes regiões anatômicas nos mamogramas: borda da mama, músculo peitoral e disco fibro-glandular. O primeiro método focaliza a identificação da borda da mama através do uso de um modelo de contorno ativo especialmente projetado para esse propósito. Neste estágio, a borda da mama é automaticamente demarcada, todos os artefatos fora dessa região são eliminados, e a região de interesse usada para a detecção do músculo peitoral é definida. No próximo estágio, a borda do músculo peitoral é determinada usando uma técnica multiresolução baseada na representação Gabor wavelets. Finalmente, um modelo de densidades da mama, baseado no modelo da mistura finita de Gaussianas, é proposto para a representação de quatro categorias de tecidos mamários com diferentes densidades. O disco fibro-glandular é identificado através da aplicação de um limiar sob as classes de densidades determinadas no modelo. Os métodos propostos foram aplicados em 84 imagens de mamogramas de projeções médio-laterais oblíqüas da base de dados Mini-MIAS (\"Mammographic Image Analysis Society\", London, UK). A avaliação dos resultados dos procedimentos de segmentação da borda da mama e borda do músculo peitoral foi realizada com base no percentual de pixels falso-positivos (FPs) e falso-negativos (FNs) determinados por comparação entre os contornos verdadeiros e os contornos automaticamente identificados. As taxas médias de FPs e FNs para as bordas da mama e do músculo peitoral foram, respectivamente, de 0,41% e 0,58%, e 1,78% e 5,77%. A segmentação dos discos fibro-glandulares foi subjetivamente classificada por radiologistas e os resultados indicaram que em mais de 80% dos casos a segmentação foi ) considerada aceitável para o uso em sistemas de auxílio ao diagnóstico. A detecção de assimetrias foi realizada usando informações direcionais, obtidas a partir da representação multiresolução Gabor wavelets, e de informações de forma e densidade, extraídas dos discos fibro-glandulares dos mamogramas esquerdo e direito. No procedimento de análise direcional, uma representação wavelet formada por filtros de Gabor bidimensionais com variação em freqüência e orientação, especialmente projetadas para reduzir a redundância na representação, é aplicada para uma dada imagem. As respostas dos filtros para diferentes escalas e orientações são analisadas através da transformada de Karhunen-Loève (KL) e pelo método de limiarização de Otsu. A transformada KL é aplicada para selecionar os componentes principais das respostas dos filtros, preservando apenas os elementos direcionais mais relevantes que aparecem em todas as escalas. Os componentes principais selecionados e limiarizados pela técnica de Otsu são usados para obter as imagens de magnitude e fase dos componentes direcionais da imagem. Medidas estatísticas extraídas dos diagramas de rosa calculados a partir das imagens de fase são usadas para a análise quantitativa e qualitativa dos padrões orientados. Um total de 11 atributos é extraído dos discos fibro-glandulares segmentados dos mamogramas esquerdo e direito, e a diferença calculada para cada par de atributos é usada como uma medida para a detecção de assimetrias. Um total de 88 imagens (22 casos normais, 14 casos de densidades assimétricas e 8 casos de distorções de arquitetura) da base de dados Mini-MIAS foram usadas para avaliar o método proposto. A combinação exaustiva dos atributos juntamente com a análise de componentes principais foi usada para selecionar o melhor subgrupo de atributos. A classificação foi realizada através de classificadores de Bayes (linear e quadrático) ) e usando o método \"leave-one-out\". Uma taxa de classificação correta de 84,44% foi alcançada. / In this work, techniques are proposed for the automatic segmentation of mammograms and detection of asymmetries between left and right mammograms. The segmentation is performed by using three computational techniques for the identification of three important anatomical regions of mammograms: the skin-air boundary, the pectoral muscle, and the fibro-glandular disc. The first method focuses on the identification of the skin-air boundary by using an active contour model algorithm specially tailored for this purpose. In this stage, the skin-air boundary is demarcated, all artefacts outside the breast region are eliminated, and the region of interest for detection of the pectoral muscle is defined. In the next stage, the edge of the pectoral muscle is determined by using a multiresolution technique based upon a Gabor wavelets representation. Finally, a density breast model based upon a Gaussian mixture model is proposed for the representation of four categories of different density tissues in the breast. The fibro-glandular disc is identified by thresholding the density categories of the model. The methods proposed were applied to 84 images of medio-lateral oblique mammograms from the Mini-MIAS (Mammographic Image Analysis Society, London, U.K.) database. The evaluation of the skin-air boundary and the pectoral muscle edge were performed based upon the percentage of false-positive (FP) and false-negative (FN) pixels determined by comparison between the true contours and the contours automatically identified. The FP and FN average rates for the skin-air boundary and the pectoral muscle edge were, respectively, 0.41% and 0.58%, and 1.78% and 5.77%. Two radiologists subjectively rated the segmentation of the fibro-glandular disc and the results indicate that in more than 80% of the cases, the segmentation was considered acceptable for a Computer Aided Diagnosis purposes. Detection of asymmetries (continua) (continuação) is performed by using directional information, obtained from a multiresolution Gabor wavelets representation, and shape and density information, extracted from the fibro-glandular discs of left and right mammograms. In the directional procedure, a particular wavelet scheme with 2-D Gabor filters as elementary functions with varying tuning frequency and orientation, specifically designed in order to reduce the redundancy in the wavelet-based representation, is applied to the given image. The filter responses for different scales and orientation are analyzed by using the Karhunen-Loève (KL) transform and Otsu\'s method of thresholding. The KL transform is applied to select the principal components of the filter responses, preserving only the most relevant directional elements appearing at all scales. The selected principal components are thresholded by using Otsu\'s method and used to obtain the magnitude and phase of the image directional components. Rose diagrams computed from the phase images and statistical measures computed thereof are used for quantitative and qualitative analysis of the oriented patterns. A total of 11 features are also extracted from the segmented fibro-glandular discs of left-right mammograms, and the difference of each feature pair is used as a measure for detecting asymmetries. A total of 88 images from 22 normal cases, 14 asymmetric cases, and 8 architectural distortion cases from the Mini-MIAS database were used to evaluate the scheme. An exhaustive combination of the features along with the principal components analysis was used to select the best feature set. The classification was performed by using two Bayes\' classifiers (linear and quadratic) and the leave-one-out methodology. Average classification accuracy up to 84.44% was achieved.

A biometria é a ciência que estuda a mensuração dos seres vivos. Muitos trabalhos exploram as características dos seres humanos tais como, impressão digital, íris e face, a fim de desenvolver sistemas biométricos, utilizados em diversas aplicações (monitoramento de segurança, computação ubíqua, robótica). O reconhecimento de faces é uma das técnicas biométricas mais investigadas, por ser bastante intuitiva e menos invasiva que as demais. Alguns trabalhos envolvendo essa técnica se preocupam apenas em localizar a face de um indivíduo (fazer a contagem de pessoas), enquanto outros tentam identificá-lo a partir de uma imagem. Este trabalho propõe uma abordagem capaz de identificar faces a partir de quadros de vídeo e, posteriormente, reconhecê-las por meio de técnicas de análise de imagens. Pode-se dividir o trabalho em dois módulos principais: (1) - Localização e rastreamento de faces em uma seqüência de imagens ( frames), além de separar a região rastreada da imagem; (2) - Reconhecimento de faces, identificando a qual pessoa pertence. Para a primeira etapa foi implementado um sistema de análise de movimento (baseado em subtração de quadros) que possibilitou localizar, rastrear e captar imagens da face de um indivíduo usando uma câmera de vídeo. Para a segunda etapa foram implementados os módulos de redução de informações (técnica Principal Component Analysis - PCA), de extração de características (transformada wavelet de Gabor), e o de classificação e identificação de face (distância Euclidiana e Support Vector Machine - SVM). Utilizando-se duas bases de dados de faces (FERET e uma própria - Própria), foram realizados testes para avaliar o sistema de reconhecimento implementado. Os resultados encontrados foram satisfatórios, atingindo 91,92% e 100,00% de taxa de acertos para as bases FERET e Própria, respectivamente. / Biometry is the science of measuring and analyzing biomedical data. Many works in this field have explored the characteristics of human beings, such as digital fingerprints, iris, and face to develop biometric systems, employed in various aplications (security monitoring, ubiquitous computation, robotic). Face identification and recognition are very apealing biometric techniques, as it it intuitive and less invasive than others. Many works in this field are only concerned with locating the face of an individual (for counting purposes), while others try to identify people from faces. The objective of this work is to develop a biometric system that could identify and recognize faces. The work can be divided into two major stages: (1) Locate and track in a sequence of images (frames), as well as separating the tracked region from the image; (2) Recognize a face as belonging to a certain individual. In the former, faces are captured from frames of a video camera by a motion analysis system (based on substraction of frames), capable of finding, tracking and croping faces from images of individuals. The later, consists of elements for data reductions (Principal Component Analysis - PCA), feature extraction (Gabor wavelets) and face classification (Euclidean distance and Support Vector Machine - SVM). Two faces databases have been used: FERET and a \"home-made\" one. Tests have been undertaken so as to assess the system\'s recognition capabilities. The experiments have shown that the technique exhibited a satisfactory performance, with success rates of 91.97% and 100% for the FERET and the \"home-made\" databases, respectively.

A biometria é a ciência que estuda a mensuração dos seres vivos. Muitos trabalhos exploram as características dos seres humanos tais como, impressão digital, íris e face, a fim de desenvolver sistemas biométricos, utilizados em diversas aplicações (monitoramento de segurança, computação ubíqua, robótica). O reconhecimento de faces é uma das técnicas biométricas mais investigadas, por ser bastante intuitiva e menos invasiva que as demais. Alguns trabalhos envolvendo essa técnica se preocupam apenas em localizar a face de um indivíduo (fazer a contagem de pessoas), enquanto outros tentam identificá-lo a partir de uma imagem. Este trabalho propõe uma abordagem capaz de identificar faces a partir de quadros de vídeo e, posteriormente, reconhecê-las por meio de técnicas de análise de imagens. Pode-se dividir o trabalho em dois módulos principais: (1) - Localização e rastreamento de faces em uma seqüência de imagens ( frames), além de separar a região rastreada da imagem; (2) - Reconhecimento de faces, identificando a qual pessoa pertence. Para a primeira etapa foi implementado um sistema de análise de movimento (baseado em subtração de quadros) que possibilitou localizar, rastrear e captar imagens da face de um indivíduo usando uma câmera de vídeo. Para a segunda etapa foram implementados os módulos de redução de informações (técnica Principal Component Analysis - PCA), de extração de características (transformada wavelet de Gabor), e o de classificação e identificação de face (distância Euclidiana e Support Vector Machine - SVM). Utilizando-se duas bases de dados de faces (FERET e uma própria - Própria), foram realizados testes para avaliar o sistema de reconhecimento implementado. Os resultados encontrados foram satisfatórios, atingindo 91,92% e 100,00% de taxa de acertos para as bases FERET e Própria, respectivamente. / Biometry is the science of measuring and analyzing biomedical data. Many works in this field have explored the characteristics of human beings, such as digital fingerprints, iris, and face to develop biometric systems, employed in various aplications (security monitoring, ubiquitous computation, robotic). Face identification and recognition are very apealing biometric techniques, as it it intuitive and less invasive than others. Many works in this field are only concerned with locating the face of an individual (for counting purposes), while others try to identify people from faces. The objective of this work is to develop a biometric system that could identify and recognize faces. The work can be divided into two major stages: (1) Locate and track in a sequence of images (frames), as well as separating the tracked region from the image; (2) Recognize a face as belonging to a certain individual. In the former, faces are captured from frames of a video camera by a motion analysis system (based on substraction of frames), capable of finding, tracking and croping faces from images of individuals. The later, consists of elements for data reductions (Principal Component Analysis - PCA), feature extraction (Gabor wavelets) and face classification (Euclidean distance and Support Vector Machine - SVM). Two faces databases have been used: FERET and a \"home-made\" one. Tests have been undertaken so as to assess the system\'s recognition capabilities. The experiments have shown that the technique exhibited a satisfactory performance, with success rates of 91.97% and 100% for the FERET and the \"home-made\" databases, respectively.

O presente trabalho tem como objetivo fundamental a construção de um sistema de identificação capaz de diagnosticar em tempo real as diferentes configurações de escoamentos bifásicos horizontais. É importante ressaltar que o desenvolvimento deste know-how é capital para a operação eficaz de instalações de manipulação e ou transporte de fluidos multifásicos, e representa, hoje, um dos grandes desafios nas indústrias do petróleo e termonuclear. O princípio de funcionamento do sistema proposto baseia-se nos sinais captados por um sensor de pressão flutuante de resposta rápida, e no seu pósprocessamento com auxílio da transformada de Gabor e de uma rede neural convenientemente treinada. A implementação é tal que a operação de diagnóstico pode ser feita on-line, desde a aquisição dos sinais até o pósprocessamento. Resultados experimentais foram obtidos no circuito experimental do NETeF - Núcleo de Engenharia Térmica e Fluidos da USP - Universidade de São Paulo, para uma secção de testes horizo ntal com 12 m de comprimento e diâmetro interno de 30 mm. Em específico foram ensaiados os seguintes padrões de escoamento ar-água: estratificado liso, ondulado, intermitente, anular e a bolhas. Os resultados mostram que, dependendo dos limites de detecção pré-estabelecidos, todos o principais padrões de escoamento bifásico horizontal são identificados corretamente. / The fundamental objective of this work is the construction of an identification system capable of diagnosing in real time different configurations of horizontal two-phase flow patterns. It is important to emphasize that the development of this know-how is capital to the efficient operation of facilities for manipulation and transportation of multiphase fluids, and represents, today, one of the most important challenges in the oil and thermonuclear industries. The working principle of the proposed system is based on the signals acquired by a rapid response fluctuating pressure sensor, and on its post processing through Gabor Transform and on a conveniently trained artificial neural network. The implementation is accomplished in way that the diagnosis operation is performed on-line, from signal acquisition to post-processing. Experimental results were obtained on the experimental circuit at NETeF - Núcleo de Engenharia Térmica e Fluidos of USP - Universidade de São Paulo, at São Carlos, using a horizontal test section, with 12 m length and 30 mm internal diameter. Experiments were done with the following air-water flow patterns: stratified smooth, wavy, intermittent, annular, and bubbly. Results show that, depending on the preset detection limits, all the main horizontal two phase flow patterns were correctly identified.

Neste trabalho foram propostas técnicas para a segmentação automática de mamogramas e para a detecção de assimetrias entre mamogramas esquerdo e direito. A segmentação é realizada através de três técnicas computacionais para a identificação de três importantes regiões anatômicas nos mamogramas: borda da mama, músculo peitoral e disco fibro-glandular. O primeiro método focaliza a identificação da borda da mama através do uso de um modelo de contorno ativo especialmente projetado para esse propósito. Neste estágio, a borda da mama é automaticamente demarcada, todos os artefatos fora dessa região são eliminados, e a região de interesse usada para a detecção do músculo peitoral é definida. No próximo estágio, a borda do músculo peitoral é determinada usando uma técnica multiresolução baseada na representação Gabor wavelets. Finalmente, um modelo de densidades da mama, baseado no modelo da mistura finita de Gaussianas, é proposto para a representação de quatro categorias de tecidos mamários com diferentes densidades. O disco fibro-glandular é identificado através da aplicação de um limiar sob as classes de densidades determinadas no modelo. Os métodos propostos foram aplicados em 84 imagens de mamogramas de projeções médio-laterais oblíqüas da base de dados Mini-MIAS (\"Mammographic Image Analysis Society\", London, UK). A avaliação dos resultados dos procedimentos de segmentação da borda da mama e borda do músculo peitoral foi realizada com base no percentual de pixels falso-positivos (FPs) e falso-negativos (FNs) determinados por comparação entre os contornos verdadeiros e os contornos automaticamente identificados. As taxas médias de FPs e FNs para as bordas da mama e do músculo peitoral foram, respectivamente, de 0,41% e 0,58%, e 1,78% e 5,77%. A segmentação dos discos fibro-glandulares foi subjetivamente classificada por radiologistas e os resultados indicaram que em mais de 80% dos casos a segmentação foi ) considerada aceitável para o uso em sistemas de auxílio ao diagnóstico. A detecção de assimetrias foi realizada usando informações direcionais, obtidas a partir da representação multiresolução Gabor wavelets, e de informações de forma e densidade, extraídas dos discos fibro-glandulares dos mamogramas esquerdo e direito. No procedimento de análise direcional, uma representação wavelet formada por filtros de Gabor bidimensionais com variação em freqüência e orientação, especialmente projetadas para reduzir a redundância na representação, é aplicada para uma dada imagem. As respostas dos filtros para diferentes escalas e orientações são analisadas através da transformada de Karhunen-Loève (KL) e pelo método de limiarização de Otsu. A transformada KL é aplicada para selecionar os componentes principais das respostas dos filtros, preservando apenas os elementos direcionais mais relevantes que aparecem em todas as escalas. Os componentes principais selecionados e limiarizados pela técnica de Otsu são usados para obter as imagens de magnitude e fase dos componentes direcionais da imagem. Medidas estatísticas extraídas dos diagramas de rosa calculados a partir das imagens de fase são usadas para a análise quantitativa e qualitativa dos padrões orientados. Um total de 11 atributos é extraído dos discos fibro-glandulares segmentados dos mamogramas esquerdo e direito, e a diferença calculada para cada par de atributos é usada como uma medida para a detecção de assimetrias. Um total de 88 imagens (22 casos normais, 14 casos de densidades assimétricas e 8 casos de distorções de arquitetura) da base de dados Mini-MIAS foram usadas para avaliar o método proposto. A combinação exaustiva dos atributos juntamente com a análise de componentes principais foi usada para selecionar o melhor subgrupo de atributos. A classificação foi realizada através de classificadores de Bayes (linear e quadrático) ) e usando o método \"leave-one-out\". Uma taxa de classificação correta de 84,44% foi alcançada. / In this work, techniques are proposed for the automatic segmentation of mammograms and detection of asymmetries between left and right mammograms. The segmentation is performed by using three computational techniques for the identification of three important anatomical regions of mammograms: the skin-air boundary, the pectoral muscle, and the fibro-glandular disc. The first method focuses on the identification of the skin-air boundary by using an active contour model algorithm specially tailored for this purpose. In this stage, the skin-air boundary is demarcated, all artefacts outside the breast region are eliminated, and the region of interest for detection of the pectoral muscle is defined. In the next stage, the edge of the pectoral muscle is determined by using a multiresolution technique based upon a Gabor wavelets representation. Finally, a density breast model based upon a Gaussian mixture model is proposed for the representation of four categories of different density tissues in the breast. The fibro-glandular disc is identified by thresholding the density categories of the model. The methods proposed were applied to 84 images of medio-lateral oblique mammograms from the Mini-MIAS (Mammographic Image Analysis Society, London, U.K.) database. The evaluation of the skin-air boundary and the pectoral muscle edge were performed based upon the percentage of false-positive (FP) and false-negative (FN) pixels determined by comparison between the true contours and the contours automatically identified. The FP and FN average rates for the skin-air boundary and the pectoral muscle edge were, respectively, 0.41% and 0.58%, and 1.78% and 5.77%. Two radiologists subjectively rated the segmentation of the fibro-glandular disc and the results indicate that in more than 80% of the cases, the segmentation was considered acceptable for a Computer Aided Diagnosis purposes. Detection of asymmetries (continua) (continuação) is performed by using directional information, obtained from a multiresolution Gabor wavelets representation, and shape and density information, extracted from the fibro-glandular discs of left and right mammograms. In the directional procedure, a particular wavelet scheme with 2-D Gabor filters as elementary functions with varying tuning frequency and orientation, specifically designed in order to reduce the redundancy in the wavelet-based representation, is applied to the given image. The filter responses for different scales and orientation are analyzed by using the Karhunen-Loève (KL) transform and Otsu\'s method of thresholding. The KL transform is applied to select the principal components of the filter responses, preserving only the most relevant directional elements appearing at all scales. The selected principal components are thresholded by using Otsu\'s method and used to obtain the magnitude and phase of the image directional components. Rose diagrams computed from the phase images and statistical measures computed thereof are used for quantitative and qualitative analysis of the oriented patterns. A total of 11 features are also extracted from the segmented fibro-glandular discs of left-right mammograms, and the difference of each feature pair is used as a measure for detecting asymmetries. A total of 88 images from 22 normal cases, 14 asymmetric cases, and 8 architectural distortion cases from the Mini-MIAS database were used to evaluate the scheme. An exhaustive combination of the features along with the principal components analysis was used to select the best feature set. The classification was performed by using two Bayes\' classifiers (linear and quadratic) and the leave-one-out methodology. Average classification accuracy up to 84.44% was achieved.

O presente trabalho tem como objetivo fundamental a construção de um sistema de identificação capaz de diagnosticar em tempo real as diferentes configurações de escoamentos bifásicos horizontais. É importante ressaltar que o desenvolvimento deste know-how é capital para a operação eficaz de instalações de manipulação e ou transporte de fluidos multifásicos, e representa, hoje, um dos grandes desafios nas indústrias do petróleo e termonuclear. O princípio de funcionamento do sistema proposto baseia-se nos sinais captados por um sensor de pressão flutuante de resposta rápida, e no seu pósprocessamento com auxílio da transformada de Gabor e de uma rede neural convenientemente treinada. A implementação é tal que a operação de diagnóstico pode ser feita on-line, desde a aquisição dos sinais até o pósprocessamento. Resultados experimentais foram obtidos no circuito experimental do NETeF - Núcleo de Engenharia Térmica e Fluidos da USP - Universidade de São Paulo, para uma secção de testes horizo ntal com 12 m de comprimento e diâmetro interno de 30 mm. Em específico foram ensaiados os seguintes padrões de escoamento ar-água: estratificado liso, ondulado, intermitente, anular e a bolhas. Os resultados mostram que, dependendo dos limites de detecção pré-estabelecidos, todos o principais padrões de escoamento bifásico horizontal são identificados corretamente. / The fundamental objective of this work is the construction of an identification system capable of diagnosing in real time different configurations of horizontal two-phase flow patterns. It is important to emphasize that the development of this know-how is capital to the efficient operation of facilities for manipulation and transportation of multiphase fluids, and represents, today, one of the most important challenges in the oil and thermonuclear industries. The working principle of the proposed system is based on the signals acquired by a rapid response fluctuating pressure sensor, and on its post processing through Gabor Transform and on a conveniently trained artificial neural network. The implementation is accomplished in way that the diagnosis operation is performed on-line, from signal acquisition to post-processing. Experimental results were obtained on the experimental circuit at NETeF - Núcleo de Engenharia Térmica e Fluidos of USP - Universidade de São Paulo, at São Carlos, using a horizontal test section, with 12 m length and 30 mm internal diameter. Experiments were done with the following air-water flow patterns: stratified smooth, wavy, intermittent, annular, and bubbly. Results show that, depending on the preset detection limits, all the main horizontal two phase flow patterns were correctly identified.

Esta dissertação apresenta o desenvolvimento e avaliação de um método para a segmentação de vasos sangüíneos em imagens de retina, em que se usa a transformada wavelet contínua bidimensional combinada com classificação supervisionada. A segmentação dos vasos é a etapa inicial para a análise automática das imagens, cujo objetivo é auxiliar a comunidade médica na detecção de doenças. Entre outras doenças, as imagens podem revelar sinais da retinopatia diabética, uma das principais causas de cegueira em adultos, que pode ser prevenida se detectada em um diagnóstico precoce. A abordagem apresentada consiste na geração de segmentações pela classificação supervisionada de pixels nas classes \"vaso\" e \"não vaso\". As características usadas para classificação são obtidas através da transformada wavelet contínua bidimensional usando a wavelet de Gabor. Resultados são avaliados nos bancos públicos DRIVE e STARE de imagens coloridas através da análise ROC (\"receiver operating characteristic\", ou característica de operação do receptor). O método atinge áreas sob curvas ROC de 0.9614 e 0.9671 nos bancos DRIVE e STARE, respectivamente, ligeiramente superiores àquelas apresentadas por outros métodos do estado da arte. Apesar de bons resultados ROC, a análise visual revela algumas dificuldades do método, como falsos positivos ao redor do disco óptico e de patologias. A wavelet de Gabor mostra-se eficiente na detecção dos vasos, superando outros filtros lineares. Bons resultados e uma classificação rápida são obtidos usando o classificador bayesiano em que as funções de densidade de probabilidade condicionais às classes são descritas por misturas de gaussianas. A implementação do método está disponível na forma de \"scripts\" código aberto em MATLAB para pesquisadores interessados em detalhes de implementação, avaliação ou desenvolvimento de métodos. / This dissertation presents the development and evaluation of a method for blood vessel segmentation in retinal images which combines the use of the two-dimensional continuous wavelet transform with supervised classification. Segmentation of the retinal vasculature is the first step towards automatic analysis of the images, aiming at helping the medical community in detecting diseases. Among other diseases, the images may reveal signs of diabetic retinopathy, a leading cause of adult blindness, which can be prevented if identified early enough. The presented approach produces segmentations by supervised classification of each image pixel as \"vessel\" or \"nonvessel\", with pixel features derived using the two-dimensional continuous Gabor wavelet transform. Results are evaluated on publicly available DRIVE and STARE color image databases using ROC (receiver operating characteristic) analysis. The method achieves areas under ROC curves of 0.9614 and 0.9671 on the DRIVE and STARE databases, respectively, being slightly superior than that presented by state-of-the-art approaches. Though good ROC results are presented, visual inspection shows some typical difficulties of the method, such as false positives on the borders of the optic disc and pathologies. The Gabor wavelet shows itself efficient for vessel enhancement, outperforming other linear filters. Good segmentation results and a fast classification phase are obtained using the Bayesian classifier with class-conditional probability density functions described as Gaussian mixtures. The method\'s implementation is available as open source MATLAB scripts for researchers interested in implementation details, evaluation, or development of methods.

Since their discovery in the early 1950's, frames have emerged as an important tool in areas such as signal processing, image processing, data compression and sampling theory, just to name a few. Our purpose of this dissertation is to investigate dual frames and the ability to find dual frames which are optimal when coping with the problem of erasures in data transmission. In addition, we study a special class of frames which exhibit algebraic structure, discrete Gabor frames. Much work has been done in the study of discrete Gabor frames in Rn, but very little is known about the l2(Z) case or the l2(Zd) case. We establish some basic Gabor frame theory for l2(Z) and then generalize to the l2(Zd) case.