Submitted by João Arthur Martins (joao.arthur@ufpe.br) on 2015-03-10T18:45:31Z No. of bitstreams: 2 Dissertacao Gilliard Lopes.pdf: 2357528 bytes, checksum: fd0913ca03078329224a12a6dd90a678 (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) / Made available in DSpace on 2015-03-11T17:47:35Z (GMT). No. of bitstreams: 2 Dissertacao Gilliard Lopes.pdf: 2357528 bytes, checksum: fd0913ca03078329224a12a6dd90a678 (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Previous issue date: 2013-08-13 / FACEPE / Esta dissertação apresenta um novo algoritmo para segmentação de sinais de voz baseado em técnicas de processamento de imagem, tais como análise de espectrograma, morfologia matemática, componentes conectados, análise de projeção e binarização. O algoritmo proposto opera em dois ciclos: o primeiro age separando o sinal de voz do fundo (silêncio ou ruído). O segundo utiliza esse sinal de voz segmentado para realizar a segmentação de sílabas fonéticas (agrupamento de fonemas). A base de dados de áudio MIT (MIT Mobile Device Speaker Verification Corpus) e a TIMIT (Texas Instruments/Massachussets Institute of Technology) foram utilizadas para validação do algoritmo proposto. Os sinais de voz escolhidos variam desde o gênero do locutor, a regionalidade (sotaque), tipos de fonemas e ruídos de fundo, como: ruídos de apito, chuva, vento e de um cruzamento de ruas com tráfego intenso. A técnica proposta mostrou eficiência na segmentação, no que diz respeito aos segmentos fonéticos, em ambientes com ausência e presença de ruídos, utilizando os mesmos parâmetros em ambas as situações

Tese de mestrado integrado. Engenharia Electrotécnica e de Computadores. Faculdade de Engenharia. Universidade do Porto. 2008

Tese de doutoramento. Engenharia Electrotécnica e de Computadores. Faculdade de Engenharia. Universidade do Porto. 2007

Submitted by Pedro Barros (pedro.silvabarros@ufpe.br) on 2018-08-14T18:05:13Z No. of bitstreams: 2 license_rdf: 811 bytes, checksum: e39d27027a6cc9cb039ad269a5db8e34 (MD5) TESE Wendeson da Silva Oliveira.pdf: 6642155 bytes, checksum: e280283f3dc04c84da6f92e144a5155d (MD5) / Approved for entry into archive by Alice Araujo (alice.caraujo@ufpe.br) on 2018-08-16T20:09:40Z (GMT) No. of bitstreams: 2 license_rdf: 811 bytes, checksum: e39d27027a6cc9cb039ad269a5db8e34 (MD5) TESE Wendeson da Silva Oliveira.pdf: 6642155 bytes, checksum: e280283f3dc04c84da6f92e144a5155d (MD5) / Made available in DSpace on 2018-08-16T20:09:40Z (GMT). No. of bitstreams: 2 license_rdf: 811 bytes, checksum: e39d27027a6cc9cb039ad269a5db8e34 (MD5) TESE Wendeson da Silva Oliveira.pdf: 6642155 bytes, checksum: e280283f3dc04c84da6f92e144a5155d (MD5) Previous issue date: 2017-02-22 / FACEPE / O processamento e a análise de imagens caracterizam-se em 5 fases: aquisição, préprocessamento, segmentação, representação/descrição, e reconhecimento de imagens. Este trabalho situa-se na área de segmentação de imagens médicas 2D. O principal objetivo da segmentação consiste em dividir uma imagem em regiões ou objetos que a compõem. A segmentação de imagens é alvo de vários estudos e pesquisas para o desenvolvimento de métodos mais abrangentes e computacionalmente mais eficientes, principalmente em imagens médicas. Uma etapa crucial para a extração de informações automatizadas em imagens médicas, geralmente envolve a segmentação das regiões da imagem a fim de quantificar volumes e áreas de interesse de tecidos biológicos para posterior diagnóstico e localização de patologias. Um desafio importante que deve ser levado em consideração no desenvolvimento de algoritmos de segmentação de imagens médicas é como avaliar o desempenho do método. Este tipo de avaliação de desempenho geralmente é feito através da comparação dos resultados de algoritmos automáticos versus uma segmentação de referência, denominada de ground-truth. Em particular, a estimativa de ground-truth em imagens médicas pode ser obtida através do contorno manual ou ainda através de métodos interativos de segmentação. No entanto, essas abordagens podem ser extremamente trabalhosas e sujeitas a variabilidades inter e intra usuários. Uma alternativa para diminuir essa variabilidade é a segmentação utilizando o consenso da resposta de vários usuários para uma mesma imagem. Um método de consenso de segmentações tem a finalidade de combinar várias segmentações de uma mesma imagem. Este trabalho tem como principal objetivo propor uma abordagem para estimar o ground-truth em imagens médicas. A abordagem consiste nas duas principais contribuições deste trabalho. Na primeira, um novo sistema colaborativo COSE (Collaborative Segmentation) foi desenvolvido para obter várias segmentações de uma mesma imagem com o intuito de estimar o ground-truth. Já a segunda, propõe um novo método para o consenso de segmentações de imagens médicas, denominado ISECO (Intelligent SEgmentation COnsensus). Os principais métodos de consenso de segmentações utilizam apenas informações binárias. No entanto, o ISECO apresenta como principal diferencial o fato de utilizar informações extraídas da imagem em nível de cinza para auxiliar na classificação dos pixels em foreground ou background utilizando um modelo de aprendizagem. A extração de características é baseada em três extratores de textura: filtros de Gabor, Local Binary Pattern (LBP) e Local Directional Pattern (LDP). Outra abordagem para o consenso de segmentações, denominada Distance Transform Merge (DTM) também é proposta neste trabalho tendo como objetivo ser um método simples e rápido. Os métodos de consenso propostos são avaliados e comparados com outras abordagens disponíveis na literatura utilizando 4 bases de imagens. A avaliação das abordagens mostra que o ISECO apresenta resultado tão bom ou melhor que os principais métodos da literatura. / Image processing is characterized by five steps: acquisition, pre-processing, segmentation, representation/description and image recognition. In this thesis, we work with the problem the 2D medical image segmentation. The main purpose of image segmentation is to divide an image into regions. Image segmentation has been a subject of several studies and research for the development of more comprehensive and computationally more efficient methods, especially in medical imaging. A challenge that must be taken into account in the development of medical image segmentation algorithms is how to evaluate the performance of the method. This type of performance evaluation is usually done by comparing the results of automatic algorithms versus a reference segmentation, called the ground-truth. In particular, the estimation of ground-truth in medical images can be obtained through manual segmentation or interactive segmentation methods. However, these approaches can be extremely subjective and subject to both intra and inter user variability. An alternative to reduce this variability is image segmentation using the consensus of multiple segmentations of a single image. A segmentation consensus method has the purpose of combining multiple segmentations of the same image. This work proposes an approach to estimate the ground-truth in medical images. The approach consists of two parts. At first, we development a collaborative system called COSE (Collaborative SEgmentation) to obtain various segmentations of the same image in order to estimate the ground-truth. The second proposals is a new method for the consensus of medical image segmentations, called ISECO (Intelligent SEgmentation CCnsensus). The main consensus segmentation methods in the state-of-the-art uses only binary information. However, the ISECO proposes to use gray-scale image information to classify pixels in foreground or background. However, ISECO has as main differential the use of information extracted from the image in gray-scale to assist in the classification of pixels in foreground or background using a learning model. The features extraction is based on three texture extractors: Gabor filters, Local Binary Pattern (LBP) and Local Directional Pattern (LDP). Another approach to segmentation consensus, called Distance Transform Merge (DTM), is also proposed in this work, aiming to be a simple and fast method. The proposed consensus methods are evaluated and compared with other approaches available in the literature using 4 image database. Evaluation of the approaches shows that the ISECO presents better results than the main methods of the literature.

Made available in DSpace on 2014-06-12T23:14:50Z (GMT). No. of bitstreams: 2 arquivo8962_1.pdf: 612408 bytes, checksum: b775622cd500cf37d88772515a5ea702 (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2002 / Este trabalho apresenta uma nova metodologia aplicada na construção de simuladores baseados em elementos de volume. O processo de segmentação dos modelos resume-se à tarefa de colorir as imagens tomográficas atribuindo uma cor diferente para cada órgão segmentado. Um modelo de cabeça e pescoço foi construído utilizando esta nova técnica. Além de simplificar o procedimento permitindo a construção dos modelos em um menor período de tempo, as informações são armazenadas de forma otimizada aumentando a performance do programa que calcula o transporte de radiação. A execução de comandos gráficos pelo mesmo programa que calcula o transporte de radiação permite também que imagens sejam reconstruídas a partir dos dados do modelo mostrando regiões de isodose, sob diversos pontos de vista, aumentando o nível da informação passada ao usuário. Radiografias virtuais do modelo construído também podem ser obtidas. Esta capacidade permite que estudos sejam realizados visando a otimização das técnicas radiográficas avaliando ao mesmo tempo as doses nos órgãos e tecidos. O programa aqui apresentado, denominado MCvoxEL, que implementa esta nova metodologia, foi validado comparando-se os seus resultados com os de programas já consolidados no meio científico. Coeficientes de conversão para doses provenientes de exposições a feixes de fótons paralelos também foram obtidos

Submitted by Pedro Barros (pedro.silvabarros@ufpe.br) on 2018-09-24T19:35:29Z No. of bitstreams: 2 license_rdf: 811 bytes, checksum: e39d27027a6cc9cb039ad269a5db8e34 (MD5) DISSERTAÇÃO João Paulo Fernandes Barbosa.pdf: 5395058 bytes, checksum: 1228b9047fb332f874f7e71584424654 (MD5) / Approved for entry into archive by Alice Araujo (alice.caraujo@ufpe.br) on 2018-09-25T18:10:50Z (GMT) No. of bitstreams: 2 license_rdf: 811 bytes, checksum: e39d27027a6cc9cb039ad269a5db8e34 (MD5) DISSERTAÇÃO João Paulo Fernandes Barbosa.pdf: 5395058 bytes, checksum: 1228b9047fb332f874f7e71584424654 (MD5) / Made available in DSpace on 2018-09-25T18:10:50Z (GMT). No. of bitstreams: 2 license_rdf: 811 bytes, checksum: e39d27027a6cc9cb039ad269a5db8e34 (MD5) DISSERTAÇÃO João Paulo Fernandes Barbosa.pdf: 5395058 bytes, checksum: 1228b9047fb332f874f7e71584424654 (MD5) Previous issue date: 2016-02-26 / A detecção de objetos e a segmentação de sequências de vídeo são os primeiros passos em algumas aplicações e sistemas de visão computacional. Bons resultados tem sido alcançados com a utilização de General Propose Graphic Processor Unit (GPGPU) e de Field Gate Programmable Array (FPGA) na implementação de aplicações científicas de alto desempenho e esta têm sido uma alternativa à implementação convencional baseada em uma Central Única de Processamento (CPU). Neste contexto, este trabalho apresenta uma arquitetura heterogênea baseada em CPU e FPGA, que explora o máximo de paralelismo, para o processamento da segmentação de frames de vídeo utilizando a análise do espectro de fase de Fourier. O algoritmo de segmentação de vídeos implementado neste trabalho inclui entre suas operações o processamento de uma FFT 3-D, o cálculo do espectro de fase e o cálculo da IFFT 2-D em uma sequência de vídeo. O desempenho da arquitetura baseada em CPU e FPGA é comparado com a mesma implementação do algoritmo que utiliza a biblioteca cuFFT em um sistema baseado em CPU e GPU. A arquitetura desenvolvida em um FPGA Stratix IV (EP4SE530H35C2) é capaz de segmentar objetos em uma sequencia de vídeo a uma taxa de 1.800 frames por segundos. / Object detection and video sequences segmentation are the first step in some applications and computer vision systems. Hardware accelerators such General Propose Graphic Processor Unit (GPGPU) and Field Gate Programmable Array (FPGA) have been used as an alternative to conventional CPU architectures in high-performance scientific applications, and have achieved good speed-up results. Within this context, this work presents a heterogeneous architecture for computing based on CPU and FPGA, which explores the maximum parallelism for processing video segmentation using the video signal Fourier phase spectrum analysis. The video segmentation algorithm includes processing the 3-D FFT, calculating the phase spectrum and the 2-D IFFT operation in a video sequence. The performance of the architecture based on CPU and FPGA is compared with the implementation of the same algorithm with the cuFFT library in a system based on CPU and GPU. The prototyped architecture in a Stratix IV (EP4SE530H35C2) FPGA is able to segment objects in video sequences at 1.800 frames per second.

Tese de doutoramento. Engenharia Electrotécnica e de Computadores. Faculdade de Engenharia. Universidade do Porto. 2007

Made available in DSpace on 2010-04-20T20:15:00Z (GMT). No. of bitstreams: 0 Previous issue date: 1989-05-02T00:00:00Z / Esta dissertação pretende fornecer aos praticantes e scholars de marketing uma revisão ampla da teoria e prática da segmentação de mercado.

Tese de mestrado. Mestrado em Engenharia Biomédica. Faculdade de Engenharia. Universidade do Porto. 2012

Submitted by Daniella Sodre (daniella.sodre@ufpe.br) on 2015-03-10T13:20:52Z No. of bitstreams: 2 Dissertaçao Cleunio de França Filho.pdf: 2349406 bytes, checksum: cf1717c01456559aa0c20fad4c2022a8 (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) / Made available in DSpace on 2015-03-10T13:20:52Z (GMT). No. of bitstreams: 2 Dissertaçao Cleunio de França Filho.pdf: 2349406 bytes, checksum: cf1717c01456559aa0c20fad4c2022a8 (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Previous issue date: 2013-08-21 / A segmentação de imagens é uma tarefa de fundamental importância para o desenvolvimento de soluções baseadas em diagnóstico assistido por computador, com diversas aplicações na análise de imagens médicas. Mais especificamente, estudos que envolvem o processamento de imagens de pulmão têm crescido rapidamente motivados pelo interesse na redução da elevada mortalidade provocada pelas doenças malignas deste órgão. Para aperfeiçoar o desempenho nestas aplicações é importante por um lado realizar medições e mapear adequadamente as caracterizações dos pulmões e de suas anomalias, além de desenvolver técnicas automáticas de processamento das imagens que consigam lidar com restrições de tempo e que eliminem o esforço de radiologistas na segmentação manual das imagens. Diversas abordagens são utilizadas para a segmentação pulmonar, cada uma com vantagens e também deficiências. Este trabalho, em particular, apresenta um algoritmo voltado para a segmentação automática de imagens do pulmão baseado na combinação de técnicas de processamento de imagens coletadas de Tomografia Computadorizada por raio-x com propriedades matemáticas extraídas das imagens de pulmão, as quais servem de base para a estrutura do algoritmo. O trabalho investiga duas técnicas típicas para segmentação de imagens e, a partir da observação do comportamento e desempenho apresentado, é desenvolvido um novo método para a segmentação pulmonar que procura minimizar as deficiências encontradas nos algoritmos investigados. Os experimentos realizados avaliam o desempenho do novo algoritmo, bem como os valores das propriedades matemáticas e dos parâmetros estruturais utilizados ao longo do desenvolvimento do algoritmo, e comparam os resultados dos métodos em relação à sensibilidade, especificidade, acurácia, precisão, f-escore, coeficiente Dice, tempo de processamento e área-perímetro-solidez da região pulmonar segmentada, com o padrão referencial segmentado por um especialista. Os métodos são testados com 1173 imagens reais coletadas de 22 pacientes de um grande hospital e os resultados demonstraram que a combinação de técnicas de processamento de imagens tradicionais com propriedades matemáticas apresenta um desempenho satisfatório para a segmentação pulmonar.