A segmentação de imagens consiste em urna tarefa de fundamental importância para diferentes aplicações em visão computacional, tais como por exemplo, o reconhecimento e o rastreamento de objetos, a segmentação de tomores/lesões em aplicações médicas, podendo também servir de auxílio em sistemas de reconhecimento facial. Embora exista uma extensa literatora abordando o problema de segmentação de imagens, tal tópico ainda continua em aberto para pesquisa. Particularmente, a tarefa de segmentar imagens coloridas é desafiadora devido as diversas inomogeneidades de cor, texturas e formas presentes nas feições descritivas das imagens. Este trabalho apresenta um novo método de clustering para abordar o problema da segmentação de imagens coloridas. Nós desenvolvemos uma abordagem Bayesiana para procura de máximos de densidade em urna distribuição discreta de dados, e representamos os dados de forma hierárquica originando clusters adaptativos a cada nível da hierarquia. Nós aplicamos o método de clustering proposto no problema de segmentação de imagens coloridas, aproveitando sua estrutura hierárquica, baseada em propriedades de árvores direcionadas, para representar hierarquicamente uma imagem colorida. Os experimentos realizados revelaram que o método de clustering proposto, aplicado ao problema de segmentação de imagens coloridas, obteve para a medida de performance Probabilistic Rand lndex (PRI) o valor de 0.8148 e para a medida Global Consistency Error (GCE) o valor 0.1701, superando um total de vinte e um métodos previamente propostos na literatura para o banco de dados BSD300. Comparações visuais confirmaram a competitividade da nossa abordagem em relação aos demais métodos testados. Estes resultados enfatizam a potencialidade do nosso método de clustering para abordar outras aplicações no domínio de Visão Computacional e Reconhecimento de Padrões. / Image segmentation is an essential task for several computer vision applications, such as object recognition, tracking and image retrieval. Although extensively studied in the literature, the problem of image segmentation remains an open topic of research. Particularly, the task of segmenting color images is challenging due to the inhomogeneities in the color regions encountered in natural scenes, often caused by the shapes of surfaces and their interactions with the illumination sources (e.g. causing shading and highlights) This work presents a novel non-supervised classification method. We develop a Bayesian framework for seeking modes on the underlying discrete distribution of data and we represent data hierarchically originating adaptive clusters at each levei of hierarchy. We apply the prnposal clustering technique for tackling the problem of color irnage segmentation, taking advantage of its hierarchical structure based on hierarchy properties of directed trees for representing fine to coarse leveis of details in an image. The experiments herein conducted revealed that the proposed clustering method applied to the color image segmentation problem, achieved for the Probabilistic Rand Index (PRI) performance measure the value of 0.8148 and for the Global Consistency Error (GCE) the value of 0.1701, outperforming twenty-three methods previously proposed in the literature for the BSD300 dataset. Visual comparison confirmed the competitiveness of our approach towards state-of-art methods publicly available in the literature. These results emphasize the great potential of our proposed clustering technique for tackling other applications in computer vision and pattem recognition.

A segmentação de imagens consiste em urna tarefa de fundamental importância para diferentes aplicações em visão computacional, tais como por exemplo, o reconhecimento e o rastreamento de objetos, a segmentação de tomores/lesões em aplicações médicas, podendo também servir de auxílio em sistemas de reconhecimento facial. Embora exista uma extensa literatora abordando o problema de segmentação de imagens, tal tópico ainda continua em aberto para pesquisa. Particularmente, a tarefa de segmentar imagens coloridas é desafiadora devido as diversas inomogeneidades de cor, texturas e formas presentes nas feições descritivas das imagens. Este trabalho apresenta um novo método de clustering para abordar o problema da segmentação de imagens coloridas. Nós desenvolvemos uma abordagem Bayesiana para procura de máximos de densidade em urna distribuição discreta de dados, e representamos os dados de forma hierárquica originando clusters adaptativos a cada nível da hierarquia. Nós aplicamos o método de clustering proposto no problema de segmentação de imagens coloridas, aproveitando sua estrutura hierárquica, baseada em propriedades de árvores direcionadas, para representar hierarquicamente uma imagem colorida. Os experimentos realizados revelaram que o método de clustering proposto, aplicado ao problema de segmentação de imagens coloridas, obteve para a medida de performance Probabilistic Rand lndex (PRI) o valor de 0.8148 e para a medida Global Consistency Error (GCE) o valor 0.1701, superando um total de vinte e um métodos previamente propostos na literatura para o banco de dados BSD300. Comparações visuais confirmaram a competitividade da nossa abordagem em relação aos demais métodos testados. Estes resultados enfatizam a potencialidade do nosso método de clustering para abordar outras aplicações no domínio de Visão Computacional e Reconhecimento de Padrões. / Image segmentation is an essential task for several computer vision applications, such as object recognition, tracking and image retrieval. Although extensively studied in the literature, the problem of image segmentation remains an open topic of research. Particularly, the task of segmenting color images is challenging due to the inhomogeneities in the color regions encountered in natural scenes, often caused by the shapes of surfaces and their interactions with the illumination sources (e.g. causing shading and highlights) This work presents a novel non-supervised classification method. We develop a Bayesian framework for seeking modes on the underlying discrete distribution of data and we represent data hierarchically originating adaptive clusters at each levei of hierarchy. We apply the prnposal clustering technique for tackling the problem of color irnage segmentation, taking advantage of its hierarchical structure based on hierarchy properties of directed trees for representing fine to coarse leveis of details in an image. The experiments herein conducted revealed that the proposed clustering method applied to the color image segmentation problem, achieved for the Probabilistic Rand Index (PRI) performance measure the value of 0.8148 and for the Global Consistency Error (GCE) the value of 0.1701, outperforming twenty-three methods previously proposed in the literature for the BSD300 dataset. Visual comparison confirmed the competitiveness of our approach towards state-of-art methods publicly available in the literature. These results emphasize the great potential of our proposed clustering technique for tackling other applications in computer vision and pattem recognition.

Submitted by Mario BC (mario@bc.ufrpe.br) on 2018-05-11T14:31:11Z No. of bitstreams: 1 Carlos Renato dos Santos.pdf: 4305716 bytes, checksum: ed9ca61caa551b277a13a2fff1759f24 (MD5) / Made available in DSpace on 2018-05-11T14:31:11Z (GMT). No. of bitstreams: 1 Carlos Renato dos Santos.pdf: 4305716 bytes, checksum: ed9ca61caa551b277a13a2fff1759f24 (MD5) Previous issue date: 2017-12-13 / Although it is one of the first concerns in the study of the characterization of images in the most diverse contexts, the segmental process, that is, of separating objects of interest from the rest of the image is not always an obvious or trivial procedure. One of the materials in geosciences that undergoes more investigation, including in the area of segmentation of images, are the soils. They play diverse and critical roles in the biosphere, regulating biogeochemical cycles, providing a habitat for microorganisms and a medium for plant roots, storing nutrients and minerals and conducting fluids (such as water and gases). The identification of the pore structure of a given soil segment is important as it provides information on soil mechanics and how it can perform its function. In this sense, this thesis proposes a method for adequate segmentation, correctly identifying the pure phases of voids and solids, as well as mixed voxels, that is, those that do not immediately fit into voids or solids, this separation being one of the challenges in the segmentation of soil tomography images, as well as many other digital images. The construction of reflective entropic planes by the penetration of images in the direction of gravity using sample entropy and Shannon information allowed from the correlation of these planes to construct a multisegmentation curve that identifies pure phases from a valley and a peak, suggesting the method Entropic Plans Correlations (EPC). This curve was compared with the Pure Voxels Extraction (PVE) histogram, which also performs pure region searches and is then calibrated to correctly allocate the mixed voxels to the empty or non-void phases through edge detection theory. The proposed method of EPC, when compared with PVE, served the purposes of good image segmentation, since it obtained a high spatial correspondence and strongly diminished the subjectivity found in some stages of the latter. The entropic plans also provided a possibility of a consistent classification of these images, evidencing low density regions, that is, pores and organic matter and regions of high density, that is, harder rocks and minerals, as two relevant regions in the separation of soils of native forest and of the cultivation of sugar cane. These results showed that comparing entropic plans obtained from soil images, either through correlation or multivariate analysis, can bring relevant findings within the segmentation and classification of these images. / Apesar de se tratar de uma das primeiras preocupações no estudo da caracterização de imagens nos mais diversos contextos, o processo segmentar, ou seja, de separar objetos de interesse do restante da imagem nem sempre é um procedimento óbvio ou trivial. Um dos materiais em geociências que mais sofre investigação, inclusive na área de segmentação de imagens, são os solos. Estes desempenham papéis diversos e críticos na biosfera, regulando ciclos biogeoquímicos, fornecendo um habitat para microorganismos e um meio para raízes de plantas, armazenando nutrientes e minerais e conduzindo fluidos (como água e gases). A identificação da estrutura dos poros de um determinado segmento do solo é importante, pois fornece informações sobre a mecânica do solo e sobre a forma como pode cumprir sua função. Neste sentido, esta tese propõe um método para uma segmentação adequada, identificando corretamente as fases puras de vazios e sólidos, como também de voxels mistos, ou seja, aqueles que de imediato não se enquadram em vazios ou de sólidos, sendo esta separação um dos grandes desafios na segmentação de imagens de tomografia de solos, como também muitas outras imagens digitais. A construção de planos de entropia refletivos pela penetração das imagens na direção da gravidade usando entropia amostral e informação de Shannon permitiram a partir da correlação destes planos construir uma curva de multisegmentação que identifica fases puras a partir de um vale e um pico, sugerindo o método Entropic Plans Correlations (EPC). Esta curva foi confrontada com o histograma do método Pure Voxels Extraction (PVE), que também realiza busca por regiões puras e adiante calibrada para alocar corretamente os voxels mistos para as fases de vazios ou não vazios por meio da teoria de detecção de bordas. O método proposto de EPC, quando comparado com PVE, atendeu aos propósitos de uma boa segmentação de imagens, visto que obteve uma elevada correspondência espacial e diminuiu fortemente a subjetividade encontrada em algumas etapas deste último. Os planos de entropia forneceram ainda possibilidade de uma consistente classificação destas imagens, evidenciando regiões de baixa densidade, ou seja, poros e matéria orgânica e regiões de alta densidade, ou seja, rochas e minerais mais duros, como duas regiões relevantes na separação de solos de mata nativa e do cultivo de cana-de-açúcar. Estes resultados mostraram que confrontar planos de entropia obtidos das imagens de solos, seja por meio da correlação ou da análise multivariada, pode trazer relevantes achados no âmbito da segmentação e classificação destas imagens.

Submitted by Rosa Assis (rosa_assis@yahoo.com.br) on 2017-11-17T17:39:18Z No. of bitstreams: 2 LUCIANO APARECIDO LEME.pdf: 2894169 bytes, checksum: d5ae6547e4a5ec14acf8c1c0906a5e53 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Approved for entry into archive by Paola Damato (repositorio@mackenzie.br) on 2017-11-21T11:24:19Z (GMT) No. of bitstreams: 2 LUCIANO APARECIDO LEME.pdf: 2894169 bytes, checksum: d5ae6547e4a5ec14acf8c1c0906a5e53 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Made available in DSpace on 2017-11-21T11:24:19Z (GMT). No. of bitstreams: 2 LUCIANO APARECIDO LEME.pdf: 2894169 bytes, checksum: d5ae6547e4a5ec14acf8c1c0906a5e53 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Previous issue date: 2016-08-04 / The nutritional control encounters obstacles when it comes to proper nutrition and at certain times. Especially when dietary restriction is determined by medical prescription, as the case of patients with diabetes or other disorders in which food can mean a matter of life for those who are a ected by this disease. This work presents the hybrid developing a mobile application that assists in monitoring and nutrition counseling of the patient with food restriction or dysfunction. The application provides nutritional information to be obtained from the description, bar code or even a picture of the food contained in the plate. Therefore, the application used to computer vision techniques that distinguish the elements of the meal, arti cial intelligence and fuzzy logic in the classi cation of food through color and also informs through the accumulation of nutritional information for the period if the patient is overtaking or not their food and daily necessities warning about the abnormality. Although the study on application development is designed to treat any type of dysfunction, only diabetes is an object of study in this release by the constant warnings issued by the competent authorities of the risks it can cause. / O controle nutricional encontra obstáculos quando se trata da alimentação correta e em horários determinados. Principalmente, quando a restrição alimentar _e determinada por prescrição médica, como o caso de pacientes com diabetes ou outros distúrbios em que a alimentação pode significar uma questão de vida para aqueles que são acometidos por esse mal. Dessa forma, este trabalho apresenta o desenvolvimento híbrido de um aplicativo móvel que auxilia no monitoramento e na orientação nutricional do paciente com restrição ou disfunção alimentar. O aplicativo fornece informações nutricionais que serão obtidas pela descrição, código de barras ou até mesmo por uma fotografa dos alimentos contidos no prato. Para tanto, o aplicativo utiliza- se de técnicas de visão computacional que distinguem os elementos da refeição, inteligência artificial e lógica fuzzy na classificação do alimento por meio de cores e ainda informa através do acúmulo das informações nutricionais do período, se o paciente está ultrapassando ou não as suas necessidades diárias de alimento e alerta sobre a anormalidade. Ainda que o estudo no desenvolvimento do aplicativo seja elaborado para tratar qualquer tipo de disfunção, apenas a diabetes é objeto de estudo nessa versão, mediante aos constantes alertas emitidos pelas autoridades competentes dos riscos que pode causar.

O objetivo desta dissertação foi criar uma nova abordagem para identificar de maneira automática feições do tipo edificação em uma imagem digital. Tal identificação seria de interesse de órgãos públicos que lidam com planejamento urbano para fins de controle da ocupação humana irregular. A abordagem criada utilizou agentes de software especialistas para proceder com o processamento da segmentação e reconhecimento de feições na imagem digital. Os agentes foram programados para tratar uma imagem colorida com o padrão Red, Green e Blue (RGB). A criação desta nova abordagem teve como motivação o fato das atuais técnicas existentes de segmentação e classificação de imagens dependerem sobremaneira dos seus usuários. Em outras palavras, pretendeu-se com a abordagem em questão permitir que usuários menos técnicos pudessem interagir com um sistema classificador, sem a necessidade de profundos conhecimentos de processamento digital de imagem. Uma ferramenta protótipo foi desenvolvida para testar essa abordagem, que emprega de forma inusitada, agentes inteligentes, com testes feitos em recortes de ortofotos digitais do Município de Angra dos Reis (RJ). / The purpose of this dissertation has been to create a new approach in order to recognition features of buildings in a digital image in an automatic way. Such recognition features would be interesting of government agencies that deals with urban planning for irregular human occupation control. The approach created has employed specialist software agents to proceed with the segmentation processing and features recognition in the digital images. The agents have been programmed to manipulate colored images with the Red, Green and Blue pattern (RGB). The creation of this new approach has been motivated by the fact of existing segmentation techniques and classification of images greatly depend on its users. In other words, with the approach discussed it has been intended to allow less technical users to interact with a classifier system, without requiring deep knowledge of digital image processing. A prototype tool has been developed to test this approach, which employs in an unusual way, intelligent agents, with tests done in digital orthophotos of the city of Angra dos Reis (RJ).

Made available in DSpace on 2016-06-02T20:04:53Z (GMT). No. of bitstreams: 1 6510.pdf: 2213423 bytes, checksum: 0c9b206a1b5f88772031ed160e9691b3 (MD5) Previous issue date: 2014-12-19 / Financiadora de Estudos e Projetos / We proposed a new split-merge MCMC algorithm for image segmentation. We describe how an image can be subdivided into multiple disjoint regions, with each region having an associated latent indicator variable. The latent indicator variables are modeled with a prior Gibbs distribution governed by a spatial regularization parameter. Regions with same label define a component. Pixels within a component are distributed according to a Gaussian distribution. We treat the spatial regularization parameter and the number of components K as unknown. To estimate K, the spatial regularization parameter and the component parameters we propose the Metropolised split-merge (MSM) algorithm. The MSM comprises two type of moves. The first one, is a data-driven split-merge move. These movements change the number of components K in the neighborhood K _ 1 and are accepted according to Metropolis-Hastings acceptance probability. After a split-merge step, the component parameters, the spatial regularization parameter and latent allocation variables are updated conditional on K by using the Gibbs sampling, the Metropolis- Hastings and Swendsen-Wang algorithm, respectively. The main advantage of the proposed algorithm is that it is easy to implement and the acceptance probability for split-merge movements depends only of the observed data. The performance of the proposed algorithm is verified using artificial datasets as well as real datasets. / Nesta tese, modelamos uma imagem através de uma grade regular retangular e assumimos que esta grade é dividida em múltiplas regiões disjuntas de pixels. Quando duas ou mais regiões apresentam a mesma característica, a união dessas regiões forma um conjunto chamado de componente. Associamos a cada pixel da imagem uma variável indicadora não observável que indica a componente a que o pixel pertence. Estas variáveis indicadoras não observáveis são modeladas através da distribuição de probabilidade de Gibbs com parâmetro de regularização espacial _. Assumimos que _ e o número de componentes K são desconhecidos. Para estimação conjunta dos parâmetros de interesse, propomos um algoritmo MCMC denominado de ejeção-absorção metropolizado (EAM). Algumas vantagens do algoritmo proposto são: (i) O algoritmo não necessita da especificação de uma função de transição para realização dos movimentos ejeção e absorção. Ao contrário do algoritmo reversible jump (RJ) que requer a especificação de boas funções de transição para ser computacionalmente eficiente; (ii) Os movimentos ejeção e absorção são desenvolvidos com base nos dados observados e podem ser rapidamente propostos e testados; (iii) Novas componentes são criadas com base em informações provenientes de regiões de observações e os parâmetros das novas componentes são gerados das distribuições a posteriori. Ilustramos o desempenho do algoritmo EAM utilizando conjuntos de dados simulados e reais.

Made available in DSpace on 2016-06-02T19:04:00Z (GMT). No. of bitstreams: 1 6814.pdf: 27157124 bytes, checksum: ccc98f69d1fc4cdc487ac2e9917edfc0 (MD5) Previous issue date: 2015-03-09 / Microelectrode arrays (MEA) are devices that allow chemical and electrical stimulation and recording of the extracellular electrical activity from entire neuronal cultures over long periods of time, such as several weeks. Some MEA models have transparent substrate, which enables the imaging of culture using optical microscopy. The images are taken from two channels: fluorescence light and transmitted light channels. In the first one, it is possible to visualize the neurons, while in the other one, it is possible to observe the microelectrodes. The objective of this work is to develop methods that enable performing quantitative analysis of the dissociated culture of rat dorsal root ganglion (DRG) neurons plated on MEA by means of the processing of the images, obtained from confocal fluorescence microscopy. We proposed and developed the following methods in order to achieve this objective: (A) A method to automatically identify the microelectrodes in the transmitted light channel using circular Hough Transform and error correction based on the Delaunay triangulation; (B) the registration of a number of images taken at different parts of the MEA in order to generate a unique and high-resolution representation of the whole culture; (C) the segmentation of the neuron in 2D images taken from the fluorescence channel, composed by the steps: preprocessing, thresholding, morphological filtering, neurons occlusion correction, watershed transform and object classification; (D) 2D quantitative analysis based on the identified microelectrodes and on the segmented neurons; (E) a method for generating 3D polygonal models of the neurons from the volumetric images, to be used for visualizing the culture on the MEA by different points of view and zoom levels; and (F) 3D quantitative analysis performed by the processing of the polygonal surfaces in conjunction with the information about the microelectrodes positioning. The results show that the methods are capable to identify the neurons and microelectrodes on the 2D images efficiently. In the 3D images, the preprocessing step which uses information from the 2D segmentation method, showed to be capable to generate correct polygonal models efficiently. Most of the studies involving the analysis of neuron cultures on MEAs consider only qualitative analysis or simple quantitative measures. However, the methods proposed in this thesis enables to obtain important measures related to the neuron culture, such as: the density and morphology of the neurons, and the spatial and topological distribution of the neurons and microelectrodes. The information about neuron morphology is important because they are related to the behavior of this kind of neuron. The spatial and topological distribution of neurons and microelectrodes are used for providing models of the interface between these elements, for supporting the analysis of the electrophysiological signal recorded by the microelectrodes, as well as in the computational simulations of the neuron culture behavior. / Matrizes de Microeletrodos (MEAs) são dispositivos que permitem estimular quimicamente ou eletricamente e registrar a atividade elétrica extracelular de culturas de neurônios durante um longo período de tempo, da ordem de várias semanas. Modelos de MEAs com o substrato transparente permitem imagear a cultura por meio de microscopia óptica. As imagens são obtidas em dois canais: um de luz de fluorescência e outro de luz de transmissão. O primeiro permite visualizar os neurônios, enquanto o segundo os microeletrodos. O objetivo deste trabalho é desenvolver métodos que permitam realizar análises quantitativas de culturas dissociadas de neurônios de gânglio da raiz dorsal (Dorsal Root Ganglion DRG) de ratos em MEAs por meio do processamento de imagens obtidas por microscopia confocal de fluorescência. Os seguintes métodos foram propostos e desenvolvidos para atingir este objetivo: (A) Identificação automática dos microeletrodos nas imagens do canal de luz de transmissão utilizando a transformada de Hough circular e correção de erros baseado na triangulação de Delaunay; (B) Registro de várias imagens tomadas de diferentes regiões da MEA para gerar uma única imagem em alta resolução que contemple a cultura toda; (C) Segmentação dos neurônios em imagens 2D obtidas a partir do canal de fluorescência, composto por etapas de pré-processamento, segmentação, filtragem morfológica, correção da oclusão de neurônios, transformada watershed e classificação de objetos; (D) Análise quantitativa 2D baseada nos microeletrodos identificados e nos neurônios segmentados; (E) Método para geração de modelos poligonais 3D dos neurônios a partir de imagens volumétricas, modelos os quais são utilizados para visualização da cultura na MEA por diferentes pontos de vista e níveis de zoom; e (F) Análise quantitativa 3D realizada por meio do processamento das superfícies poligonais juntamente com as informações sobre a posição dos microeletrodos. Os resultados mostram que os métodos são capazes de identificar com eficiência os neurônios e microeletrodos presentes nas imagens 2D. Nas imagens 3D, a etapa de pré-processamento utilizando informações resultantes do método de segmentação 2D se mostrou eficiente na geração dos modelos poligonais corretos. Enquanto a maioria das análises de imagens de culturas de neurônios em MEA consideram apenas análises quantitativas simples, os métodos aqui propostos permitem obter importantes medidas quantitativas relacionadas às culturas, tais como: a densidade e morfologia dos neurônios, assim como a distribuição espacial e topológica dos neurônios em relação aos microeletrodos. As informações sobre a morfologia são importantes, pois estão relacionadas com o comportamento desse tipo de neurônio. A distribuição espacial e topológica dos neurônios e microeletrodos permitem modelar a interface entre neurônios e microeletrodos e auxiliar nos estudos dos sinais eletrofisiológicos capturados pelos microeletrodos, assim como em simulações computacionais do comportamento dessas culturas.

O objetivo desta dissertação foi criar uma nova abordagem para identificar de maneira automática feições do tipo edificação em uma imagem digital. Tal identificação seria de interesse de órgãos públicos que lidam com planejamento urbano para fins de controle da ocupação humana irregular. A abordagem criada utilizou agentes de software especialistas para proceder com o processamento da segmentação e reconhecimento de feições na imagem digital. Os agentes foram programados para tratar uma imagem colorida com o padrão Red, Green e Blue (RGB). A criação desta nova abordagem teve como motivação o fato das atuais técnicas existentes de segmentação e classificação de imagens dependerem sobremaneira dos seus usuários. Em outras palavras, pretendeu-se com a abordagem em questão permitir que usuários menos técnicos pudessem interagir com um sistema classificador, sem a necessidade de profundos conhecimentos de processamento digital de imagem. Uma ferramenta protótipo foi desenvolvida para testar essa abordagem, que emprega de forma inusitada, agentes inteligentes, com testes feitos em recortes de ortofotos digitais do Município de Angra dos Reis (RJ). / The purpose of this dissertation has been to create a new approach in order to recognition features of buildings in a digital image in an automatic way. Such recognition features would be interesting of government agencies that deals with urban planning for irregular human occupation control. The approach created has employed specialist software agents to proceed with the segmentation processing and features recognition in the digital images. The agents have been programmed to manipulate colored images with the Red, Green and Blue pattern (RGB). The creation of this new approach has been motivated by the fact of existing segmentation techniques and classification of images greatly depend on its users. In other words, with the approach discussed it has been intended to allow less technical users to interact with a classifier system, without requiring deep knowledge of digital image processing. A prototype tool has been developed to test this approach, which employs in an unusual way, intelligent agents, with tests done in digital orthophotos of the city of Angra dos Reis (RJ).

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