Made available in DSpace on 2015-05-14T12:36:53Z (GMT). No. of bitstreams: 1 arquivototal.pdf: 2394889 bytes, checksum: 5c6ccaa494934050681761ba80143978 (MD5) Previous issue date: 2014-08-30 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Remote sensing is one of the fastest growing technologies of late twentieth and early twenty-first century. The most common use of this term is related to the optical sensing of Earth's surface through satellites. In remote sensing, image segmentation is a process often used to aid in landscape change detection and land use classification. This study aims the research and development of a new method for unsupervised segmentation of remote sensing images by minimizing the cross entropy between the probability distribution of the image and some statistical model. Images used for tests were captured by the Thematic Mapper sensor on Landsat 5 satellite. The proposed algorithm takes an initial segmentation and progresses iteratively, trying to improve the statistical model and reduce the cross entropy with respect to previous iterations. Results indicate that the cross entropy minimization is related to a consistent image segmentation. Two approaches were developed, one by performing a per-pixel classification and the other by classifying regions obtained by the Watershed transform. In per-pixel approach, the average agreement between the classifier and the thematic image used as ground truth was 88.75% for fifteen selected images and 91.81% for four small regions that represent details of land use transitions, such as vegetation, rivers, pastures and exposed soil. In region approach, the average agreement was 87.33% for images and 91.81% for details. The ground truth for image details was manually created by an expert. / Sensoriamento remoto é uma das tecnologias que mais rapidamente cresceu durante o final do século XX e início do século XXI. O uso mais comum deste termo refere-se à observação da superfície terrestre por meio de satélites. Em sensoriamento remoto, segmentação de imagens é um processo frequentemente utilizado no auxílio à detecção de mudança de paisagens e classificação do uso do solo. Este trabalho se propõe à pesquisa e ao desenvolvimento de um método para segmentação não supervisionada de imagens de sensoriamento remoto baseado na minimização da entropia cruzada entre a distribuição de probabilidade da imagem e um modelo estatístico. Para os testes realizados, foram utilizadas quinze imagens capturadas pelo sensor TM (Thematic Mapper) do satélite Landsat 5. A partir do banco de dados do projeto de mapeamento do uso do solo da região amazônica TerraClass, foram derivadas imagens temáticas utilizadas como referência para medir o desempenho do classificador desenvolvido. O algoritmo proposto parte de uma segmentação inicial e busca iterativamente melhorar o modelo estatístico que descreve a imagem, de forma a reduzir a entropia cruzada em relação à iteração anterior. Os resultados indicam que a minimização da entropia cruzada está relacionada com uma segmentação coerente das imagens. Duas abordagens de segmentação foram desenvolvidas, uma realizando classificação pixel a pixel e outra classificando regiões obtidas pela transformada Watershed. Na abordagem por pixel, a concordância média entre o classificador e a imagem temática de referência foi de 88,75% para as quinze imagens selecionadas e de 91,81% para quatro pequenas regiões que representam detalhes de transição entre hidrografia, vegetação e outras paisagens, como área urbana, pastos e solo exposto. Na abordagem por região, a concordância média foi de 87,33% para as imagens e 91,81% para os detalhes. As imagens de referência dos detalhes foram preparadas manualmente por um especialista.

Made available in DSpace on 2015-05-14T12:36:57Z (GMT). No. of bitstreams: 1 parte1.pdf: 1278902 bytes, checksum: c1a877f74ec783e6525701070c717a4d (MD5) Previous issue date: 2010-03-26 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / The image segmentation problem is present in various tasks such as remote sensing, object detection in robotics, industrial automation, content based image retrieval, security, and others related to medicine. When there is a set of pre-classified data, segmentation is called supervised. In the case of unsupervised segmentation, the classes are extracted directly from the data. Among the image properties, the texture is among those that provide the best results in the segmentation process. This work proposes a new unsupervised texture segmentation method that uses as the similarity measure between regions the bit rate obtained from compression using models, produced by the Prediction by Partial Matching (PPM) algorithm, extracted from them. To segment an image, it is split in rectangular adjacent regions and each of them is assigned to a different cluster. Then a greedy agglomerative clustering algorithm, in which the two closest clusters are grouped at every step, is applied until the number of remaining clusters is equal to the number of classes (supplied by the user). In order to improve the localization of the region boundaries, the image is then split in shorter regions, that are assigned to the cluster whose PPM model results in lower bit rate. To evaluate the proposed method, three image set were used: Trygve Randen, Timo Ojala and one created by the author of this work. By adjusting the method parameters for each image, the hit rate obtained was around 97% in most cases and 100% in several of them. The proposed method, whose main drawback is the complexity order, is robust to regions with different geometric shapes, grouping correctly even those that are disconnected. / O problema da segmentação de imagens está presente em diversas tarefas como sensoriamento remoto, detecção de objetos em robótica, automação industrial, recuperação de imagens por conteúdo, segurança, e outras relacionadas à medicina. Quando há um conjunto de padrões pré-classificados, a segmentação é denominada supervisionada. No caso da segmentação não supervisionada, as classes são extraídas diretamente dos padrões. Dentre as propriedades de uma imagem, a textura está entre as que proporcionam os melhores resultados no processo de segmentação. Este trabalho propõe um novo método de segmentação não supervisionada de texturas que utiliza como medida de similaridade entre regiões as taxas de bits resultantes da compressão utilizando modelos produzidos pelo algoritmo Prediction by Partial Matching (PPM) extraídos das mesmas. Para segmentar uma imagem, a mesma é dividida em regiões retangulares adjacentes e cada uma delas é atribuída a um grupo distinto. Um algoritmo aglomerativo guloso, que une os dois grupos mais próximos em cada iteração, é aplicado até que o número de grupos seja igual ao número de classes (fornecido pelo usuário). Na etapa seguinte, cujo objetivo é refinar a localização das fronteiras, a imagem é dividida em regiões ainda menores, as quais são atribuídas ao agrupamento cujo modelo PPM resulta na taxa de bits mais baixa. Para avaliar o método proposto, foram utilizados três bancos de imagens: o de Trygve Randen, o de Timo Ojala e um criado pelo autor deste trabalho. Ajustando-se os parâmetros do método para cada imagem, a taxa de acerto obtida foi em torno de 97% na maioria dos casos e 100% em vários deles. O método proposto, cuja principal desvantagem é a ordem de complexidade, se mostrou robusto a regiões de diferentes formas geométricas, agrupando corretamente até mesmo as desconexas.

Made available in DSpace on 2014-12-17T15:55:04Z (GMT). No. of bitstreams: 1 GabriellaCMS_DISSERT.pdf: 3451606 bytes, checksum: 1ee33015b3633fb79771b6160bff6a6c (MD5) Previous issue date: 2013-02-25 / Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior / The municipality of Areia Branca is within the mesoregion of West Potiguar and within the microregion of Mossor?, covering an area of 357,58 km2. Covering an area of weakness in terms of environmental, housing, together with the municipality of Grossos-RN, the estuary of River Apodi-Mossor?. The municipality of Areia Branca has historically suffered from a lack of planning regarding the use and occupation of land as some economic activities, attracted by the extremely favorable natural conditions, have exploited their natural resources improperly. The aim of this study is to quantify and analyze the environmental degradation in the municipality. Thus initially was performed a characterization of land use using remote sensing, geoprocessing and geographic information system GIS in order to generate data and information on the municipal scale, which may serve as input to the environmental planning and land use planning in the region. From this perspective, were used a Landsat 5 image TM sensor for the year 2010. In the processing of this image was used SPRING 5.2 and applied a supervised classification using the classifier regions, which was employed Bhattacharya Distance method with a threshold at 30%. Thus was obtained the land use map that was analyzed the spatial distribution of different types of the use that is occurring in the city, identifying areas that are being used incorrectly and the main types of environmental degradation. And further, were applied the methodology proposed by Beltrame (1994), Physical Diagnosis Conservationist under some adaptations for quantifying the level of degradation or conservation study area. As results, the indexes were obtained for the parameters in the proposed methodology, allowing quantitatively analyze the degradation potential of each sector. From this perspective, considering a scale of 0 to 100, sector A and sector B had value 31.20 units of risk of physical deterioration. And the C sector, has shown its value - 34.64 units degradation risk and should be considered a priority in relation to the achievement of conservation actions / O munic?pio de Areia Branca-RN est? inserido na mesorregi?o Oeste Potiguar e na microrregi?o de Mossor?, abrangendo uma ?rea de 357,58 km2. Compreende uma ?rea de fragilidade do ponto de vista ambiental, pois abriga, juntamente com o munic?pio de Grossos- RN, o estu?rio do rio Apodi-Mossor?. O munic?pio de Areia Branca vem sofrendo historicamente com a falta de planejamento no tocante ao uso e ocupa??o do solo, uma vez que algumas atividades econ?micas, atra?das pelas condi??es naturais favor?veis, t?m explorado os recursos naturais de forma inadequada. O objetivo deste estudo ? quantificar e analisar a degrada??o ambiental no referido munic?pio. Para isso, inicialmente foi realizada uma caracteriza??o do uso do solo, utilizando sensoriamento remoto, geoprocessamento e um sistema de informa??es geogr?ficas - SIG, visando gerar dados e informa??es na escala municipal, que possam servir de subs?dio para o planejamento ambiental e o ordenamento territorial da regi?o. Nessa perspectiva, utilizou-se uma imagem Landsat 5, sensor TM referente ao ano de 2010. No processamento desta imagem foi utilizado o SPRING 5.2 e aplicado uma classifica??o supervisionada atrav?s do classificador por regi?es, onde foi empregado o m?todo Bhattacharya Distance com um limiar 30%. Com isso foi obtido o mapa de uso do solo a partir do qual analisou-se a distribui??o espacial dos diferentes tipos de uso que ocorrem no munic?pio, identificando ?reas que est?o sendo utilizadas de maneira incorreta e os principais tipos de degrada??o ambiental. Em prosseguimento, aplicou-se a metodologia proposta por Beltrame (1994), o Diagn?stico F?sico-Conservacionista, sob algumas adapta??es, para obter a quantifica??o do n?vel de degrada??o ou conserva??o da ?rea de estudo. Como resultados, foram obtidos os ?ndices para os par?metros propostos na metodologia, permitindo analisar quantitativamente o potencial de degrada??o de cada setor. Nessa perspectiva, considerando uma escala de 0 a 100, o setor A e o setor B apresentaram valor 31,20 unidades de risco de degrada??o f?sica. E o setor C, demonstrou valor 34,64 unidades de risco de degrada??o, devendo ser considerado prioridade no tocante ? realiza??o de a??es conservacionistas

Made available in DSpace on 2014-12-17T15:30:49Z (GMT). No. of bitstreams: 1 AmandaOG.pdf: 325824 bytes, checksum: 9e23aa85acfa497e2743d17a723084a9 (MD5) Previous issue date: 2006-05-19 / Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior / The purpose of this study was to evaluate the effectiveness during a twelve-month period, of resin-modified glass ionomer (Vitremer@) used as fissure sealants compared to supervised teeth brushing in the prevention of oclusal caries in permarient molars of pubIlc school children from 5 to 7 years of age. A total of 91 children participated in the study, being randomly divided up into three groups of investigation: group with sealant (n=31), group of supervised brushing (m=30), and control gorup (n=30). After 12 months, a total of 28.5% of tosses in the sample of 26 children was registered, and although there wasn t a significant diference between these losses and the groups studles (p = 0.6355), there was a considerable reduction in the sample. The results showed that none of the independentIy studied variables (present caries experience, biofilm, bleeding, sealant retention, position of the tooth in the arch, and sex) interfered in the final results, and that there was no significant difference between applying the sealant in question, perfornling supervised dental brushing, or not intervening at alI (p=0.542). These results could have been a consequence of the limitations found alI through the study, especially relating to the losses occurred because of school evasion, transfer, or because of the accident in the Marise Paiva Municipal School, Keeping students away for approximately one semester, so tht a new reseach had to be developed sos as to better clarify the effects among the treatments done there / O presente estudo teve por finalidade avaliar a efic?cia de selante ionom?rico modificado por resina (Vitremer@), comparado com a escova??o dent?ria supervisionada na preven??o de c?rie ociusal em molares permanentes de escolares da rede p?blica, na faixa et?ria de 5 a 7 anos, ao fmal de 12 meses. Um total de 91 crian?as participou do estudo, sendo divididas aleatoriamente nos tr?s grupos de investiga??o: grupo dos selantes (n=31), grupo da escova??o supervisionada (n=3O) e grupo controle (n=30). Ao final de 12 meses, registrou-se um total de perdas equivalente a 28,5% da amostra (26 crian?as) e, embora n?o tenha havido diferen?a significativa entre essas perdas e os grupos estudados (p=O,6355), houve uma redu??o consider?vel da amostra. Os resultados mostraram que nenhuma das vari?veis independentes estudadas (experi?ncia atual de c?rie, biofilme, sangramento, reten??o do selante, posi??o do dente no arco e sexo) interferiu no desfecho final, e que n?o houve diferen?a significativa entre aplicar o selante em quest?o, realizar a esc ova??o dent?ria supervisionada e n?o efetuar nenhuma interven??o (p=O,542). Estes resultados podem ter sido conseq??ncia das limita??es encontradas ao longo do estudo, sobretudo no que se refere ?s perdas ocorridas em virtude de evas?o escolar, transfer?ncia ou em decorr?ncia do acidente na Escola Municipal Marise Paiva, afastando os alunos de suas ... atividades por aproximadamente um semestre, de modo que novas pesquisas necessitam ser desenvolvidas com o prop?sito de elucidar melhor os efeitos entre os tratamentos aqui realizados

Made available in DSpace on 2014-12-17T15:31:00Z (GMT). No. of bitstreams: 1 AdrianaGA.pdf: 511387 bytes, checksum: efbc267a66385231b4ff2e6eba3f58a8 (MD5) Previous issue date: 2005-03-03 / Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior / Bioethics studies human behavior in the fields ofbiological sciences and health care. Tt strives for humanization in health services along with promoting the rights of patients. In view of the lack of dental research dealing with this topic, the present study was undertaken to identify, from the viewpoint of dental surgeons, ethical problems experienced in dental practice,understand how they occur and how professionals deal with them. It is a descriptive exploratory investigation within a qualitative approach. Empirical material was collected through semi-structured interviews performed with 15 dental surgeons who work both in private and public practice in the state of Rio Grande do Norte, Brazil. The content of the interviews was systemized and organized, resulting in the identification of topics, from which were grouped the ethical problems reported by the participants. The resu1ts indicate that many of the ethical problems coincide with infringements of the norms and mIes of the Dental Code of Ethics, confirming a dental ethic acquired during professional formation and therefore, inadequate for solving the problems that emerge in professional practice. Other questions stand out such as low salaries, competition and poor working conditions. Associated to these problems are lack of commitment and professional responsibility with the patients. Concem with maintaining user autonomy, guaranteeing access to specialized services, and the need for performing only procedures for which they are technically qualified arise in the responses, leading to difficulties in consolidating the principIes proclaimed by bioethics: autonomy, justice, nonmaleficence and beneficence. We concluded that the ethical problems identified in professional practice need to be understood beyond the dental dimension, towards a human approach. It is therefore necessary to incorporate health care management technologies into health practices, including dentistry, which implies recognizing the difTerent dimensions that surround individuaIs, that is, social, economic, political and cultural / A bio?tica estuda a conduta humana no campo das ci?ncias biol?gicas e da aten??o ? sa?de. Tem como caracter?sticas principais a busca pela humaniza??o dos servi?os de sa?de e a promo??o dos direitos dos pacientes. Partindo do pressuposto que na Odontologia s?o escassos os estudos que tratam dessa tem?tica, a presente pesquisa foi desenvolvida com o objetivo de identificar, a partir da vis?o dos cirurgi?es-dentistas, os problemas ?ticos vivenciados na pr?tica odontol?gica, buscando compreender como se produzem e como os profissionais lidam com eles. Trata-se de uma investiga??o de car?ter explorat?rio descritivo, dentro de uma abordagem qualitativa. O material emp?rico foi coletado por meio de entrevistas semi-estruturadas, realizadas com 15 cirurgi?es-dentistas que atuam tanto no ?mbito privado, quanto no p?blico da presta??o de servi?os odontol?gicos no Estado do Rio Grande do Norte. O conte?do das entrevistas foi sistematizado e organizado, resultando na identifica??o de temas, a partir dos quais agrupamos os problemas ?ticos relatados pelos participantes. Os resultados apontam que muitos dos problemas ?ticos coincidem com infra??es ?s normas e regras do C?digo de ?tica Odontol?gica, confirmando uma no??o de ?tica deontol?gica adquirida na forma??o profissional e, portanto, insuficiente para solucionar os problemas que emergem na pr?tica profissional. As quest?es de mercado tamb?m aparecem com lugar de destaque, referentes aos baixos sal?rios, ? concorr?ncia e ?s condi??es inadequadas de trabalho. Associado aos problemas ?ticos que emergem nas rela??es de mercado, s?o referidos a falta de compromisso e de responsabilidade profissional com os usu?rios. As preocupa??es em preservar a autonomia dos usu?rios, em garantir o acesso aos servi?os de refer?ncia especializada, a necessidade de realizar somente procedimentos para os quais estivessem capacitados tecnicamente surgiram nas falas, traduzindo-se em dificuldades na efetiva??o dos princ?pios preconizados pela bio?tica principialista: autonomia, justi?a, n?omalefic?ncia e benefic?ncia. Conclu?mos que os problemas ?ticos identificados na pr?tica profissional precisam ser compreendidos para al?m da dimens?o deontol?gica em dire??o aos aspectos da produ??o do trabalho. Torna-se preciso, ent?o, incorporar nas pr?ticas de sa?de, incluindo a odontologia, as tecnologias da gest?o do cuidado, o que implica no reconhecimento de diferentes dimens?es que envolvem os sujeitos, ou seja, sociais, econ?micas, pol?ticas e culturais

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Estudos multitemporais de dados de sensoriamento remoto dedicam-se ao mapeamento temático de uso da terra em diferentes instâncias de tempo com o objetivo de identificar as mudanças ocorridas em uma região em determinado período. Em sua maioria, os trabalhos de classificação automática supervisionada de imagens de sensoriamento remoto não utilizam um modelo de transformação temporal no processo de classificação. Pesquisas realizadas na última década abriram um importante precedente ao comprovarem que a utilização de um modelo de conhecimento sobre a dinâmica da região (modelo de transformação temporal), baseado em Cadeias de Markov Fuzzy (CMF), possibilita resultados superiores aos produzidos pelos classificadores supervisionados monotemporais. Desta forma, o presente trabalho enfoca um dos aspectos desta abordagem pouco investigados: a combinação de CMF de intervalos de tempo curtos para classificar imagens de períodos longos. A área de estudo utilizada nos experimentos é um remanescente florestal situado no município de Londrina-PR e que abrange todo o limite do Parque Estadual Mata dos Godoy. Como dados de entrada, são utilizadas cinco imagens do satélite Landsat 5 TM com intervalo temporal de cinco anos. De uma forma geral, verificou-se, a partir dos resultados experimentais, que o uso das Cadeias de Markov Fuzzy contribuiu significativamente para a melhoria do desempenho do processo de classificação automática em imagens orbitais multitemporais, quando comparado com uma classificação monotemporal. Ainda, pôde-se observar que as classificações com base em matrizes estimadas para períodos curtos sempre apresentaram resultados superiores aos das classificações com base em matrizes estimadas para períodos longos. Também, que a superioridade da estimação direta frente à extrapolação se reduz com o aumento da distância temporal. Os resultados do presente trabalho poderão servir de motivação para a criação de sistemas automáticos de classificação de imagens multitemporais. O potencial de sua aplicação se justifica pela aceleração do processo de monitoramento do uso e cobertura da terra, considerando a melhoria obtida frente a classificações supervisionadas tradicionais.

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Áreas alagadas são importantes devido à grande biodiversidade que sustentam e aos serviços ambientais gerados pela sua conservação. Essas áreas, quando dominadas por macrófitas, tendem a suportar grande biodiversidade e assumir grande valor de conservação. Assim, o monitoramento do estabelecimento deste importante componente do ecossistema durante um projeto de recuperação de ecossistemas é importante para avaliar o sucesso da sua recuperação. Este trabalho teve como objetivo estimar aquantidade de biomassa por área acumulada em um ecossistema ao longo de um gradiente de recuperação. Através da classificação não supervisionada gerada a partir de de imagens de satélite de alta resolução (GeoEye-1) e amostragem destrutiva foram estimadas quantidades de biomassa por área em três alagados em recuperação na Reserva Ecológica Guapiaçú. A classificação não supervisionada se mostrou uma ferramenta acurada e eficiente no mapeamento de classes de vegetação. Os alagados estudados apresentam uma taxa de acúmulo de carbono anual estimada em 1,12 MgC.hec-1 atingindo um máximo de 5.55 MgC.hec-1 no terceiro ano. Adicionalmente, foi observada uma correlação negativa entre biomassa e profundidade. / Wetlands are important due to the substantial biodiversity they maintain and for the ecosystem services they provide. These areas when colonized by macrophytes tend to support great biodiversity and assume great value for conservation. Therefore monitoring the establishment of these important ecosystem features during the recovery of reconstructed wetlands is made necessary to evaluate the success of such projects. Here, the main objective was to estimate the amount of biomass accumulated by the macrophyte growth during the first 6 years of a wetland recovery project. From unsupervised classification generated from high resolution satellite imagery and destructive field sampling the accumulated biomass of macrophyte beds was estimated in 3 reconstructed wetlands at Reserva Ecológica Guapiaçú, Rio de Janeiro. Unsupervised classification was shown to be an effective and accurate tool for mapping vegetation classes. The studied wetlands showed an annual carbon accumulation rate of 1,12 MgC.hec-1 with apparent decrease in rate over time and with the maximum accumulated biomass of 5,55 MgC.hec-1 in the third year. A negative correlation between water depth and biomass was observed.

Neste trabalho é proposta uma plataforma robótica móvel, concebida de maneira modular e hierárquica, visando o estudo de diversos aspectos aplicados à navegação, tanto autônoma quanto semi-autônoma, em ambientes internos. O sistema proposto possibilita a implementação de arquiteturas reativas e híbridas com aprendizagem, sendo a importância e limitações desta última discutidas. Utilizando a plataforma desenvolvida, uma aplicação de navegação robótica com aprendizagem supervisionada é realizada, usando sensores de ultra-som e através de tele-operação. O objetivo é fazer com que o agente associe, em tempo real, suas próprias respostas sensoriais com as ações motoras realizadas pelo tele-operador, permitindo que a tarefa seja repetida autonomamente com alguma generalização. Para realizar tal mapeamento, uma rede de função de base radial (RBF), usando um algoritmo de aprendizado seqüencial, é apresentada e utilizada. / This work presents a mobile robotic platform, built as a modular and hierarchical approach, aiming at the study of several aspects of indoor navigation. The proposed system allows the implementation of reactive and hybrid architectures with learning, for autonomous or semi-autonomous navigation. The importance and limitations of the learning characteristics are discussed. An application of robotic navigation with supervised learning is implemented using ultrasonic sensors and teleoperation. The aim is the agent to associate, in real time, its own sensorial perception to the motor actions realized by a teleoperator, allowing the task to be repeated in an autonomous way, with some generalization. To make the corresponding mapping, a radial basis function network (RBF), trained by a sequential learning algorithm, is presented and used.

Submitted by João Arthur Martins (joao.arthur@ufpe.br) on 2015-03-11T18:17:21Z No. of bitstreams: 2 Dissertaçao Lailson de Moraes.pdf: 4634910 bytes, checksum: cbec580f8cbc24cb3feb2379a1d2dfbd (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) / Approved for entry into archive by Daniella Sodre (daniella.sodre@ufpe.br) on 2015-03-13T13:02:06Z (GMT) No. of bitstreams: 2 Dissertaçao Lailson de Moraes.pdf: 4634910 bytes, checksum: cbec580f8cbc24cb3feb2379a1d2dfbd (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) / Made available in DSpace on 2015-03-13T13:02:06Z (GMT). No. of bitstreams: 2 Dissertaçao Lailson de Moraes.pdf: 4634910 bytes, checksum: cbec580f8cbc24cb3feb2379a1d2dfbd (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Previous issue date: 2013-08-19 / An important pre-processing step in machine learning systems is dimensionality reduction, which aims to produce compact representations of high-dimensional patterns. In computer vision applications, these patterns are typically images, that are represented by two-dimensional matrices. However, traditional dimensionality reduction techniques were designed to work only with vectors, what makes them a suboptimal choice for processing two-dimensional data. Another problem with traditional approaches for dimensionality reduction is that they operate either on a fully unsupervised or fully supervised way, what limits their efficiency in scenarios where supervised information is available only for a subset of the data. These situations are increasingly common because in many modern applications it is easy to produce raw data, but it is usually difficult to label it. In this study, we propose three dimensionality reduction methods that can overcome these limitations: Two-dimensional Semi-supervised Dimensionality Reduction (2D-SSDR), Two-dimensional Discriminant Principal Component Analysis (2D-DPCA), and Two-dimensional Semi-supervised Local Fisher Discriminant Analysis (2D-SELF). They work directly with two-dimensional data and can also take advantage of supervised information even if it is available only for a small part of the dataset. In addition, a fully supervised method, the Two-dimensional Local Fisher Discriminant Analysis (2D-LFDA), is proposed too. The methods are defined in terms of a two-dimensional framework, which was created in this study as well. The framework is capable of generally describing scatter-based methods for dimensionality reduction and can be used for deriving other two-dimensional methods in the future. Experimental results showed that, as expected, the novel methods are faster and more stable than the existing ones. Furthermore, 2D-SSDR, 2D-SELF, and 2D-LFDA achieved competitive classification accuracies most of the time when compared to the traditional methods. Therefore, these three techniques can be seen as viable alternatives to existing dimensionality reduction methods. / Um estágio importante de pré-processamento em sistemas de aprendizagem de máquina é a redução de dimensionalidade, que tem como objetivo produzir representações compactas de padrões de alta dimensionalidade. Em aplicações de visão computacional, estes padrões são tipicamente imagens, que são representadas por matrizes bi-dimensionais. Entretanto, técnicas tradicionais para redução de dimensionalidade foram projetadas para lidar apenas com vetores, o que as torna opções inadequadas para processar dados bi-dimensionais. Outro problema com as abordagens tradicionais para redução de dimensionalidade é que elas operam apenas de forma totalmente não-supervisionada ou totalmente supervisionada, o que limita sua eficiência em cenários onde dados supervisionados estão disponíveis apenas para um subconjunto das amostras. Estas situações são cada vez mais comuns por que em várias aplicações modernas é fácil produzir dados brutos, mas é geralmente difícil rotulá-los. Neste estudo, propomos três métodos para redução de dimensionalidade capazes de contornar estas limitações: Two-dimensional Semi-supervised Dimensionality Reduction (2DSSDR), Two-dimensional Discriminant Principal Component Analysis (2D-DPCA), e Twodimensional Semi-supervised Local Fisher Discriminant Analysis (2D-SELF). Eles operam diretamente com dados bi-dimensionais e também podem explorar informação supervisionada, mesmo que ela esteja disponível apenas para uma pequena parte das amostras. Adicionalmente, um método completamente supervisionado, o Two-dimensional Local Fisher Discriminant Analysis (2D-LFDA) é proposto também. Os métodos são definidos nos termos de um framework bi-dimensional, que foi igualmente criado neste estudo. O framework é capaz de descrever métodos para redução de dimensionalidade baseados em dispersão de forma geral e pode ser usado para derivar outras técnicas bi-dimensionais no futuro. Resultados experimentais mostraram que, como esperado, os novos métodos são mais rápidos e estáveis que as técnicas existentes. Além disto, 2D-SSDR, 2D-SELF, e 2D-LFDA obtiveram taxas de erro competitivas na maior parte das vezes quando comparadas aos métodos tradicionais. Desta forma, estas três técnicas podem ser vistas como alternativas viáveis aos métodos existentes para redução de dimensionalidade.

Submitted by Fabio Sobreira Campos da Costa (fabio.sobreira@ufpe.br) on 2016-07-01T12:22:19Z No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Tese_Filipe_Cordeiro.pdf: 19608976 bytes, checksum: a0ff2fa1256af4323f10bfcbb3df974d (MD5) / Made available in DSpace on 2016-07-01T12:22:19Z (GMT). No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Tese_Filipe_Cordeiro.pdf: 19608976 bytes, checksum: a0ff2fa1256af4323f10bfcbb3df974d (MD5) Previous issue date: 2015-12-16 / De acordo com a Organização Mundial de Saúde, o câncer de mama é a forma mais comum de câncer entre as mulheres no mundo todo, sendo um dos tipos de câncer mais fatal. Estudos mostram que o diagnóstico precoce pode contribuir para a redução da taxa de mortalidade e aumentar as opções de tratamento. Apesar da existência de várias técnicas de obtenção de imagens no auxílio ao diagnóstico de câncer de mama, a mamografia digital é ainda a tecnologia mais eficaz e utilizada para esse fim. Consequentemente, a segmentação de imagens de mamografia é uma tarefa fundamental para auxiliar o diagnóstico, levando em consideração a forma da lesão mamária e suas bordas. No entanto, a segmentação de imagens de mamografia é uma tarefa complexa, uma vez que ela é muito dependente dos tipos de tecido mamário e da lesão. O algoritmo GrowCut é um método de segmentação de propósito geral baseado em autômatos celulares, capaz de realizar uma segmentação precisa através da seleção adequada de pontos internos e externos à região de interesse. Neste trabalho é apresentado um novo algoritmo semi-supervisionado baseado na modificação do algoritmo GrowCut para realizar segmentação de imagens de mamografia de forma semi-automática. No método proposto é utilizada uma função de pertinência fuzzy Gaussiana para modificar a regra de evolução do algoritmo GrowCut original, visando estimar as probabilidades de um pixel pertencer ao objeto ou fundo da imagem. Esse modelo permite uma maior flexibilidade na inicialização das sementes quando comparado à trabalhos no estado da arte, pois a marcação realizada pelo especialista é utilizada extraindo-se informação do conjunto de sementes, e não informações do posicionamento individual, como o presente no GrowCut clássico. Foi também desenvolvido uma etapa de geração automática de sementes, onde apenas pontos internos da região de interesse são selecionados, através do uso do método de otimização Evolução Diferencial. Além disso, foi desenvolvido um método de ajuste de parâmetros adaptativo, que a partir da extração de características da imagem ajusta os melhores parâmetros para o algoritmo. A abordagem desenvolvida é comparada qualitativamente e quantitativamente com técnicas de segmentação do estado da arte BEMD, BMCS, WAGA, Abordagem Topográfica e MCW, usando métricas relacionadas à forma das regiões segmentadas. As análises são avaliadas utilizando regiões de interesse da base IRMA, totalizando 1.165 mamogramas. Resultados mostram que o algoritmo proposto obteve melhores resultados, considerando similaridade com imagem ouro, para as métricas utilizadas. Para validar a proposta , foi construído um classificador de imagem usando o Perceptron Multicamadas clássico. Resultados mostraram que a técnica proposta obteve taxa de classificação de 94,77%, evidenciado a viabilidade do método proposto. / According to the World Health Organization, breast cancer is the most common cancer in women worldwide, becoming one of the most fatal types of cancer. Several studies show that the early diagnosis technologies can contribute to reduce the mortality rates and improve treatment options. Despite the existence of several imaging techniques to aid at the diagnosis of breast cancer, digital mammography is still the most used and effective imaging technology. Consequently, mammographic image segmentation is a fundamental task to support image diagnosis, considering shape analysis of mammary lesions and their borders. However, mammogram image segmentation is a hard task, once it is highly dependent on the types of mammary tissues. The GrowCut algorithm is a general-purpose segmentation method based on cellular automata, able to perform accurate segmentation through the adequate selection of internal and external points of the region of interest. Herein this work we present a new semi-supervised segmentation algorithm based on the modification of the GrowCut algorithm to perform semi-automatic mammographic image segmentation. In our proposal, we used a fuzzy Gaussian membership function to modify the evolution rule of the original GrowCut algorithm, in order to estimate the probabilities of a pixel being object or background. This model allows flexibility in the seeds initialization when compared to state of the art techniques, because the annotation executed by the specialist is used through the extraction of information of set os seeds, in opposite to the individual seeds information present in classical GrowCut .An automatic seed generation step was developed, where only the seeds internal to the region of interest are selected, using the Differential Evolution algorithm. Furthermore, we developed an adaptive parameter tuning method, which from the image characteristics it find the best parameters to the algorithm. The proposed approach was qualitatively and quantitatively compared with other state-of-the-art segmentation techniques BEMD, BMCS, WAGA, Topographic Approach and MCW, using metrics related to the shape of segmented regions. The analysis are evaluated using regions of interest from IRMA database, totaling 1.165 mammograms. Results show that the proposed algorithm achieved better results, considering similarity with ground truth, for the used metrics. In order to validate our proposal we built an image classifier using a classical Multilayer Perceptron. This analysis employed 1.165 mammograms from IRMA breast cancer database Results show that the proposed technique could achieve a classification rate of 94.77%, evidencing the feasibility of our approach.