Spelling suggestions: "subject:"transformada cervelet""
1 |
Algoritmos computacionais baseados em coeficientes curvelet aplicados na descrição de textura em mamogramasBruno, Daniel Otávio Tambasco January 2013 (has links)
Orientador: Marcelo Zanchetta do Nascimento / Dissertação (mestrado) - Universidade Federal do ABC. Programa de Programa de Pós-Graduação em Engenharia da Informação, 2013
|
2 |
An?lise s?smica usando transformada de CurveletOliveira, Michelli Silva de 29 July 2011 (has links)
Made available in DSpace on 2014-12-17T15:14:53Z (GMT). No. of bitstreams: 1
MichelliSO_TESE.pdf: 582340 bytes, checksum: ab3d5e44a55d3fc0f68bbe728403a091 (MD5)
Previous issue date: 2011-07-29 / Conselho Nacional de Desenvolvimento Cient?fico e Tecnol?gico / Oil prospecting is one of most complex and important features of oil industry Direct
prospecting methods like drilling well logs are very expensive, in consequence indirect
methods are preferred. Among the indirect prospecting techniques the seismic imaging is
a relevant method. Seismic method is based on artificial seismic waves that are generated,
go through the geologic medium suffering diffraction and reflexion and return to the
surface where they are recorded and analyzed to construct seismograms. However, the
seismogram contains not only actual geologic information, but also noise, and one of the
main components of the noise is the ground roll. Noise attenuation is essential for a good
geologic interpretation of the seismogram. It is common to study seismograms by using
time-frequency transformations that map the seismic signal into a frequency space where
it is easier to remove or attenuate noise. After that, data is reconstructed in the original
space in such a way that geologic structures are shown in more detail. In addition, the
curvelet transform is a new and effective spectral transformation that have been used in
the analysis of complex data. In this work, we employ the curvelet transform to represent
geologic data using basis functions that are directional in space. This particular basis can
represent more effectively two dimensional objects with contours and lines. The curvelet
analysis maps real space into frequencies scales and angular sectors in such way that we
can distinguish in detail the sub-spaces where is the noise and remove the coefficients
corresponding to the undesired data. In this work we develop and apply the denoising
analysis to remove the ground roll of seismograms. We apply this technique to a artificial
seismogram and to a real one. In both cases we obtain a good noise attenuation / A explora?c ao petrol?ıfera ?e uma das atividades mais complexas e de dif?ıcil execu?c ao na
ind?ustria do petr?oleo e tamb?em ?e umas de suas tarefas mais importantes. Devido aos
elevados custos dos m?etodos diretos usados para localiza?c ao e avalia?c ao das jazidas de
petr?oleo, tais como a perfura?c ao de po?cos explorat?orios para a medi?c ao de propriedades
in situ, m?etodos indiretos s ao utilizados com esta finalidade. O principal destes m?etodos
?e o da sondagem s?ısmica. Neste processo de explora?c ao, ondas s?ısmicas geradas por
explos oes ou por vibradores, propagam-se no subsolo e ap?os serem espalhadas pelas heterogeneidades
das estruturas geol?ogicas retornam `a superf?ıcie onde s ao coletadas para
constru?c ao dos sismogramas ou imagens s?ısmicas. No entanto, os sismogramas cont em,
al?em das informa?c oes sobre as estruturas do subsolo, uma grande quantidade de ru?ıdo,
sendo o principal deles o chamado ru?ıdo de rolamento superficial ( ground roll ou ondas
de Rayleigh). A atenua?c ao desses ru?ıdos ?e essencial para uma boa interpreta?c ao dos
dados e sinais s?ısmicos. A an?alise dos sismogramas pode ser feita utilizando-se diversos
tipos de transformadas espectrais que levam o sinal s?ısmico para o espa?co das frequ encias
(Transformada de Fourier) ou para o espa?co tempo-frequ encia (Transformada Wavelet),
onde costuma ser mais simples atenuar ou remover os ru?ıdos de uma forma cir?urgica. Isto
permite que, ao levar o sinal s?ısmico de volta ao espa?co original, o sinal represente apenas
as informa?c oes sobre as estruturas geol?ogicas de interesse. Por outro lado, a transformada
curvelet ?e uma nova e efetiva transformada espectral que tem sido largamente usada no
estudo e representa?c ao de dados complexos. Nessa an?alise, as fun?c oes ou sinais estudados
s ao expressados em termos de fun?c oes de base com car?ater direcional que permitem representar,
mais efetivamente que outras an?alises, imagens e sinais com descontinuidades superficiais ou ao longo de curvas. A an?alise curvelet mapeia o espa?co das frequ encias em
diferentes escalas e em setores angulares, de modo que se pode identificar as regi oes deste
espa?co dominadas pelo ru?ıdo presente no sinal. Remover os coeficientes referentes a essas
regi oes ?e remover o ru?ıdo do sinal. Assim, nesta tese implementamos e aplicamos a an?alise
curvelet para remover o ru?ıdo de rolamento superficial dos sinais s?ısmicos. Testamos este
m?etodo tanto para um sismograma sint?etico quanto para um sismograma real e obtivemos
uma ?otima atenua?c ao do ru?ıdo em ambos os casos.
Comparamos este m?etodo com os m?etodos empregados anteriormente e discutimos
poss?ıveis aplica?c oes desta t?ecnica a outros problemas
|
3 |
Supress?o do ru?do de rolamento superficial utilizando a transformada CurveletOliveira, Nisar Rocha de 08 May 2009 (has links)
Made available in DSpace on 2014-12-17T14:08:36Z (GMT). No. of bitstreams: 1
NisarRO.pdf: 2584049 bytes, checksum: f18a00826204d450659ba7d3316e358e (MD5)
Previous issue date: 2009-05-08 / Among the many types of noise observed in seismic land acquisition there is one produced by surface waves called Ground Roll that is a particular type of Rayleigh wave which characteristics are high amplitude, low frequency and low velocity (generating a cone with high dip). Ground roll contaminates the relevant signals and can mask the relevant information, carried by waves scattered in deeper regions of the geological layers. In this thesis, we will present a method that attenuates the ground roll. The technique consists in to decompose the seismogram in a basis of curvelet functions that are localized in time, in frequency, and also, incorporate an angular orientation. These characteristics allow to construct a curvelet filter that takes in consideration the localization of denoise in scales, times and angles in the seismogram. The method was tested with real data and the results were very good / Dentre os diversos tipos de ru?dos existentes nos dados s?smicos terrestres est? o Ru?do de Rolamento Superficial tamb?m conhecido como ground roll que ? um tipo particular de ondas de Rayleigh com amplitude forte, freq??ncia baixa e velocidade baixa que gera um cone de grande mergulho no sismograma. O ru?do de rolamento superficial contamina os sinais relevantes e pode mascarar a informa??o desejada, trazidas por ondas espalhadas em regi?es mais profundas das camadas geol?gicas. Nesta disserta??o ser? apresentada uma ferramenta que atenua o ru?do de rolamento superficial baseada na transformada curvelet. A t?cnica consiste em decompor o sismograma em uma base de fun??es curvelets as quais s?o localizadas no tempo e na freq??ncia, al?m de incorporarem uma orienta??o angular. Tais caracter?sticas permitem a constru??o de um filtro curvelet que leva em considera??o a localiza??o do ru?do em escalas, limiares de corte dos coeficientes curvelets e dos ?ngulos no sismograma. O m?todo foi testado com dados reais e os resultados obtidos foram muito bons
|
4 |
Ensemble baseado em métodos de Kernel para reconhecimento biométrico multimodal / Ensemble Based on Kernel Methods for Multimodal Biometric RecognitionCosta, Daniel Moura Martins da 31 March 2016 (has links)
Com o avanço da tecnologia, as estratégias tradicionais para identificação de pessoas se tornaram mais suscetíveis a falhas, de forma a superar essas dificuldades algumas abordagens vêm sendo propostas na literatura. Dentre estas abordagens destaca-se a Biometria. O campo da Biometria abarca uma grande variedade de tecnologias usadas para identificar e verificar a identidade de uma pessoa por meio da mensuração e análise de aspectos físicos e/ou comportamentais do ser humano. Em função disso, a biometria tem um amplo campo de aplicações em sistemas que exigem uma identificação segura de seus usuários. Os sistemas biométricos mais populares são baseados em reconhecimento facial ou de impressões digitais. Entretanto, existem outros sistemas biométricos que utilizam a íris, varredura de retina, voz, geometria da mão e termogramas faciais. Nos últimos anos, o reconhecimento biométrico obteve avanços na sua confiabilidade e precisão, com algumas modalidades biométricas oferecendo bom desempenho global. No entanto, mesmo os sistemas biométricos mais avançados ainda enfrentam problemas. Recentemente, esforços têm sido realizados visando empregar diversas modalidades biométricas de forma a tornar o processo de identificação menos vulnerável a ataques. Biometria multimodal é uma abordagem relativamente nova para representação de conhecimento biométrico que visa consolidar múltiplas modalidades biométricas. A multimodalidade é baseada no conceito de que informações obtidas a partir de diferentes modalidades se complementam. Consequentemente, uma combinação adequada dessas informações pode ser mais útil que o uso de informações obtidas a partir de qualquer uma das modalidades individualmente. As principais questões envolvidas na construção de um sistema biométrico unimodal dizem respeito à definição das técnicas de extração de característica e do classificador. Já no caso de um sistema biométrico multimodal, além destas questões, é necessário definir o nível de fusão e a estratégia de fusão a ser adotada. O objetivo desta dissertação é investigar o emprego de ensemble para fusão das modalidades biométricas, considerando diferentes estratégias de fusão, lançando-se mão de técnicas avançadas de processamento de imagens (tais como transformada Wavelet, Contourlet e Curvelet) e Aprendizado de Máquina. Em especial, dar-se-á ênfase ao estudo de diferentes tipos de máquinas de aprendizado baseadas em métodos de Kernel e sua organização em arranjos de ensemble, tendo em vista a identificação biométrica baseada em face e íris. Os resultados obtidos mostraram que a abordagem proposta é capaz de projetar um sistema biométrico multimodal com taxa de reconhecimento superior as obtidas pelo sistema biométrico unimodal. / With the advancement of technology, traditional strategies for identifying people become more susceptible to failure, in order to overcome these difficulties some approaches have been proposed in the literature. Among these approaches highlights the Biometrics. The field of Biometrics encompasses a wide variety of technologies used to identify and verify the person\'s identity through the measurement and analysis of physiological and behavioural aspects of the human body. As a result, biometrics has a wide field of applications in systems that require precise identification of their users. The most popular biometric systems are based on face recognition and fingerprint matching. Furthermore, there are other biometric systems that utilize iris and retinal scan, speech, face, and hand geometry. In recent years, biometrics authentication has seen improvements in reliability and accuracy, with some of the modalities offering good performance. However, even the best biometric modality is facing problems. Recently, big efforts have been undertaken aiming to employ multiple biometric modalities in order to make the authentication process less vulnerable to attacks. Multimodal biometrics is a relatively new approach to biometrics representation that consolidate multiple biometric modalities. Multimodality is based on the concept that the information obtained from different modalities complement each other. Consequently, an appropriate combination of such information can be more useful than using information from single modalities alone. The main issues involved in building a unimodal biometric System concern the definition of the feature extraction technique and type of classifier. In the case of a multimodal biometric System, in addition to these issues, it is necessary to define the level of fusion and fusion strategy to be adopted. The aim of this dissertation is to investigate the use of committee machines to fuse multiple biometric modalities, considering different fusion strategies, taking into account advanced methods in machine learning. In particular, it will give emphasis to the analyses of different types of machine learning methods based on Kernel and its organization into arrangements committee machines, aiming biometric authentication based on face, fingerprint and iris. The results showed that the proposed approach is capable of designing a multimodal biometric System with recognition rate than those obtained by the unimodal biometrics Systems.
|
5 |
Ensemble baseado em métodos de Kernel para reconhecimento biométrico multimodal / Ensemble Based on Kernel Methods for Multimodal Biometric RecognitionDaniel Moura Martins da Costa 31 March 2016 (has links)
Com o avanço da tecnologia, as estratégias tradicionais para identificação de pessoas se tornaram mais suscetíveis a falhas, de forma a superar essas dificuldades algumas abordagens vêm sendo propostas na literatura. Dentre estas abordagens destaca-se a Biometria. O campo da Biometria abarca uma grande variedade de tecnologias usadas para identificar e verificar a identidade de uma pessoa por meio da mensuração e análise de aspectos físicos e/ou comportamentais do ser humano. Em função disso, a biometria tem um amplo campo de aplicações em sistemas que exigem uma identificação segura de seus usuários. Os sistemas biométricos mais populares são baseados em reconhecimento facial ou de impressões digitais. Entretanto, existem outros sistemas biométricos que utilizam a íris, varredura de retina, voz, geometria da mão e termogramas faciais. Nos últimos anos, o reconhecimento biométrico obteve avanços na sua confiabilidade e precisão, com algumas modalidades biométricas oferecendo bom desempenho global. No entanto, mesmo os sistemas biométricos mais avançados ainda enfrentam problemas. Recentemente, esforços têm sido realizados visando empregar diversas modalidades biométricas de forma a tornar o processo de identificação menos vulnerável a ataques. Biometria multimodal é uma abordagem relativamente nova para representação de conhecimento biométrico que visa consolidar múltiplas modalidades biométricas. A multimodalidade é baseada no conceito de que informações obtidas a partir de diferentes modalidades se complementam. Consequentemente, uma combinação adequada dessas informações pode ser mais útil que o uso de informações obtidas a partir de qualquer uma das modalidades individualmente. As principais questões envolvidas na construção de um sistema biométrico unimodal dizem respeito à definição das técnicas de extração de característica e do classificador. Já no caso de um sistema biométrico multimodal, além destas questões, é necessário definir o nível de fusão e a estratégia de fusão a ser adotada. O objetivo desta dissertação é investigar o emprego de ensemble para fusão das modalidades biométricas, considerando diferentes estratégias de fusão, lançando-se mão de técnicas avançadas de processamento de imagens (tais como transformada Wavelet, Contourlet e Curvelet) e Aprendizado de Máquina. Em especial, dar-se-á ênfase ao estudo de diferentes tipos de máquinas de aprendizado baseadas em métodos de Kernel e sua organização em arranjos de ensemble, tendo em vista a identificação biométrica baseada em face e íris. Os resultados obtidos mostraram que a abordagem proposta é capaz de projetar um sistema biométrico multimodal com taxa de reconhecimento superior as obtidas pelo sistema biométrico unimodal. / With the advancement of technology, traditional strategies for identifying people become more susceptible to failure, in order to overcome these difficulties some approaches have been proposed in the literature. Among these approaches highlights the Biometrics. The field of Biometrics encompasses a wide variety of technologies used to identify and verify the person\'s identity through the measurement and analysis of physiological and behavioural aspects of the human body. As a result, biometrics has a wide field of applications in systems that require precise identification of their users. The most popular biometric systems are based on face recognition and fingerprint matching. Furthermore, there are other biometric systems that utilize iris and retinal scan, speech, face, and hand geometry. In recent years, biometrics authentication has seen improvements in reliability and accuracy, with some of the modalities offering good performance. However, even the best biometric modality is facing problems. Recently, big efforts have been undertaken aiming to employ multiple biometric modalities in order to make the authentication process less vulnerable to attacks. Multimodal biometrics is a relatively new approach to biometrics representation that consolidate multiple biometric modalities. Multimodality is based on the concept that the information obtained from different modalities complement each other. Consequently, an appropriate combination of such information can be more useful than using information from single modalities alone. The main issues involved in building a unimodal biometric System concern the definition of the feature extraction technique and type of classifier. In the case of a multimodal biometric System, in addition to these issues, it is necessary to define the level of fusion and fusion strategy to be adopted. The aim of this dissertation is to investigate the use of committee machines to fuse multiple biometric modalities, considering different fusion strategies, taking into account advanced methods in machine learning. In particular, it will give emphasis to the analyses of different types of machine learning methods based on Kernel and its organization into arrangements committee machines, aiming biometric authentication based on face, fingerprint and iris. The results showed that the proposed approach is capable of designing a multimodal biometric System with recognition rate than those obtained by the unimodal biometrics Systems.
|
Page generated in 0.0789 seconds