Repositório Institucional IFSC
URI permanente desta comunidadehttp://143.107.180.6:4000/handle/RIIFSC/1
Navegar
2 resultados
Resultados da Pesquisa
Item Modelagem por redes (grafos) e técnicas de reconhecimento de padrões: estrutura, dinâmica e aplicações(2017-05-16) Cesar Junior, Roberto MarcondesDentre os desafios enfrentados atualmente pela pesquisa em reconhecimento de padrões, cabe ressaltar três linhas fundamentais: (a) problemas em que elementos devem ser descritos estruturalmente através de uma rede indicando conexões entre tais elementos; (b) problemas envolvendo a evolução da informação ao longo de alguma variável independente (e.g. tempo, no caso de seqüências de vídeo); (c) problemas envolvendo ambos aspectos, i.e. uma rede de elementos cuja dinâmica evolui ao longo de alguma variável independente. O presente projeto temático, unindo os grupos de visão do IME-USP e IFSC-USP, além de pesquisadores colaboradores de outras instituições, prevê o estudo, desenvolvimento e aplicação de técnicas de reconhecimento de padrões com esses três itens formando o tema de integração da pesquisa. Além da área de reconhecimento de padrões, o projeto inclui técnicas e problemas de visão computacional, processamento de imagens e de sinais e bioinformática, todas sendo áreas de trabalho dos pesquisadores proponentes. As atividades de pesquisa tratarão de aspectos de reconhecimento de padrões e de redes em ambas direções: (1) utilização de técnicas de reconhecimento de padrões para auxiliar na análise de redes em aplicações específicas; (2) desenvolvimento de técnicas de reconhecimento de padrões baseadas em redes. Esta linha de pesquisa incluirá a utilização de grafos em reconhecimento estrutural de padrões e raciocínio espacial. Os métodos em tais abordagens são marcados pelo fato que a tarefa de reconhecimento não envolve apenas os objetos em uma imagem, mas igualmente as relações entre tais objetos. Parte da importância da utilização dessas relações advém do fato que tais relações são frequentemente mais estáveis nas cenas que muitas propriedades dos objetos em si. Em particular, pretende-se explorar técnicas que descrevem a estrutura dos elementos em imagens através de grafos. Nesse caso, a rede é formada por elementos de uma imagem cujos arcos representam relações entre tais elementos. A segunda linha de ação do projeto trata de reconhecimento de padrões aplicado a problemas envolvendo dinâmica, ou seja, padrões que evoluem ao longo de alguma variável independente. Uma das áreas que serão cobertas no projeto é a análise de vídeo digital, em que a informação visual evolui em função do tempo. Finalmente, problemas envolvendo redes e dinâmica são considerados os mais difíceis, ou seja, problemas modelados por uma rede de elementos de interesse cujo comportamento evolui com o tempo. Um exemplo importante ocorre em bioinformática com as chamadas redes de genes. Nesse caso, os genes são modelados em uma rede em que as ligações representam a capacidade de um gene influenciar (ou ser influenciado) no comportamento de um outro gene. A dinâmica de tal rede nasce da evolução do comportamento dos genes na medida que o tempo (ou alguma outra variável) progride. As técnicas desenvolvidas serão aplicadas na resolução de problemas nas duas principais áreas de atuação dos pesquisadores principais: visão computacional e biologia computacional (bioinformática). Em relação à visão computacional, as seguintes aplicações serão abordadas: (1) Processamento de imagens por w-operadores; (2) Análise de vídeo digital para rastreamento, segmentação e reconhecimento; (3) Classificação de formas e reconhecimento estrutural de padrões; (4) Análise de estruturas de ramificação formando redes. Em relação à biologia computacional, as seguintes aplicações serão abordadas: (1) Identificação de redes de dependência gênica; (2) Aplicação de técnicas de processamento multi-escala de sinais e de reconhecimento de padrões em problemas de classificação em bioinformática.Item Análise multi-escala de formas bidimensionais(2014-11-28) Cesar Junior, Roberto MarcondesEsta tese introduz um conjunto de novos métodos para análise de formas bidimensionais (2D) dentro do contexto da resolução de problemas de visão computacional e analise de formas neurais ou neuromorfometria. Mais especificamente, este trabalho apresenta o desenvolvimento de conceitos e algoritmos para a representação e analise multi-escala de contornos de objetos em imagens digitais. Assim, o contorno dos objetos e representado por um sinal que assume valores complexos e que pode ser subseqüentemente analisado por uma transformada multi-escala. Nesse sentido, os desenvolvimentos apresentados nesta tese valeram-se matematicamente de ferramentas desenvolvidas na área de processamento de sinais e de imagens, bem como em outras áreas da matemática como a geometria diferencial. Técnicas de analise de contornos através da curvatura multi-escala e das transformadas de Gabor e em wavelets são introduzidas, incluindo algoritmos específicos para a detecção de vértices, caracterização de escalas naturais, analise fractal de curvas deterministicamente auto-similares e extração de vetores de características associadas a diferentes aspectos de formas como complexidade e retangularidade. Particularmente em relação aos métodos de analise multi-escala de curvatura, esta tese apresenta um novo esquema de estimação digital de curvatura baseado em propriedades da transformada de Fourier e novas abordagens para a prevenção a contração dos contornos devido a filtragem gaussiana. Esse novo esquema de estimação de curvatura foi testado exaustivamente, incluindo uma avaliação da precisão do método através de uma analise de erro entre valores da curvatura analítica e a estimada baseada em curvas B-splines. O novo esquema apresentou resultados encorajadores em todas as avaliações, corroborando sua eficiência. Em relação a parte especifica de analise de formas neurais, as contribuições desta tese residem em duas áreas. Inicialmente, novas medidas de formas, correspondentes as energias multi-escala, foram introduzidas para a caracterização e classificação automática de neurônios baseada na complexidade das formas; experimentos de classificação estatística de celulas ganglionares (gato) são relatados. Finalmente, descreve-se uma nova técnica para a criação semi-automática de dendrogramas, os quais são estruturas de dados abstratas que descrevem células neurais. Todas as técnicas foram extensivamente testadas em imagens reais e sintéticas e os respectivos resultados, que corroboram a eficiência dos algoritmos, são incluídos ao longo da tese