Análise multi-escala de formas bidimensionais

• Ano de defesa: 1997
• Autor(a) principal: Cesar Junior, Roberto Marcondes
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Análise de formas; Neurônios; Not available; Visão cibernética; Wavelets
• Link de acesso: http://www.teses.usp.br/teses/disponiveis/76/76132/tde-27112014-163634/

Esta 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