Submitted by Geyciane Santos (geyciane_thamires@hotmail.com) on 2015-12-01T20:29:53Z No. of bitstreams: 1 Disserta????o -Anac??lia Maria Cavalcante de Almeida Palmeira Vieira.pdf: 2539964 bytes, checksum: bfdaceed13c905ce911fac663f53e29c (MD5)

Doenças que acometem o olho humano podem causar perda parcial ou total da visão. A aparência dos vasos e artérias presentes no fundo do olho pode auxiliar no diagnóstico de doenças, tais como a retinopatia diabética, hipertensão e arterioscleroses. Imagens da retina podem ser obtidas de diferentes formas e podem apresentar características distintas e defeitos por algum erro em sua aquisição, como a iluminação, o contraste e a presença de ruídos. Tais problemas remetem à prática de pré-processamento nas imagens para que estas fiquem com uma qualidade desejável e assim se faça a segmentação dos vasos sanguíneos. Sendo assim, este trabalho apresenta um algoritmo de pré-processamento que visa criar uma imagem com boa qualidade para a segmentação de vasos sanguíneos. Este foi testado em duas bases livremente encontradas na internet (DRIVE e STARE) e seus resultados foram avaliados utilizando um algoritmo de segmentação de vasos. Os resultados obtidos utilizando o algoritmo proposto antes do método de segmentação apresentam uma melhora média de até 2,65% em sensitividade, mostrando-se bastante eficiente.

Em diversas aplicações na área de visão computacional o tratamento de regiões de sombra, ocasionadas pela posição de uma fonte de luz em relação a um objeto de interesse a ser segmentado é necessário. Tal tarefa constitui uma importante etapa de pré-processamento de imagens para uma posterior análise do objeto. O presente trabalho visa estudar o método proposto por Jacques, Jung e Musse (2005) para a segmentação de sombras em sequências de vídeos e propor uma melhoria à detecção dessas regiões com o uso de métodos probabilísticos juntamente com o método correlação de regiões. Inicialmente, gera-se um modelo de fundo a partir do qual, com o uso da subtração de background detectar-se-á todos os objetos de interesse que surgirem no cenário. Nesses objetos obtidos aplica-se o algoritmo proposto para a detecção e remoção de sombras com o intuito de obter-se uma detecção desse objeto. Os resultados obtidos com o uso de informação de probabilidade juntamente com a correlação cruzada normalizada mostraram-se visualmente melhores do que o método sem o uso de tal refinamento.

A discriminação entre minerais não opacos e a resina de embutimento em imagens de microscopia de luz refletida de amostras de minério é um problema desafiador e bem documentado. A refletância especular semelhante desses materiais dificulta sua discriminação, mesmo por especialistas humanos. Embora leves diferenças visuais, como reflexões internas e diferenças sutis na superfície polida, possam ajudar os humanos a delinear partículas distintas desses materiais, as técnicas convencionais de processamento de imagem não são capazes de capturar tais características (features) subjetivas e tendem a falhar, tornando-se um problema carente de uma solução computacional robusta. Inspirado no recente sucesso de técnicas de aprendizagem profunda (deep learning) na interpretação de imagens, o presente trabalho avalia a eficácia da segmentação semântica de imagens de minérios por meio de modelos de aprendizagem profunda, na discriminação entre a resina epóxi de embutimento e partículas de minério contendo minerais opacos e não opacos. Neste trabalho é avaliado o desempenho da arquitetura DeepLabv3+ e algumas variantes são propostas a fim de melhorar a precisão da segmentação, particularmente nas fronteiras das partículas minerais. Os modelos de aprendizagem profunda foram avaliados usando quatro conjuntos de dados distintos, contendo imagens de diferentes minérios, adquiridos com diferentes configurações experimentais. Os resultados mostraram desempenhos excelentes, sistematicamente acima de 90% de Overall Accuracy e F1 Score, e até 94% para alguns conjuntos de dados. Além disso, a fim de analisar a capacidade de generalização da solução de aprendizagem profunda, avaliações de validação cruzada foram conduzidas, usando um dos quatro conjuntos de dados para treinar o modelo e testando-o nos outros conjuntos de dados. Possivelmente, este trabalho apresenta a primeira abordagem de segmentação semântica baseada em aprendizagem profunda para a discriminação de minerais opacos e não opacos de resina epóxi em imagens de microscopia de luz refletida

A modelagem ágil é uma estratégia de modelagem de software para o desenvolvimento ágil. Existem várias práticas para realizar uma modelagem ágil, como por exemplo a utilização de ferramentas simples. Os quadros brancos são utilizados por muitas equipes que utilizam práticas de modelagem ágil, pois oferecem um ambiente dinâmico e colaborativo de modelagem. O problema ocorre na geração dos artefatos de software. Os esboços feitos em quadros brancos são normalmente armazenados em fotos, ocasionando uma desatualização da documentação e também impossibilidade de gerar códigos equivalentes ao esboço. Com o objetivo de minimizar essa integração entre esboços feitos em quadros e editores UML, este trabalho apresenta um aplicativo de reconhecimento de esboços de diagramas de classe para Android. A aplicação utiliza técnicas de processamento e análise de imagens juntamente com a biblioteca de visão computacional Open CV e o interpretador de caracteres Tesseract. A interpretação da imagem é feita por uma camada de reconhecimento que processa, segmenta, classifica e interpreta a imagem contendo o diagrama. A partir de testes feitos com vários esboços de diagramas, foi possível perceber um alto nível de detecção dos elementos em ambiente controlado, que ficou em torno de 70% e 100%. Já o reconhecimento teve um médio nível de precisão, que ficou em torno de 30% e 90%.

Atualmente, profissionais da saúde dependem de equipamentos específicos em clínicas e hospitais para tratar imagens utilizadas em diagnósticos; com o objetivo de contribuir na viabilização e popularização de técnicas avançadas para realce de contraste em imagens médicas. Este trabalho propõe uma arquitetura de sistema baseado no modelo de computação em nuvem, para automatizar e simplificar o processamento avançado. O protótipo implementado ao usuário final, permite utilizar dispositivos móveis na aquisição das imagens e disponibiliza um serviço online em grupos de algoritmos de processamento sofisticados. Cada algoritmo de um determinado grupo é aplicado sobre a imagem original, resultando em uma nova imagem, isso significa que em um grupo de nove algoritmos serão produzidas nove imagens de saída, que são armazenadas em uma nuvem de dados. As imagens resultantes podem ser facilmente acessadas pelos usuários através de dispositivos moveis, computadores pessoais ou outros dispositivos. Adicionalmente, a nuvem de dados permite o fácil e rápido compartilhamento das imagens. Por exemplo, um profissional da saúde pode compartilhar as imagens com outros profissionais para assim ter uma segunda opinião sobre determinado diagnóstico.