Tese

Análise de imagens multiespectrais através de redes complexas (2018)

• Authors:
  • Scabini, Leonardo Felipe dos Santos
  • Bruno, Odemir Martinez (Orientador)
• Autor USP: SCABINI, LEONARDO FELIPE DOS SANTOS - IFSC
• Unidade: IFSC
• Sigla do Departamento: FCM
• Subjects: REDES COMPLEXAS; IMAGEM; PROCESSAMENTO DE IMAGENS
• Keywords: Classificação de imagens; Complex network; Extração de características; Feature extraction; Image classification; Imagens multiespectrais; Multispectral image
• Agências de fomento:
  • Financiado pelo CNPq
• Language: Português
• Abstract: Imagens multiespectrais estão presentes na grande maioria de dispositivos de imageamento atuais, desde câmeras pessoais até microscópios, telescópios e satélites. No entanto, grande parte dos trabalhos em análise de texturas e afins propõem abordagens monocromáticas, que muitas vezes consideram apenas níveis de cinza. Nesse contexto e considerando o aumento da capacidade dos computadores atuais, o uso da informação espectral deve ser considerada na construção de modelos melhores. Ultimamente redes neurais convolucionais profundas pré-treinadas tem sido usadas em imagens coloridas de 3 canais, porém são limitadas a apenas esse formato e computam muitas convoluções, o que demanda por hardware específico (GPU). Esses fatos motivaram esse trabalho, que propõem técnicas para a modelagem e caracterização de imagens multiespectrais baseadas em redes complexas, que tem se mostrado uma ferramenta eficiente em trabalhos anteriores e possui complexidade computacional similar à métodos tradicionais. São introduzidas duas abordagens para aplicação em imagens coloridas de três canais, denominadas Rede Multicamada (RM) e Rede Multicamada Direcionada (RMD). Esses métodos modelam todos os canais da imagem de forma conjunta, onde as redes possuem conexões intra e entre canais, de forma parecida ao processamento oponente de cor do sistema visual humano. Experimentos em cinco bases de textura colorida mostram a proposta RMD supera vários métodos da literatura no geral, incluindo redesconvolucionais e métodos tradicionais integrativos. Além disso, as propostas demonstraram alta robustez a diferentes espaços de cor (RGB, LAB, HSV e I1I2I3), enquanto que outros métodos oscilam de base para base. Também é proposto um método para caracterizar imagens multiespectrais de muitos canais, denominado Rede Direcionada de Similaridade Angular (RDSA). Nessa proposta, cada pixel multiespectral é considerado como um vetor de dimensão equivalente à quantidade de canais da imagem e o peso das arestas representa sua similaridade do cosseno, apontando para o pixel de maior valor absoluto. Esse método é aplicado em um conjunto de imagens de microscopia por fluorescência de 32 canais, em um experimento para identificar variações na estrutura foliar do espécime Jacaranda Caroba submetidos à diferentes condições. O método RDSA obtém as maiores taxas de acerto de classificação nesse conjunto de dados, com 91, 9% usando o esquema de validação cruzada Leave-one-out e 90, 5(±1, 1)% com 10-pastas, contra 81, 8% e 84, 7(±2, 2) da rede convolucional VGG16
• Imprenta:
  • Publisher place: São Carlos
  • Date published: 2018
• Data da defesa: 26.07.2018


---

How to cite

A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

• ABNT

  SCABINI, Leonardo Felipe dos Santos. Análise de imagens multiespectrais através de redes complexas. 2018. Dissertação (Mestrado) – Universidade de São Paulo, São Carlos, 2018. Disponível em: http://www.teses.usp.br/teses/disponiveis/76/76132/tde-26092018-154159/. Acesso em: 03 jan. 2026.

• APA

  Scabini, L. F. dos S. (2018). Análise de imagens multiespectrais através de redes complexas (Dissertação (Mestrado). Universidade de São Paulo, São Carlos. Recuperado de http://www.teses.usp.br/teses/disponiveis/76/76132/tde-26092018-154159/

• NLM

  Scabini LF dos S. Análise de imagens multiespectrais através de redes complexas [Internet]. 2018 ;[citado 2026 jan. 03 ] Available from: http://www.teses.usp.br/teses/disponiveis/76/76132/tde-26092018-154159/

• Vancouver

  Scabini LF dos S. Análise de imagens multiespectrais através de redes complexas [Internet]. 2018 ;[citado 2026 jan. 03 ] Available from: http://www.teses.usp.br/teses/disponiveis/76/76132/tde-26092018-154159/

Últimas obras dos mesmos autores vinculados com a USP cadastradas na BDPI:

• Patterns and randomness in networks for computer vision: from graphs to neural networks
• Importance of vertices in complex networks applied to texture analysis
• Structure and functioning of neural networks: the complex network properties of artificial neurons
• Local complex features learned by randomized neural networks for texture analysis
• IFSC/USP desenvolve “RADAM”: IA para padrões complexos - Primeira no mundo: Uma IA que treina outra IA. [Depoimento à Rui Sintra]
• Evaluation of activated sludge settling characteristics from microscopy images with deep convolutional neural networks and transfer learning
• Improving deep neural network random initialization through neuronal rewiring
• IA desenvolvida na USP é a melhor do mundo para reconhecer texturas [Depoimento a Ivan Conterno]
• Artificial neural networks and complex networks: an integrative study of topological properties and pattern recognition
• Artificial neural networks and complex networks: an integrative study of topological properties and pattern recognition