Please use this identifier to cite or link to this item: http://repositorio.ufc.br/handle/riufc/22973
Type: Tese
Title: Um método para otimização de descritores multiescala em análise de formas
Title in English: A method for multiscale descriptors optimization on shape analysis
Authors: Souza, Marcelo Marques Simões de
Advisor: Medeiros, Fátima Nelsizeuma Sombra de
Keywords: Teleinformática;Visão por computador;Reconhecimento de padrões
Issue Date: 2016
Citation: SOUZA, Marcelo Marques Simões de. Um método para otimização de descritores multiescala em análise de formas. 2016. 77 f. Tese (Doutorado em Engenharia de Teleinformática)–Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2016.
Abstract in Brazilian Portuguese: A forma é um importante atributo do sistema visual dos primatas que tem sido amplamente explorado em visão computacional em aplicações de classificação, reconhecimento e recuperação de imagens pelo conteúdo. Um sistema de visão computacional para o reconhecimento de objetos realiza a análise da forma, que consiste na descrição ou representação da mesma e na análise de similaridade entre formas. Um aspecto importante em análise de forma é a adequação do descritor ao problema de reconhecimento de padrões de interesse, porém há uma carência de métodos que sistematizem essa adequação. Este trabalho propõe um método automático para o ajuste dos parâmetros de descritores de formas com otimização evolutiva. A aplicabilidade do referido método é investigada na adequação de um descritor multiescala de forma ao problema de identificação das espécies de plantas a partir das suas folhas, sendo seu desempenho avaliado por técnicas de visualização de dados, medidas de avaliação de agrupamentos e experimentos de classificação e recuperação de formas pelo conteúdo. A análise visual exploratória dos agrupamentos mostrou que a metodologia de otimização melhora os resultados de agrupamento e recuperação de formas. Já os experimentos de classificação com os descritores otimizados alcançaram elevadas taxas de precisão e revocação, assim como da medida bulls-eye. Tendo como função objetivo métricas de qualidade de agrupamentos, a otimização de descritores de forma melhora a representação das formas nos aspectos de coesão intraclasse e separação entre classes, o que reflete positivamente no desempenho em experimentos de classificação e recuperação de formas.
Abstract: Shape is an important attribute of the primate visual system that has been widely explored in computer vision applications, such as object classification, recognition and content-based image retrieval. A computer vision system for object recognition performs shape analysis, which encompasses shape description or representation and shape similarity analysis. A relevant aspect in shape analysis is to adjust the descriptor to the pattern recognitio problem of interest, even though there is a lack of consistent methods for doing so. This work introduces an automatic method to setup multiscale shape descriptor through evolutionary optimization. The method was applied to adjust a multiscale shape descriptor to the problem of leaf-based plant specimen identification, where data visualization techniques, clustering quality metrics and shape classification and retrieval experiments were used to assess its performance. The visual exploratory data analysis techniques showed that the proposed methodology improved shape clustering and retrieval. Moreover, supervised and unsupervised classification experiments accomplished high precision and recall rates as well as Bulls-eye scores with the optimized parameters. Thus, taking as objective function clustering quality metrics, shape descriptors optimization leads to improvement in shapes representation in terms of intraclass coesion and inter-class separation, which reflects positively in shape classification experiments performance.
URI: http://www.repositorio.ufc.br/handle/riufc/22973
Appears in Collections:DETE - Teses defendidas na UFC

Files in This Item:
File Description SizeFormat 
2016_tese_mmssouza.pdf9,92 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.