Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Pedrini, Hélio | - |
Autor(es): dc.contributor | Universidade Federal do Paraná. Setor de Ciências Exatas. Programa de Pós-Graduação em Informática | - |
Autor(es): dc.creator | Nascimento, Joao Paulo Ribeiro do | - |
Data de aceite: dc.date.accessioned | 2025-09-01T11:28:40Z | - |
Data de disponibilização: dc.date.available | 2025-09-01T11:28:40Z | - |
Data de envio: dc.date.issued | 2024-10-22 | - |
Data de envio: dc.date.issued | 2024-10-22 | - |
Data de envio: dc.date.issued | 2003 | - |
Fonte completa do material: dc.identifier | https://hdl.handle.net/1884/25099 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/1884/25099 | - |
Descrição: dc.description | Orientador: Hélio Pedrini | - |
Descrição: dc.description | Dissertação (mestrado) - Universidade Federal do Paraná, Setor de Ciências Exatas, Programa de Pós-Graduação em Informática | - |
Descrição: dc.description | Resumo: Os métodos de classificação de imagens baseados em características texturais têm sido amplamente utilizados no meio científico e industrial, possuindo aplicações na medicina, microscopía, sensoriamento remoto, controle de qualidade, recuperação de dados em bases gráficas, dentre outras. A característica de textura é uma fonte importante de informações para o processo de análise e interpretação de imagens. Inicialmente, este trabalho apresenta conceitos sobre textura e uma revisão bibliográfica sobre os principais estudos envolvendo técnicas para análise de texturas, principalmente estatísticas de segunda ordem. São avaliados diversos métodos de classificação supervisionada de imagens baseada em informação de textura, tais como o classificador de distância mínima, /o-vizinhos mais próximos, máxima verossimilhança, redes neurais e um novo classificador baseado em intervalos de decisão. Neste trabalho, a textura é definida através de um conjunto de medidas locais descrevendo as variações espaciais de intensidade ou cor. Tais medidas são calculadas utilizando-se matrizes de co-ocorrência. São abordados também detalhes relevantes sobre redução de dimensionalidade, extração e seleção de características que influenciam a precisão e desempenho do classificador. Resultados experimentais utilizando uma grande variedade de imagens reais demonstram a aplicabilidade dos métodos. | - |
Descrição: dc.description | Abstract: Image classification methods based on textural characteristics have been greatly used in scientific and industrial area, with applications in medicine, microscopy, remote sensing, control of quality, retrieval of information in graphic databases, among others. The characteristic of texture is an important source of information for the process of image analysis and interpretation. Initially, this work presents concepts of texture and a bibliographic review about the main studies related to techniques for texture analysis, especially statistics of second order. Several image supervised classification methods based on textural information are evaluated, such as minimum distance classifier, nearest neighbor classifier, maximum likelihood classifier, neural networks and a new classifier based on decision intervals. In this work, texture is defined through a set of local features indicating the spatial distribution of intensity or color. Such features are calculated by using co-occurrence matrices. Relevant details on dimensionality reduction, feature extraction and selection that affect the precision and performance of the classifier are also described. Experimental results using a great variety of real images demonstrate the applicability of the methods. | - |
Formato: dc.format | xii, 105p. : il., grafs., tabs. | - |
Formato: dc.format | application/pdf | - |
Formato: dc.format | application/pdf | - |
Relação: dc.relation | Disponível em formato digital | - |
Palavras-chave: dc.subject | Reconhecimento de padrões | - |
Palavras-chave: dc.subject | Reconhecimento visual de textura | - |
Palavras-chave: dc.subject | Ciência da Computação | - |
Título: dc.title | Análise e classificação de imagens baseadas em características de textura utilizando matrizes de co-ocorrência | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositório Institucional - Rede Paraná Acervo |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: