tese
Expoente direcional de Hurst na análise de similaridade de imagens de sementes
Carregando...
Notas
Data
Autores
Orientadores
Editores
Coorientadores
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Federal de Lavras
Faculdade, Instituto ou Escola
Departamento
Departamento de Estatística
Programa de Pós-Graduação
Programa de Pós-graduação em Estatística e Experimentação Agropecuária
Agência de fomento
Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)
Tipo de impacto
Áreas Temáticas da Extenção
Objetivos de Desenvolvimento Sustentável
Dados abertos
Resumo
A modernização está presente em todos os campos do conhecimento. Técnicas cada vez mais sofisticadas e aparelhos mais modernos têm surgido com frequência. A decomposição em ondaletas é uma ferramenta que tem fundamental importância em muitos desses avanços. No que se refere à análise de imagens, essa ferramenta tem cooperado para criação de diversas novas técnicas, seja para reconstrução, compressão, eliminiação de ruído, dentre outros. Outra ferramenta que auxilia na análise de imagens é o expoente de Hurst, que mede o quão autossimilar uma imagem é, de forma que se capte informação sobre características da imagem que a olho nu seria impossível. Com isso, o objetivo deste trabalho será combinar a técnica de decomposição em ondaletas com o cálculo do expoente de Hurst para analisar imagens de sementes e assim poder classificá-las em cheias, levemente danificadas ou danificadas. No cálculo do expoente de Hurst serão usadas como medida de localização a média e a mediana. Um suport vector machine será usado para validação do método proposto. Para o grupo de todas as sementes a acurácia média do método, utilizando a média, foi de 74,5% e, com a mediana foi de 57,05%. Utilizando o grupo de sementes cheias e danificadas a taxa média de acurácia, com a média como medida de posição, foi de 99,76% e, com a mediana foi de 80,93%. No grupo contendo sementes levemente danificadas e danificadas a taxa média de acurácia, usando a média como medida de posição, foi de 99,26% e, com a mediana foi de 76,22%.
Abstract
Modernization is present in all fields of knowledge. Increasingly sophisticated techniques and more modern devices have come up frequently. Wavelet decomposition is a tool that has fundamental importance in many of these advances. With regard to image analysis, this tool has cooperated to create several new techniques, like the ones for reconstruction, compression, noise elimination, among others. Another tool that assists in the analysis of images is the Hurst exponent, which measures how self-similar an image is, so that information about the characteristics of the image is captured, which would be impossible with the naked eye. Therefore, the objective of this work will be to combine the technique of wavelet decomposition with the calculation of the Hurst exponent to analyze seed images and thus be able to classify them as full, slightly damaged or damaged. In the calculation of the Hurst exponent it will be used as location measure the mean and the median. A suport vector machine will be used for validation of the proposed method. For the group of all seeds the mean accuracy of the method, using the mean, was 74.5 % and with the median was 57.05 %. Using the group of full and damaged seeds the mean accuracy rate, with the mean as a measure of position, was 99.76 % and with the median was 80.93 %. In the group containing slightly damaged and damaged seeds the mean accuracy rate, using the mean as a measure of position, was 99.26 % and with the median was 76.22 %.
Descrição
Área de concentração
Agência de desenvolvimento
Palavra chave
Marca
Objetivo
Procedência
Impacto da pesquisa
Resumen
Palavras-chave
ISBN
DOI
Citação
CASSIANO, F. R. Expoente direcional de Hurst na análise de similaridade de imagens de sementes. 2018. 50 p. Tese (Doutorado em Estatística e Experimentação Agropecuária)–Universidade Federal de Lavras, Lavras, 2018.