Identificação de espécies vegetais por meio da análise de textura foliar

Detalhes bibliográficos
Ano de defesa: 2008
Autor(a) principal: Casanova, Dalcimar
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Análise de textura
Computer vision
Folha
Identificação vegetal
Leaf
Pattern recognition
Reconhecimento de padrões
Taxonomia
Taxonomy
Texture analysis
Vegetal identification
Visão computacional
Link de acesso: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-04032009-101456/
Resumo: A biodiversidade das espécies existentes no riquíssimo reino vegetal, tornam os modelos tradicionais de taxonomia uma tarefa muito complexa e morosa, na qual o processo de classificação é tradicionalmente realizado manualmente. As dificuldades presentes nesse processo implicam na existência de poucas pesquisas de classificação vegetal utilizando métodos matemáticos e computacionais. Desta forma, visando contribuir com as técnicas de taxonomia já desenvolvidas, este estudo objetiva desenvolver e testar uma metodologia computacional de identificação de espécies vegetais por meio da análise da textura foliar. Motivado pelo projeto TreeVis, este trabalho realiza uma revisão dos métodos utilizados para análise de textura em imagens digitais (foco concentrado em extração de características e classificação), investigando a aplicabilidade de métodos tradicionais como matrizes de coocorrência, técnicas estado da arte como Gabor wavelets e também de novos e promissoras técnicas de análise de textura, como a dimensão fractal volumétrica. No contexto de classificação investiga-se métodos para reconhecimento de padrões lineares com base em análise de dados multivariados, não lineares com base na teoria das Redes Neurais Artificiais e métodos simples para combinação de diferentes classificadores (comitê de máquinas). Apesar da alta similaridade entre classes e similaridade intraclasses não adequada, os resultados alcançados mostraram-se excelentes. A melhor estratégia de classificação, utilizando comitê de máquinas com descritores de Gabor wavelets/cor e dimensão fractal volumétrica/cor, obteve uma probabilidade de acerto global de 96:32% nas 40 classes estudadas. Esse resultado demonstra como os métodos computacionais de análise de imagens, em especial análise de textura, podem contribuir facilitando e agilizando a tarefa de identificação de espécies vegetais
id USP_118323f23eff7e2d385626161c8ce5ff
oai_identifier_str oai:teses.usp.br:tde-04032009-101456
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str
spelling Identificação de espécies vegetais por meio da análise de textura foliarPlant species recognition by leaf texture analysisAnálise de texturaComputer visionFolhaIdentificação vegetalLeafPattern recognitionReconhecimento de padrõesTaxonomiaTaxonomyTexture analysisVegetal identificationVisão computacionalA biodiversidade das espécies existentes no riquíssimo reino vegetal, tornam os modelos tradicionais de taxonomia uma tarefa muito complexa e morosa, na qual o processo de classificação é tradicionalmente realizado manualmente. As dificuldades presentes nesse processo implicam na existência de poucas pesquisas de classificação vegetal utilizando métodos matemáticos e computacionais. Desta forma, visando contribuir com as técnicas de taxonomia já desenvolvidas, este estudo objetiva desenvolver e testar uma metodologia computacional de identificação de espécies vegetais por meio da análise da textura foliar. Motivado pelo projeto TreeVis, este trabalho realiza uma revisão dos métodos utilizados para análise de textura em imagens digitais (foco concentrado em extração de características e classificação), investigando a aplicabilidade de métodos tradicionais como matrizes de coocorrência, técnicas estado da arte como Gabor wavelets e também de novos e promissoras técnicas de análise de textura, como a dimensão fractal volumétrica. No contexto de classificação investiga-se métodos para reconhecimento de padrões lineares com base em análise de dados multivariados, não lineares com base na teoria das Redes Neurais Artificiais e métodos simples para combinação de diferentes classificadores (comitê de máquinas). Apesar da alta similaridade entre classes e similaridade intraclasses não adequada, os resultados alcançados mostraram-se excelentes. A melhor estratégia de classificação, utilizando comitê de máquinas com descritores de Gabor wavelets/cor e dimensão fractal volumétrica/cor, obteve uma probabilidade de acerto global de 96:32% nas 40 classes estudadas. Esse resultado demonstra como os métodos computacionais de análise de imagens, em especial análise de textura, podem contribuir facilitando e agilizando a tarefa de identificação de espécies vegetaisBiodiversity of species existing in the plant kingdom make the use of traditional models of taxonomy, a process of classification traditionally performed manually, a very complex and time-consuming task. Most of difficulties in that process result from the existence of few researches on plant classification using mathematical and computational methods. In this way, to contribute with the taxonomy techniques already developed, this study aims to develop and test a computational method for identifying plant species by leaf texture analysis. Motivated by the TreeVis project, this work is a comprehensive revision of texture analysis methods used in digital images (focus concentrated in features extraction and classification). This study investigates the applicability of traditional methods such as co-occurrence matrix, state of the art techniques as Gabor wavelets, and new and promising texture analysis methods, such as volumetric fractal dimension. In classification context is investigated methods of pattern recognition based on multivariate data analysis, artificial neural networks and committee machines. Although leaf classes present high similarity between classes and not appropriate similarity intraclasses, the results obtained are excellent. The best strategy for classification, using committee machines with descriptors of Gabor wavelets/color and volumetric fractal dimension/color, yielded a high probability of success, 96:32% in 40 classes studied. This result demonstrates how computational methods of images analysis, in particular texture analysis, can contribute and make more easier and faster the task of identifying plant speciesBiblioteca Digitais de Teses e Dissertações da USPBruno, Odemir MartinezCasanova, Dalcimar2008-10-24info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://www.teses.usp.br/teses/disponiveis/55/55134/tde-04032009-101456/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2016-07-28T16:09:57Zoai:teses.usp.br:tde-04032009-101456Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212016-07-28T16:09:57Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.none.fl_str_mv Identificação de espécies vegetais por meio da análise de textura foliar
Plant species recognition by leaf texture analysis
title Identificação de espécies vegetais por meio da análise de textura foliar
spellingShingle Identificação de espécies vegetais por meio da análise de textura foliar
Casanova, Dalcimar
Análise de textura
Computer vision
Folha
Identificação vegetal
Leaf
Pattern recognition
Reconhecimento de padrões
Taxonomia
Taxonomy
Texture analysis
Vegetal identification
Visão computacional
title_short Identificação de espécies vegetais por meio da análise de textura foliar
title_full Identificação de espécies vegetais por meio da análise de textura foliar
title_fullStr Identificação de espécies vegetais por meio da análise de textura foliar
title_full_unstemmed Identificação de espécies vegetais por meio da análise de textura foliar
title_sort Identificação de espécies vegetais por meio da análise de textura foliar
author Casanova, Dalcimar
author_facet Casanova, Dalcimar
author_role author
dc.contributor.none.fl_str_mv Bruno, Odemir Martinez
dc.contributor.author.fl_str_mv Casanova, Dalcimar
dc.subject.por.fl_str_mv Análise de textura
Computer vision
Folha
Identificação vegetal
Leaf
Pattern recognition
Reconhecimento de padrões
Taxonomia
Taxonomy
Texture analysis
Vegetal identification
Visão computacional
topic Análise de textura
Computer vision
Folha
Identificação vegetal
Leaf
Pattern recognition
Reconhecimento de padrões
Taxonomia
Taxonomy
Texture analysis
Vegetal identification
Visão computacional
description A biodiversidade das espécies existentes no riquíssimo reino vegetal, tornam os modelos tradicionais de taxonomia uma tarefa muito complexa e morosa, na qual o processo de classificação é tradicionalmente realizado manualmente. As dificuldades presentes nesse processo implicam na existência de poucas pesquisas de classificação vegetal utilizando métodos matemáticos e computacionais. Desta forma, visando contribuir com as técnicas de taxonomia já desenvolvidas, este estudo objetiva desenvolver e testar uma metodologia computacional de identificação de espécies vegetais por meio da análise da textura foliar. Motivado pelo projeto TreeVis, este trabalho realiza uma revisão dos métodos utilizados para análise de textura em imagens digitais (foco concentrado em extração de características e classificação), investigando a aplicabilidade de métodos tradicionais como matrizes de coocorrência, técnicas estado da arte como Gabor wavelets e também de novos e promissoras técnicas de análise de textura, como a dimensão fractal volumétrica. No contexto de classificação investiga-se métodos para reconhecimento de padrões lineares com base em análise de dados multivariados, não lineares com base na teoria das Redes Neurais Artificiais e métodos simples para combinação de diferentes classificadores (comitê de máquinas). Apesar da alta similaridade entre classes e similaridade intraclasses não adequada, os resultados alcançados mostraram-se excelentes. A melhor estratégia de classificação, utilizando comitê de máquinas com descritores de Gabor wavelets/cor e dimensão fractal volumétrica/cor, obteve uma probabilidade de acerto global de 96:32% nas 40 classes estudadas. Esse resultado demonstra como os métodos computacionais de análise de imagens, em especial análise de textura, podem contribuir facilitando e agilizando a tarefa de identificação de espécies vegetais
publishDate 2008
dc.date.none.fl_str_mv 2008-10-24
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://www.teses.usp.br/teses/disponiveis/55/55134/tde-04032009-101456/
url http://www.teses.usp.br/teses/disponiveis/55/55134/tde-04032009-101456/
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv
dc.rights.driver.fl_str_mv Liberar o conteúdo para acesso público.
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Liberar o conteúdo para acesso público.
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.coverage.none.fl_str_mv
dc.publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
dc.source.none.fl_str_mv
reponame:Biblioteca Digital de Teses e Dissertações da USP
instname:Universidade de São Paulo (USP)
instacron:USP
instname_str Universidade de São Paulo (USP)
instacron_str USP
institution USP
reponame_str Biblioteca Digital de Teses e Dissertações da USP
collection Biblioteca Digital de Teses e Dissertações da USP
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)
repository.mail.fl_str_mv virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br
_version_ 1815257845210284032

Registros relacionados