Análise comparativa de classificadores para a cartografia de ocupação do solo no Alentejo, com imagens intra-anuais AWiFS

Dissertação apresentada para o cumprimento dos requisitos necessários à obtenção do grau de Mestre em Gestão do Território, àrea de Especialização em Detecção Remota e Sistemas de Informação Geográfica

Detecção remota em meio urbano: teste com classificadores supervisionados a nível do pixel sobre imagens de alta resolução espacial aplicados numa lógica hierárquica de classes

Dissertação de Mestrado em Gestão do Território, Área de Especialização em Detecção Remota e Sistemas de Informação Geográfica

SYPEC: desenvolvimento de classificadores para identificação automática da postura de sentado

Dissertação para obtenção do Grau de Mestre em Engenharia Biomédica

Estratégia multi-temporal para produção automática de cartografia de ocupação do solo com imagens AWiFS

Dissertação apresentada como requisito parcial para obtenção do grau de Mestre em Ciência e Sistemas de Informação Geográfica

Classificação de Documentos

Dissertação apresentada na Faculdade de Ciências e Tecnologia da Universidade No Lisboa para obtenção de grau de Mestre em Engenharia de Informática

RetInfo - Identificação de alterações retinianas usando processamento digital de imagem

Dissertação para obtenção do Grau de Mestre em Engenharia Biomédica

Classificação de tumores de cancro na mama através de radar de banda ultra-larga de microondas

Dissertação para obtenção do Grau de Mestre em Engenharia Biomédica

Validação de protocolo em programas de rastreio

A Retinopatia Diabética (RD) é uma patologia ocular, consequência da Diabetes Mellitus, e que pode levar à perda de visão. Dado que nos primeiros estágios da doença, não ocorre manifestação sintomática, é de máxima importância a existência de programas estruturados de rastreio. Para diminuir a carga laboral que estes programas acarretam, pode-se recorrer à utilização de sistemas de deteção e classificação automática de RD que têm vindo a ser desenvolvidos. No entanto, estes demonstram algumas falhas, sendo que na origem destas pode estar a existência de imagens com qualidade não adequada. De maneira a reduzir as falhas destes sistemas, potenciando a sua utilização em programas de rastreio e automatizando assim todo o processo, foi conduzido este estudo, no qual se teve diretamente em consideração a qualidade das imagens, avaliada também de forma automática, utilizando a sua informação como parâmetro de entrada nos classificadores automáticos de RD. A avaliação automática da qualidade é constituída por 4 classificadores das características desta: Cor, Focagem, Contraste e Iluminação, sendo que a combinação destes dá origem a um último classificador, denominado Qualidade Geral. Desta forma, foi efetuada a fusão destes classificadores com os algoritmos de classificação automática de RD para todas as imagens, numa primeira abordagem, e desconsiderando as imagens marcadas pelo classificador Qualidade Geral como inadequadas, numa última abordagem. Os resultados obtidos mostraram uma melhoria no conjunto dos indicadores sensibilidade e especificidade dos métodos de classificação automática de RD quando se procedeu à combinação destes com a Qualidade Geral. Mostraram ainda uma melhoria mais acentuada quando se usou informação de cada um dos classificadores das características que contribuem para a avaliação da Qualidade, em vez de uma informação única sobre qualidade. A presença de imagens de má qualidade mostrou ser prejudicial para o desempenho dos classificadores automáticos de RD, não tendo tanta influência no classificador resultante da fusão que produziu os melhores resultados do conjunto sensibilidade e especificidade.