994 resultados para Textura
Resumo:
A microtomografia computadorizada (computed microtomography - μCT) permite uma análise não destrutiva de amostras, além de possibilitar sua reutilização. A μCT permite também a reconstrução de objetos tridimensionais a partir de suas seções transversais que são obtidas interceptando a amostra através de planos paralelos. Equipamentos de μCT oferecem ao usuário diversas opções de configurações que alteram a qualidade das imagens obtidas afetando, dessa forma, o resultado esperado. Nesta tese foi realizada a caracterização e análise de imagens de μCT geradas pelo microtomógrafo SkyScan1174 Compact Micro-CT. A base desta caracterização é o processamento de imagens. Foram aplicadas técnicas de realce (brilho, saturação, equalização do histograma e filtro de mediana) nas imagens originais gerando novas imagens e em seguida a quantificação de ambos os conjuntos, utilizando descritores de textura (probabilidade máxima, momento de diferença, momento inverso de diferença, entropia e uniformidade). Os resultados mostram que, comparadas às originais, as imagens que passaram por técnicas de realce apresentaram melhoras quando gerados seus modelos tridimensionais.
Resumo:
O objetivo deste trabalho foi identificar as principais ocorrências de solos na região do Oeste baiano, para subsidiar com informações e propor alternativos de manejo.
Resumo:
O objectivo deste trabalho foi avaliar as propriedades reológicas de diferentes variedades de uvas para vinificar. Foram estudadas as variedades brancas Siria, Antão Vaz, Perrum, Rabo de Ovelha e Arinto e as variedades tintas Trincadeira, Aragonez, Tinta Caiada, Moreto e Castelão. Para se avaliar da existência ou não de diferenças entre as variedades, foram efectuados testes em 200 bagos de cada variedade, nomeadamente a compressão do bago inteiro e a resistência da pelicula (pericarpo) e da polpa (mesocarpo) à penetração. Um segundo objectivo deste trabalho foi seleccionar os métodos e parâmetros que melhor caracterizam as variedades reologicamente, por forma a reduzir o tempo de análise e simplificar a metodologia de análise. Foram encontradas diferenças significativas entre as variedades para todos os parâmetros reológicos estudados. Os valores elevados de firmeza (F) obtidos pela máxima força durante a compressão do bago inteiro, pela máxima força durante o teste de penetração da película, e pela força a 3 mm de deformação da polpa, demostraram serem bons indicadores para serem usados em trabalhos futuros.
Resumo:
Estudio de las variaciones texturales y geoquímicas de los sedimentos del margen continental peruano.
Resumo:
Tesis (Maestría en Ciencias con Especialidad en Recursos Alimenticios y Producción Acuícola) UANL
Resumo:
Tesis (Maestría en Ciencias con orientación en Ingeniería Ambiental) UANL, 2014.
Resumo:
Tesis (Doctorado en Ingeniería de Materiales) UANL, 2013.
Resumo:
Tesis (Doctorado en Ciencias de la Ingeniería Mecánica con especialidad en Materiales) UANL, 2014.
Resumo:
Estudi de l’efecte del pH de la matèria primera, del nivell de sal afegit i de la temperatura sobre el grau de proteòlisi i sobre la textura final del pernil curat per tal de millorar els criteris que s’utilitzen per a la selecció de la matèria primera, avaluar les condiciones de procés òptimes (nivell de sal afegit i de la temperatura de curació) per l’elaboració del pernils destinats al llencat mecànic
Resumo:
Existe otro ejemplar fotocopiado del anexo de materiales para el alumnado. Fecha de edición aproximada. Ejemplar fotocopiado
Resumo:
No processo de classificação de uma imagem digital, o atributo textura pode ser uma fonte importante de informações. Embora o processo de caracterização da textura em uma imagem seja mais difícil, se comparado ao processo de caracterização de atributos espectrais, sabe-se que o emprego daquele atributo pode aumentar significativamente a exatidão na classificação da imagem. O objetivo deste trabalho de pesquisa consiste em desenvolver e testar um método de classificação supervisionado em imagens digitais com base em atributos de textura. O método proposto implementa um processo de filtragem baseado nos filtros de Gabor. Inicialmente, é gerado um conjunto de filtros de Gabor adequados às freqüências espaciais associadas às diferentes classes presentes na imagem a ser classificada. Em cada caso, os parâmetros utilizados por cada filtro são estimados a partir das amostras disponíveis, empregando-se a transformada de Fourier. Cada filtro gera, então, uma imagem filtrada que quantifica a freqüência espacial definida no filtro. Este processo resulta em um certo número de imagens filtradas as quais são denominadas de "bandas texturais". Desta forma, o problema que era originalmente unidimensional passa a ser multi-dimensional, em que cada pixel passa a ser definido por um vetor cuja dimensionalidade é idêntica ao número de filtros utilizados. A imagem em várias "bandas texturais" pode ser classificada utilizando-se um método de classificação supervisionada. No presente trabalho foi utilizada a Máxima Verossimilhança Gaussiana. A metodologia proposta é então testada, utilizandose imagens sintéticas e real. Os resultados obtidos são apresentados e analisados.
Resumo:
O objetivo principal deste trabalho é propor uma metodologia de classificação de imagens de sensoriamento remoto que integre a importância de atributos de textura na seleção de feições, através da utilização de freqüências espaciais de cada classe textural e sua direção, com a eficiência das redes neurais artificiais para classificá-las. O processo é composto por uma etapa de filtragem baseada nos filtros de Gabor, seguida de uma fase de classificação através de uma rede neural Multi-Layer Perceptron com algoritmo BackPropagation. A partir da transformada de Fourier são estimados os parâmetros a serem utilizados na constituição dos filtros de Gabor, adequados às freqüências espaciais associadas a cada classe presente na imagem a ser classificada. Desta forma, cada filtro gera uma imagem filtrada. O conjunto de filtros determina um conjunto de imagens filtradas (canais texturais). A classificação pixel a pixel é realizada pela rede neural onde cada pixel é definido por um vetor de dimensionalidade igual ao número de filtros do conjunto. O processo de classificação através da rede neural Multi-Layer Perceptron foi realizado pelo método de classificação supervisionada. A metodologia de classificação de imagens de sensoriamento remoto proposta neste trabalho foi testada em imagens sintética e real de dimensões 256 x 256 pixels. A análise dos resultados obtidos é apresentada sob a forma de uma Matriz de Erros, juntamente com a discussão dos mesmos.
Resumo:
Presentemente, os métodos utilizados no processo classificação de imagens, em sua grande maioria, fazem uso exclusivamente dos atributos espectrais. Nesta pesquisa,são introduzidos os atributos espaciais, em particular a textura, no processo de classificação de imagens digitais. As informações de textura são quantificadas pelo método das matrizes de co-ocorrência, proposto por Haralick, e organizadas em um formato similar ao utilizado nas bandas espectrais, gerando desta forma canais de textura. Com a implementação deste atributo em adição aos espectrais, obtêm-se um acréscimo na exatidão obtida no processo de classificação de imagens.
Resumo:
Estudos regionais mais detalhados, utilizando modelos de paisagem e geoestatística, têm demonstrado que, em áreas consideradas homogêneas, sob uma única classe de solo, existe dependência espacial de atributos granulométricos. Visando a avaliar a variabilidade espacial de atributos granulométricos em Latossolo Vermelho eutroférrico, foram feitas amostragens do solo em intervalos regulares de 50 m, em forma de malha, totalizando 306 pontos de amostragem. Foram coletadas amostras nas profundidades de 0-0,2 m e 0,6-0,8 m para a determinação da argila, silte, areia total (AT), areia grossa (AG), areia média (AM), areia fina (AF) e areia muito fina (AMF). Os dados foram submetidos à análise estatística descritiva, geoestatística e interpolação por krigagem. Os valores do coeficiente de variação apresentaram-se baixos para argila, médios para silte, AT, AF, AM e AMF e altos para AG. Observou-se ocorrência de dependência espacial para todas as variáveis com grau moderado de dependência espacial, com os maiores alcances ocorrendo na profundidade de 0-0,2 m. Os latossolos, apesar de serem homogêneos, mesmo em áreas de mesma classe de solo e manejo, apresentaram variabilidade diferenciada para os atributos granulométricos.
Resumo:
The skin cancer is the most common of all cancers and the increase of its incidence must, in part, caused by the behavior of the people in relation to the exposition to the sun. In Brazil, the non-melanoma skin cancer is the most incident in the majority of the regions. The dermatoscopy and videodermatoscopy are the main types of examinations for the diagnosis of dermatological illnesses of the skin. The field that involves the use of computational tools to help or follow medical diagnosis in dermatological injuries is seen as very recent. Some methods had been proposed for automatic classification of pathology of the skin using images. The present work has the objective to present a new intelligent methodology for analysis and classification of skin cancer images, based on the techniques of digital processing of images for extraction of color characteristics, forms and texture, using Wavelet Packet Transform (WPT) and learning techniques called Support Vector Machine (SVM). The Wavelet Packet Transform is applied for extraction of texture characteristics in the images. The WPT consists of a set of base functions that represents the image in different bands of frequency, each one with distinct resolutions corresponding to each scale. Moreover, the characteristics of color of the injury are also computed that are dependants of a visual context, influenced for the existing colors in its surround, and the attributes of form through the Fourier describers. The Support Vector Machine is used for the classification task, which is based on the minimization principles of the structural risk, coming from the statistical learning theory. The SVM has the objective to construct optimum hyperplanes that represent the separation between classes. The generated hyperplane is determined by a subset of the classes, called support vectors. For the used database in this work, the results had revealed a good performance getting a global rightness of 92,73% for melanoma, and 86% for non-melanoma and benign injuries. The extracted describers and the SVM classifier became a method capable to recognize and to classify the analyzed skin injuries