Reconhecimento de Padrões em Imagens Baseado em Sistemas Complexos

• Processo: 16/16060-0
• Modalidade de apoio: Auxílio à Pesquisa - Regular
• Data de Início da vigência: 01 de fevereiro de 2017
• Data de Término da vigência: 31 de janeiro de 2019
• Área do conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Matemática da Computação
• Pesquisador responsável: Joao Batista Florindo
• Beneficiário: Joao Batista Florindo
• Instituição Sede: Instituto de Matemática, Estatística e Computação Científica (IMECC). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
• Pesquisadores associados: Odemir Martinez Bruno ; Rosana Marta Kolb
• Assunto(s): Análise de imagens Sistemas complexos Reconhecimento de padrões Redes complexas
• Palavra(s)-Chave do Pesquisador: Análise de imagens | Geometria Fractal | Imagens de plantas | Reconhecimento de Padrões | Redes Complexas | Sistemas Complexos | Análise de imagens

Resumo

Este projeto propõe o estudo e desenvolvimento de ferramentas matematico-computacionais para análise de imagens baseadas no conceito de sistemas complexos. Mais especificamente, o pesquisador pretende focar em três abordagens, a saber, geometria fractal, redes complexas e métodos de Física-Matemática. Todas estas técnicas possuem em comum o fato de que conseguem descrever com grande grau de precisão o quão irregular ou homogêneo é um objeto representado em uma imagem visto sob diferentes níveis de escala. Esta é uma informação crucial mesmo para nosso sistema de visão, que faz uso constante desta informação para distinguir objetos e cenários à nossa volta. A mesma importância deste atributo pode ser observada em sistemas de visão computacional, sobretudo na análise de imagens da natureza, como demonstrado em diversos trabalhos desenvolvidos anteriormente pelo proponente. Por fim, as técnicas aqui desenvolvidas serão aplicadas em problemas do mundo real envolvendo imagens biológicas, especialmente em taxonomia e fenotipagem de plantas. Vale destacar também que este projeto visa gerar uma simbiose entre aplicação e teoria e assim tanto teorias desenvolvidas para aplicações genéricas serão testadas em problemas específicos quanto estes mesmos problemas também darão origem a novas linhas teóricas que possam suprir suas necessidades. O presente texto descreve as frentes teóricas e aplicações envolvidas, assim como a expectativa de produção científica e formação de recursos humanos. (AU)

Publicações científicas

(14)

(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)

SILVA, PEDRO M.; FLORINDO, JOAO B.. Using down-sampling for multiscale analysis of texture images. PATTERN RECOGNITION LETTERS, v. 125, p. 411-417, JUL 1 2019. (16/16060-0)

FLORINDO, JOAO BATISTA; BRUNO, ODEMIR MARTINEZ. Fractal Descriptors of Texture Images Based on the Triangular Prism Dimension. Journal of Mathematical Imaging and Vision, v. 61, n. 1, p. 140-159, JAN 2019. (13/22205-3, 16/16060-0, 12/19143-3, 14/08026-1)

METZE, KONRADIN; ADAM, RANDALL; FLORINDO, JOAO BATISTA. The fractal dimension of chromatin - a potential molecular marker for carcinogenesis, tumor progression and prognosis. EXPERT REVIEW OF MOLECULAR DIAGNOSTICS, v. 19, n. 4, p. 299-312, APR 3 2019. (16/16060-0)

FLORINDO, JOAO BATISTA; CASANOVA, DALCIMAR; BRUNO, ODEMIR MARTINEZ. A Gaussian pyramid approach to Bouligand-Minkowski fractal descriptors. INFORMATION SCIENCES, v. 459, p. 36-52, AUG 2018. (16/16060-0, 12/19143-3, 14/08026-1, 13/22205-3)

FLORINDO, JOAO B.; LEE, YOUNG-SUP; JUN, KYUNGKOO; JEON, GWANGGIL; ALBERTINI, MARCELO K.. VisGraphNet: A complex network interpretation of convolutional neural features. INFORMATION SCIENCES, v. 543, p. 296-308, JAN 8 2021. (16/16060-0)

FLORINDO, JOAO B.; BRUNO, ODEMIR M.. Texture classification using non-Euclidean Minkowski dilation. PHYSICA A-STATISTICAL MECHANICS AND ITS APPLICATIONS, v. 493, p. 189-202, MAR 1 2018. (16/16060-0, 12/19143-3, 14/08026-1)

ESMI, E.; FLORINDO, J. B.; PEREZ, F.; BARBEITOS, M.; LIU, J; LU, J; XU, Y; MARTINEZ, L; KERRE, EE. An approach to recognize coral species on the coast of Brazil using image analysis and fuzzy associative memories based on equivalent measures. DATA SCIENCE AND KNOWLEDGE ENGINEERING FOR SENSING DECISION SUPPORT, v. 11, p. 8-pg., 2018-01-01. (16/26040-7, 16/16060-0)

FLORINDO, JOAO BATISTA; VERIKAS, A; RADEVA, P; NIKOLAEV, D; ZHOU, J. Singular Spectrum Decomposition of Bouligand-Minkowski Fractal Descriptors: An Application to the Classification of Texture Images. TENTH INTERNATIONAL CONFERENCE ON MACHINE VISION (ICMV 2017), v. 10696, p. 8-pg., 2018-01-01. (16/16060-0)

SILVA, PEDRO M.; FLORINDO, JOAO B.. A statistical descriptor for texture images based on the box counting fractal dimension. PHYSICA A-STATISTICAL MECHANICS AND ITS APPLICATIONS, v. 528, AUG 15 2019. (16/16060-0)

FLORINDO, JOAO BATISTA; BRUNO, ODEMIR MARTINEZ. Discrete Schroedinger transform for texture recognition. INFORMATION SCIENCES, v. 415, p. 142-155, NOV 2017. (16/16060-0, 12/19143-3, 14/08026-1)

FLORINDO, JOAO B.; LAUREANO, ESTEVAO ESMI. BoFF: A bag of fuzzy deep features for texture recognition. EXPERT SYSTEMS WITH APPLICATIONS, v. 219, p. 12-pg., 2023-02-03. (16/16060-0)

TARASCHI, GIOVANNI; FLORINDO, JOAO B.. Computing fractal descriptors of texture images using sliding boxes: An application to the identification of Brazilian plant species. PHYSICA A-STATISTICAL MECHANICS AND ITS APPLICATIONS, v. 545, MAY 1 2020. (16/16060-0)

SILVA, PEDRO M.; FLORINDO, JOAO B.. Fractal measures of image local features: an application to texture recognition. MULTIMEDIA TOOLS AND APPLICATIONS, v. 80, n. 9, p. 14213-14229, APR 2021. (16/16060-0)

VIEIRA, JARDEL; ABREU, EDUARDO; FLORINDO, JOAO B.. Texture image classification based on a pseudo-parabolic diffusion model. MULTIMEDIA TOOLS AND APPLICATIONS, v. 82, n. 3, p. 24-pg., 2022-07-11. (16/16060-0, 19/20991-8)