Exploração visual do espaço de características: uma abordagem para análise de imagens via projeção de dados multidimensionais

Abstract

Agradeço primeiramente a Deus pela minha saúde e força durante esses anos. À minha família, especialmente meus pais Carlos e Mara Cristina, meus irmãos C.Nino e M.Popi, e minha avó Marleny pelo incentivo e amor que tiveram por mim. Ao Prof. João Batista pela oportunidade e orientação no Instituto de Ciências Matemáticas e de Computação (ICMC/USP); aos professores, funcionários e a todos que, direta-ou indiretamente, colaboraram para a realização deste trabalho. Eu também gostaria de agradecer aos membros do laboratório VICG/LCAD-Prof.(a) Rosane Minghim, Prof. Fernando Paulovich e Danilo Eler-pelas contribuições e valiosas discussões. Pela alegria na companhia dos colegas W.Hitoshi, Jorge Poco, Frizzi San Roman e Christian Wong. Aos amigos de pós-graduação e de república Rodrigo, Leandro, Jonathan e Wesley. Finalmente, eu gostaria de agradecer ao CNPq pela bolsa concedida durante o mestrado. iii iv Resumo Sistemas para análise de imagens partem da premissa de que o conjunto de dados sob investigação está corretamente representado por características. Entretanto, definir quais características representam apropriadamente um conjunto de dados é uma tarefa desafiadora e exaustiva. Grande parte das técnicas de descrição existentes na literatura, especialmente quando os dados têm alta dimensionalidade, são baseadas puramente em medidas estatísticas ou abordagens baseadas em inteligência artificial, e normalmente são "caixas-pretas" para os usuários. A abordagem proposta nesta dissertação busca abrir esta "caixa-preta" por meio de representações visuais criadas pela técnica Multidimensional Classical Scaling, permitindo que usuários capturem interativamente a essência sobre a representatividade das características computadas de diferentes descritores. A abordagem é avaliada sobre seis conjuntos de imagens que contém texturas, imagens médicas e cenas naturais. Os experimentos mostram que, conforme a combinação de um conjunto de características melhora a qualidade da representação visual, a acurácia de classificação também melhora. A qualidade das representações é medida pelo índice da silhueta, superando problemas relacionados com a subjetividade de conclusões baseadas puramente em análise visual. Além disso, a capacidade de exploração visual do conjunto sob análise permite que usuários investiguem um dos maiores desafios em classificação de dados: a presença de variação intra-classe. Os resultados sugerem fortemente que esta abordagem pode ser empregada com sucesso como um guia para auxiliar especialistas a explorar, refinar e definir as características que representam apropriadamente um conjunto de imagens.

Metáforas visuais alternativas para layouts gerados por projeções multidimensionais: um estudo de caso na visualização de músicas

“…Este critério é também conhecido como critério de evolução mínima. Além disso, o critério de reconstrução é responsável tanto pelo tamanho das ramificações em cada estágio do agrupamento de vizinhos, quanto pela criação das bifurcações presentes na topologia da árvore (Machado, 2010). Uma vez escolhido o par de instâncias vizinhas a serem agrupadas em um novo nó, calculam-se os tamanhos dos novos ramos.…”