Análise computacional de padrões estruturais não-lineares a partir de imagens digitais com estudos de caso em ciências ambientais e espaciais

• Autor(a) principal: Vanessa Cristina Oliveira de Souza
• Data de Publicação: 2017
• Tipo de documento: Tese
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações do INPE
• Texto Completo: http://urlib.net/sid.inpe.br/mtc-m21b/2017/07.03.19.54

A Análise de Flutuação Destendenciada (DFA) tem sido amplamente utilizada na verificação de propriedades de escala de séries temporais unidimensionais. Além de revelar a presença ou não de memória na série (persistência), o método DFA possibilita compreender melhor o processo que originou o sinal analisado e a força da correlação. Nesse ponto, o operador do DFA ($\alpha$) infere também sobre a rugosidade do sinal, isto porque quanto maior a persistência, menor a rugosidade. Quando tal característica é expandida para sinais bi-dimensionais, em especial imagens digitais, a noção de persistência infere também sobre a textura desses sinais. O DFA foi generalizado para operar em sinais bi-dimensionais em 2006 (DFA-2D) e, desde então, diversos estudos vêm sendo feitos, especialmente utilizando o $\alpha$ como um operador textural. Diferente dos operadores texturais comuns que atuam sobre a variação de brilho na imagem, o DFA-2D utiliza o arcabouço teórico da teoria dos fractais e infere a textura a partir da característica de autossimilaridade do sinal. Neste contexto, os objetivos desse trabalho foram ; i) explorar questões controversas ou não tratadas ainda para o DFA-2D na literatura e ii) avançar no estado da arte da técnica bi-dimensional em suas versões mono e multifractal, avaliando a resposta em um conjunto diverso de dados e também melhorando sua performance por meio da paralelização, utilizando GPGPU/CUDA. Sendo assim, essa tese pretendeu contribuir com dois aspectos do DFA-2D criticados na literatura : a dificuldade de interpretação do operador $\alpha$ e o alto custo computacional. Foram estudados conjuntos de dados simulados cuja resposta é conhecida (fBm e fGn), conjuntos clássicos de dados simulados não tratados na literatura com o DFA-2D (como ruídos do tipo 1/f e redes de mapas acoplados). A análise também incluiu conjuntos de dados reais, cujas aplicações utilizando o DFA-2D são inéditas, como a classificação morfológica de galáxias e a inferência de rugosidade efetiva para estudos de energia eólica, por meio da classificação de Modelos Digitais de Elevação topográfica (MDE). Para os sinais simulados, o DFA-2D (mono e multifractal) caracterizou de forma satisfatória os sinais. Para os sinais reais, os resultados mostraram que, mesmo quando o operador $\alpha$ não atinge uma boa taxa de classificação, seu uso é muito informativo, caracterizando o sinal, e não apenas classificando-o. Além disso, o DFA-2D aplicado a dados reais apresentou dificuldades e desafios imperceptíveis nos sinais simulados. Por fim, a paralelização mostrou-se eficaz, diminuido consideravelmente o tempo de processamento pelo DFA-2D.