Análise computacional de padrões estruturais não-lineares a partir de imagens digitais com estudos de caso em ciências ambientais e espaciais
Autor(a) principal: | |
---|---|
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 |
Resumo: | 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. |
id |
INPE_36d6819ec05d362ec207a60ef7a100c2 |
---|---|
oai_identifier_str |
oai:urlib.net:sid.inpe.br/mtc-m21b/2017/07.03.19.54.09-0 |
network_acronym_str |
INPE |
network_name_str |
Biblioteca Digital de Teses e Dissertações do INPE |
spelling |
info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisAnálise computacional de padrões estruturais não-lineares a partir de imagens digitais com estudos de caso em ciências ambientais e espaciaisComputational analysis of non-linear structural patterns from digital images with case studies in environmental and space sciences2017-06-09Reinaldo Roberto RosaArcilan Trevenzoli AssireuLamartine Nogueira Frutuoso GuimarãesMarcelo Panaro de Moraes ZamithMaurício José Alves BolzanVanessa Cristina Oliveira de SouzaInstituto Nacional de Pesquisas Espaciais (INPE)Programa de Pós-Graduação do INPE em Computação AplicadaINPEBRanálise de flutuação destendenciada bi-dimensionaltexturaclassificaçãoparalelizaçãoGPGPU/CUDABi-dimensional detrended fluctuation analysistextureclassificationparallelizationGPGPU/CUDAA 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.The Detrended Fluctuation Analysis (DFA) has been widely used to verify the scaling properties of unidimensional time series. Besides revealing the presence or absence of memory in the series (persistence), the DFA method allows understanding the process that originated the analyzed signal, as well as the strength of the correlation. The DFA operator () also infers about the signal roughness, because the larger the persistence, the smaller the roughness. When such feature is expanded to bi-dimensional signals, especially in digital images, the notion of persistence also infers on the texture of these signals. The DFA method was generalized to operate on bi-dimensional signals in 2006 (DFA-2D) and, since then, several studies have been performed using the () as a textural operator. Differently from the common textural operators, which focus on the brightness variation of an image, the DFA- 2D exploits the theoretic framework from the fractal theory and infers the texture using the auto similarity feature of the signal. In this context, the goals of this work were: i) to explore controversial or not yet treated issues for the DFA-2D in the literature and ii) advance the state of the art in the bi-dimensional technique in its two versions mono e multifractal evaluating the response in a diverse set of data and also improving its performance by means of parallelization, using GPGPU/CUDA. Therefore, this thesis provides contributions in two aspects of the DFA-2D which are criticized in the literature: the interpretation difficulty related to the $\alpha$ operator and high computational cost of the method. Simulated sets of data that present a well-known response (fBm and fGn) has been studied, as well as classical sets of simulated data not treated in the literature using the DFA-2D (such as noise data of type 1/f and coupled map networks). The analysis also included sets of real data, providing umprecedent applications using the DFA-2D, such as the morphological classification of galaxies and the inference of effective roughness for eolic energy studies, by using the classification of Models of Digital Elevation (MDE). The DFA-2D (mono and multifractal) was able to categorize simulated signals in a satisfactory manner. For real signals, the results show that, even when the $\alpha$ operator does not reach a good classification rate, its usage is very informative, characterizing the signal and not only classifying it. Besides, the DFA-2D applied to real data presented difficulties and challenges imperceptible in simulated signals. Lastly, the parallelization has proven to be effective in order to lower the processing time required by the DFA-2D.http://urlib.net/sid.inpe.br/mtc-m21b/2017/07.03.19.54info:eu-repo/semantics/openAccessporreponame:Biblioteca Digital de Teses e Dissertações do INPEinstname:Instituto Nacional de Pesquisas Espaciais (INPE)instacron:INPE2021-07-31T06:55:28Zoai:urlib.net:sid.inpe.br/mtc-m21b/2017/07.03.19.54.09-0Biblioteca Digital de Teses e Dissertaçõeshttp://bibdigital.sid.inpe.br/PUBhttp://bibdigital.sid.inpe.br/col/iconet.com.br/banon/2003/11.21.21.08/doc/oai.cgiopendoar:32772021-07-31 06:55:28.522Biblioteca Digital de Teses e Dissertações do INPE - Instituto Nacional de Pesquisas Espaciais (INPE)false |
dc.title.pt.fl_str_mv |
Análise computacional de padrões estruturais não-lineares a partir de imagens digitais com estudos de caso em ciências ambientais e espaciais |
dc.title.alternative.en.fl_str_mv |
Computational analysis of non-linear structural patterns from digital images with case studies in environmental and space sciences |
title |
Análise computacional de padrões estruturais não-lineares a partir de imagens digitais com estudos de caso em ciências ambientais e espaciais |
spellingShingle |
Análise computacional de padrões estruturais não-lineares a partir de imagens digitais com estudos de caso em ciências ambientais e espaciais Vanessa Cristina Oliveira de Souza |
title_short |
Análise computacional de padrões estruturais não-lineares a partir de imagens digitais com estudos de caso em ciências ambientais e espaciais |
title_full |
Análise computacional de padrões estruturais não-lineares a partir de imagens digitais com estudos de caso em ciências ambientais e espaciais |
title_fullStr |
Análise computacional de padrões estruturais não-lineares a partir de imagens digitais com estudos de caso em ciências ambientais e espaciais |
title_full_unstemmed |
Análise computacional de padrões estruturais não-lineares a partir de imagens digitais com estudos de caso em ciências ambientais e espaciais |
title_sort |
Análise computacional de padrões estruturais não-lineares a partir de imagens digitais com estudos de caso em ciências ambientais e espaciais |
author |
Vanessa Cristina Oliveira de Souza |
author_facet |
Vanessa Cristina Oliveira de Souza |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Reinaldo Roberto Rosa |
dc.contributor.advisor2.fl_str_mv |
Arcilan Trevenzoli Assireu |
dc.contributor.referee1.fl_str_mv |
Lamartine Nogueira Frutuoso Guimarães |
dc.contributor.referee2.fl_str_mv |
Marcelo Panaro de Moraes Zamith |
dc.contributor.referee3.fl_str_mv |
Maurício José Alves Bolzan |
dc.contributor.author.fl_str_mv |
Vanessa Cristina Oliveira de Souza |
contributor_str_mv |
Reinaldo Roberto Rosa Arcilan Trevenzoli Assireu Lamartine Nogueira Frutuoso Guimarães Marcelo Panaro de Moraes Zamith Maurício José Alves Bolzan |
dc.description.abstract.por.fl_txt_mv |
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. |
dc.description.abstract.eng.fl_txt_mv |
The Detrended Fluctuation Analysis (DFA) has been widely used to verify the scaling properties of unidimensional time series. Besides revealing the presence or absence of memory in the series (persistence), the DFA method allows understanding the process that originated the analyzed signal, as well as the strength of the correlation. The DFA operator () also infers about the signal roughness, because the larger the persistence, the smaller the roughness. When such feature is expanded to bi-dimensional signals, especially in digital images, the notion of persistence also infers on the texture of these signals. The DFA method was generalized to operate on bi-dimensional signals in 2006 (DFA-2D) and, since then, several studies have been performed using the () as a textural operator. Differently from the common textural operators, which focus on the brightness variation of an image, the DFA- 2D exploits the theoretic framework from the fractal theory and infers the texture using the auto similarity feature of the signal. In this context, the goals of this work were: i) to explore controversial or not yet treated issues for the DFA-2D in the literature and ii) advance the state of the art in the bi-dimensional technique in its two versions mono e multifractal evaluating the response in a diverse set of data and also improving its performance by means of parallelization, using GPGPU/CUDA. Therefore, this thesis provides contributions in two aspects of the DFA-2D which are criticized in the literature: the interpretation difficulty related to the $\alpha$ operator and high computational cost of the method. Simulated sets of data that present a well-known response (fBm and fGn) has been studied, as well as classical sets of simulated data not treated in the literature using the DFA-2D (such as noise data of type 1/f and coupled map networks). The analysis also included sets of real data, providing umprecedent applications using the DFA-2D, such as the morphological classification of galaxies and the inference of effective roughness for eolic energy studies, by using the classification of Models of Digital Elevation (MDE). The DFA-2D (mono and multifractal) was able to categorize simulated signals in a satisfactory manner. For real signals, the results show that, even when the $\alpha$ operator does not reach a good classification rate, its usage is very informative, characterizing the signal and not only classifying it. Besides, the DFA-2D applied to real data presented difficulties and challenges imperceptible in simulated signals. Lastly, the parallelization has proven to be effective in order to lower the processing time required by the DFA-2D. |
description |
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. |
publishDate |
2017 |
dc.date.issued.fl_str_mv |
2017-06-09 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/doctoralThesis |
status_str |
publishedVersion |
format |
doctoralThesis |
dc.identifier.uri.fl_str_mv |
http://urlib.net/sid.inpe.br/mtc-m21b/2017/07.03.19.54 |
url |
http://urlib.net/sid.inpe.br/mtc-m21b/2017/07.03.19.54 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Instituto Nacional de Pesquisas Espaciais (INPE) |
dc.publisher.program.fl_str_mv |
Programa de Pós-Graduação do INPE em Computação Aplicada |
dc.publisher.initials.fl_str_mv |
INPE |
dc.publisher.country.fl_str_mv |
BR |
publisher.none.fl_str_mv |
Instituto Nacional de Pesquisas Espaciais (INPE) |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações do INPE instname:Instituto Nacional de Pesquisas Espaciais (INPE) instacron:INPE |
reponame_str |
Biblioteca Digital de Teses e Dissertações do INPE |
collection |
Biblioteca Digital de Teses e Dissertações do INPE |
instname_str |
Instituto Nacional de Pesquisas Espaciais (INPE) |
instacron_str |
INPE |
institution |
INPE |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações do INPE - Instituto Nacional de Pesquisas Espaciais (INPE) |
repository.mail.fl_str_mv |
|
publisher_program_txtF_mv |
Programa de Pós-Graduação do INPE em Computação Aplicada |
contributor_advisor1_txtF_mv |
Reinaldo Roberto Rosa |
_version_ |
1706809360075718656 |