@PHDTHESIS{ 2021:307386986,
 	title = {Residual spaces based on component trees: theory and applications},
 	year = {2021},
 	url = "http://bibliotecatede.uninove.br/handle/tede/3093",
 	abstract = "Esta tese apresenta uma caracterização (i.e., definições, propriedades e algoritmos) de espaços de resíduos obtidos a partir de espaços de primitivas baseados em árvores de componentes. Espaços de resíduos são estruturas hierárquicas construídas de regiões de imagens das quais podemos realizar análise de imagens eficientemente. Para isto, podemos analisar as regiões de resíduos por meio de seus valores maximais levando aos chamados operadores de máximos resíduos. Apesar de tais operadores extraírem informações relevantes, eles não consideram a hierarquia dos espaços de resíduos, o que significa que eles podem extrair resíduos de regiões indesejáveis. Por outro ponto de vista, nesta tese apresentamos uma nova abordagem para analisar espaços de resíduos através de uma estrutura hierárquica chamada de árvore de resíduos. A partir dessa estrutura, extraímos vetores de atributos para construir um modelo de aprendizado de máquinas do qual fornece um valor de correspondência entre regiões conhecidas e nodes (ou regiões) de árvores de resíduos. Posteriormente, a partir dos nodes selecionados da árvore de resíduos, nós apresentamos uma nova abordagem para escolher os melhores nodes residuais. Finalmente, nós mostramos que essa é uma solução para o problema de análise do espaço de resíduos. No intuito de avaliar nossa nova abordagem, alguns experimentos foram conduzidos com um dataset de plantas e os resultados reportam o estado da arte em detecção e segmentação de plantas.",
 	publisher = {Universidade Nove de Julho},
 	scholl = {Programa de Pós-Graduação em Informática e Gestão do Conhecimento},
 	note = {Informática}
}