@MASTERSTHESIS{ 2018:464976323,
 	title = {Últimos levelings com base em funções de energia aplicados a detecção de objetos},
 	year = {2018},
 	url = "http://bibliotecatede.uninove.br/handle/tede/3039",
 	abstract = "Com o avanço da tecnologia muitas área de estudo tem ganhado notoriedade. Neste
 sentido os esforços envolvidos pela comunidade científica na área de visão computacional
 têm sido cada vez mais crescente, e muitas aplicações vêm sendo desenvolvidas nos mais
 diferentes âmbitos. Em geral, o interesse está em detectar e analisar objetos em imagens.
 Uma abordagem muito consolidada presente na literatura se baseia em analisar a forma
 de objetos dentro da imagem e então extrair características que os descrevam para que
 eles posteriormente sejam detectados. Nesse sentido, é explorada nesta dissertação uma
 teoria invariante a escala que é definida no âmbito da Morfologia Matemática. Mais especificamente,
 o nosso estudo é voltado para uma classe de operadores residuais chamados
 de últimos levelings. Esses operadores robustos analisam espaços de escalas baseado em
 levelings por meio de diferenças consecutivas (resíduos) e consideram os máximos resíduos.
 Em adição, esses resíduos revelam informações importantes sobre o contraste de
 uma imagem. Porém, devido a natureza dos operadores últimos levelings muitas vezes
 alguns resíduos extraídos de regiões da imagem acabam sendo indesejáveis. Uma abordagem
 para minimizar esse problema é construir estratégias para filtrar estes resíduos.
 Assim, apresenta-se nesta dissertação uma nova abordagem para a construção destas estratégias
 baseada nas chamadas funções de energia. Os resultados encontrados em duas
 aplicações: (i) reconhecimento de plantas via bounding box detection e (ii) segmentação
 de vasos sanguíneos em imagens de retinas revelam que a abordagem proposta é robusta
 e eficiente.",
 	publisher = {Universidade Nove de Julho},
 	scholl = {Programa de Pós-Graduação em Informática e Gestão do Conhecimento},
 	note = {Informática}
}