2007 - Doutor em Matemática (com ênfase em Computação Gráfica), 1999 - Mestre em Matemática, pela UFC - Universidade Federal do Ceará
1996 - Bacharel em Matemática, pela UFBA - Universidade Federal da Bahia
perfeuge em ufba.br
Formação:
2007 - Doutor em Matemática (com ênfase em Computação Gráfica), 1999 - Mestre em Matemática, pela UFC - Universidade Federal do Ceará
1996 - Bacharel em Matemática, pela UFBA - Universidade Federal da Bahia
Grupos de Pesquisa:
Grupo de Matemática Aplicada da UFBA HTML
Grupo de Computação Visual da UFBA HTML
Projetos:
1. Classificação de Regiões de Massa e Não Massa em Mamografias Digitais
O câncer de mama atualmente é considerado a neoplasia que mais atinge as mulheres no mundo. De acordo com a International Agency for Research Cancer (IARC), no ano de 2012 foram registrados aproximadamente 1.7 milhões de novos casos de câncer de mama no mundo. Em sua maioria, o câncer atinge mulheres com idade entre 50 a 85 anos, entretanto já existem casos diagnosticados em mulheres mais jovens.
De acordo com o Instituto Nacional do Câncer (INCA), para o ano de 2014 estavam previstos 57.000 novos casos da doença, somente no Brasil. O câncer é a principal causa mortis das mulheres brasileiras, desde 1979. Esse fato é atribuído a falta de diagnóstico precoce. Para a detecção da massa, a paciente deve fazer o exame clínico das mamas, pelo menos uma vez ao ano. Esse exame é feito através de um raio X da mama
com o auxílio de um mamógrafo, que permite a elaboração de imagens com uma qualidade o suficiente para a detecção de pequenas lesões ainda em sua fase inicial.
Além do laudo de um radiologista, a mamografia pode ser avaliada por programas específicos para detecção de massas na imagem. A utilização de sistemas computacionais que permitam analisar mamografias digitalizadas, podem auxiliar na descrição do diagnóstico, pelo radiologista. Esses sistemas são divididos em sistemas de detecção e de diagnóstico de lesões na mamografia. O primeiro, computer-aided detection (CAD), auxilia o radiologista na detecção da lesão na imagem, sendo que o diagnóstico final não será feito pelo programa. Em contrapartida, o computer-aided diagnosis (CADx) auxiliará na análise da lesão encontrada.
Este projeto tem como finalidade propor métodos para classificação de regiões de massa e não-massa de imagens de mamogramas digitais. Uma dissertação de mestrado em Ciência da Computação, na UFBA, foi gerada, bem como alguns trabalhos em conferências nacionais e internacionais (veja abaixo).
R. Alcantara, P. E. Ferreira Junior and A. Ramos - Tsallis Entropy Extraction for Mammographic Region Classification R. Alcantara, P. E. Ferreira Junior and A. Ramos - Tsallis Entropy-based Mass and Non-mass Classification R. Alcantara, P. E. Ferreira Junior and A. Ramos - Tsallis Entropy-based Mass and Non-mass Classification A. Ramos, R. Alcantara and P. E. Ferreira Junior - Image Enhancement Techniques for Mammography Classification R. Alcantara - Métodos Estatísticos para Classificação de Massas em Mamografias J. Bozek, M. Mustra, K. Delac and M. Grgic - A Survey of Image Processing Algorithms in Digital Mammography (PDF) R. M. Haralick, K. Shanmugam, and I. Dinstein, Textural Features for Image Classification (PDF) 2. Restauração de Motion Blur em Imagens
|
Modelo de Degradação Espacialmente Variante de uma Imagem
|
 |
O problema de restauração de imagens é um problema mal-posto, no sentido proposto pelo matemático Hadamard. O processo de formação da imagem é em geral, do tipo espacialmente variante, ou seja, por variadas razões a imagem capturada pode ser observada com certas regiões degradadas (borradas), com mais ou menos acentuação nas diferentes localizações. Tal processo pode ser modelado através de uma multiplicação matriz-vetor. Nesse projeto foi proposta uma abordagem para aproximar funções de degradação espacialmente variantes por funções de Green de casamento afim aplicadas a várias regiões da imagem.
P. E. Ferreira Junior and J. R. A. Torreão - Motion and Motion Blur Through Green's Matrices (HTML/PDF) P. C. Hansen, J. G. Nagy and D. P. O'Leary - Deblurring Images: Matrices, Spectra and Filtering;3. Síntese de Movimento em Imagens
|
Deformações Elásticas
|
Zoom in
|
  |
 |
Síntese de movimento em imagens é uma área bastante explorada na comunidade de Computação Gráfica. Em geral, as animações produzidas pela indústria de cinema consistem em gerar o movimento de objetos em cena primeiramente, e em seguida produzir o efeito de motion blur (degradação do sinal 2D proveniente de movimento de objetos e/ou da câmera). Nesse projeto animações sobre imagens foram criadas produzindo movimento e efeito de motion blur simultaneamente. Tal feito foi obtido modelando casamentos afins unidimensionais entre imagens (image matching) e aproximando estes por filtragens com funções de Green. As funções de Green de casamento afim não são expressas como convoluções, pela sua natureza espacialmente variante por translações. O motion blur tornando-se mais intenso com distâncias entre pixels.
W. T. Freeman, E. H. Adelson and D. J. Heeger - Motion Without Movement (PDF) P. E. Ferreira Junior, J. R. A. Torreão, P. C. P. Carvalho and M. B. Vieira - Motion Synthesis Through 1D Affine Matching (HTML/PDF) P. E. Ferreira Junior, J. R. A. Torreão, P. C. P. Carvalho - A Comparative Analysis of Green's Function of 1D Matching Equations for Motion Synthesis (PDF)