Lu´ıs Miguel de Oliveira Matos Algoritmos de compress˜ao sem perdas para imagens de

179 Pages·2015·13.8 MB·Portuguese

Departamento de Eletr´onica,
Universidade de Aveiro Telecomunicac¸˜oes e Inform´atica
2015 Programa de Doutoramento em Inform´atica
das Universidades de Aveiro, Minho e Porto
Lu´ıs Miguel de Algoritmos de compress˜ao sem perdas para imagens
Oliveira Matos de microarrays e alinhamento de genomas completos
Lossless compression algorithms for microarray
images and whole genome alignments

Departamento de Eletr´onica,
Universidade de Aveiro Telecomunicac¸˜oes e Inform´atica
2015 Programa de Doutoramento em Inform´atica
das Universidades de Aveiro, Minho e Porto
Lu´ıs Miguel de Algoritmos de compress˜ao sem perdas para imagens
Oliveira Matos de microarrays e alinhamento de genomas completos
Lossless compression algorithms for microarray
images and whole genome alignments
Tese apresentada `as Universidades de Aveiro, Minho e Porto para cumpri-
mento dos requisitos necess´arios `a obtenc¸˜ao do grau de Doutor em In-
form´atica, realizada sob a orienta¸c˜ao cient´ıfica do Doutor Ant´onio Jos´e
Ribeiro Neves, Professor Auxiliar do Departamento de Eletr´onica, Teleco-
munica¸c˜oes e Inform´atica da Universidade de Aveiro, e do Doutor Armando
Jos´e Formoso de Pinho, Professor Associado com Agregac¸˜ao do Departa-
mento de Eletr´onica, Telecomunica¸c˜oes e Inform´atica da Universidade de
Aveiro.
Trabalho financiado pelas seguintes entidades:
(cid:367)(cid:381)(cid:336)(cid:381)(cid:415)(cid:393)(cid:381)
- versão vertical
CORES
universidade
uni>ACv o VmmAae RrdceIaAs NcfrorTiit EpisvSeo n DdsiAaa d dsMaigA plaRa,a rCsaAe smed rd uetsicliezriatidvao ,d cdeo vma raeiasdsians a ftoaurrma aevs c.omeo síimrboloo. de aveiro universidade de aveiro
POSITIVO / CINZA
UNIÃO EUROPEIA
GOVERPONORT DUAG RUEEPSÚABLICA Fundo Social Europeu
theoria poiesis praxis universidade de aveiro 30 anos a projectar futuros
NEGATIVO
theoria poiesis praxis universidade de aveiro 30 anos a projectar futuros (cid:75)(cid:3)(cid:62)(cid:381)(cid:336)(cid:381)(cid:415)(cid:393)(cid:381)(cid:3)(cid:282)(cid:258)(cid:3)(cid:38)(cid:18)(cid:100)(cid:3)(cid:296)(cid:381)(cid:349)(cid:3)(cid:393)(cid:396)(cid:286)(cid:448)(cid:349)(cid:400)(cid:410)(cid:381)(cid:3)(cid:286)(cid:373)(cid:3)(cid:282)(cid:437)(cid:258)(cid:400)(cid:3)
| das e não permitidas vvmmaaaarrirriaccaçaaçõ õcceeoossmm p d allooaragg m oouttatiiipplriczooaa àeç mãeos 2qe umline hrsdaitasu ançuõmeas leinshpaeciais: 02/03 ú(cid:28)(cid:448)(cid:258)(cid:373)n(cid:396)i(cid:349)c(cid:3)(cid:258)(cid:410)a(cid:286)(cid:374)s(cid:396)(cid:410) (cid:373)v(cid:286)e(cid:3)(cid:381)(cid:288)r(cid:400)(cid:3)s(cid:393)(cid:3)õ(cid:282)(cid:381)e(cid:286)(cid:400)s(cid:3)(cid:400).(cid:282)(cid:351)(cid:448)(cid:349)(cid:400)(cid:286)(cid:393)(cid:367)(cid:856)(cid:381)(cid:400)(cid:349)(cid:277)(cid:262)(cid:381)(cid:3)(cid:374)(cid:286)(cid:374)(cid:346)(cid:437)(cid:373)(cid:258)(cid:3)(cid:381)(cid:437)(cid:410)(cid:396)(cid:258)(cid:3)
devi marca e logotipo em linha para aplicações de redução limite [aplicações em lápis, canetas, etc]
|a utilizações in marca para aplicação em estacionário [papel de carta, envelope, fax, etc]
c
ar
m
a
d
s
e
õ
ç
a
ari
v
|
uunniivveerrssiiddaaddee ddee aavveeiirroo 3300 aannooss aa pprroojjeeccttaarr ffuuttuurrooss uunniivveerrssiiddaaddee ddee aavveeiirroo 3300 aannooss aa pprroojjeeccttaarr ffuuttuurrooss
uunniivveerrssiiddaaddee ddee aavveeiirroo 3300 aannooss aa pprroojjeeccttaarr ffuuttuurrooss uunniivveerrssiiddaaddee ddee aavveeiirroo
3300 aannooss aa pprroojjeeccttaarr ffuuttuurrooss
uunniivveerrssiiddaaddee ddee aavveeiirroo 3300 aannooss aa pprroojjeeccttaarr ffuuttuurrooss
uunniivveerrssiiddaaddee ddee aavveeiirroo 3300 aannooss aa pprroojjeeccttaarr ffuuttuurrooss
uunniivveerrssiiddaaddee ddee aavveeiirroo 3300 aannooss aa pprroojjeeccttaarr ffuuttuurrooss uunniivveerrssiiddaaddee ddee aavveeiirroo 3300 aannooss aa pprroojjeeccttaarr ffuuttuurrooss uunniivveerrssiiddaaddee ddee aavveeiirroo 3300 aannooss aa pprroojjeeccttaarr ffuuttuurrooss
alguns exemplos de utilizações indevidas
a utilização da logomarca não suporta distorções, alteração de posição
relativa dos elementos, mudanças de tipografia ou qualquer outras
configurações para além das previstas pelo autor.

o ju´ri / the jury
presidente / president Doutor Jo˜ao Carlos Matias Celestino Gomes da Rocha
Professor Catedr´atico da Universidade de Aveiro
vogais / examiners committee Doutor Paulo Jorge dos Santos Gonc¸alves Ferreira
Professor Catedr´atico da Universidade de Aveiro
Doutor Jo˜ao Miguel Raposo Sanches
Professor Auxiliar com Agrega¸c˜ao da Universidade de Lisboa
Doutor Lu´ıs Filipe Barbosa Almeida Alexandre
Professor Associado com Agrega¸c˜ao da Universidade da Beira Interior
Doutor Lu´ıs Manuel Dias Coelho Soares Barbosa
Professor Associado da Escola de Engenharia da Universidade do Minho
Doutor Ant´onio Jos´e Ribeiro Neves (Orientador)
Professor Auxiliar da Universidade de Aveiro

agradecimentos Primeiro que tudo, gostava de agradecer aos meus orientadores, Professor
Ant´onio Neves e Professor Armando Pinho pela oportunidade, orientac¸˜ao e
todo o apoio dado durante o meu doutoramento. Foi gra¸cas `a experiˆencia,
recomenda¸c˜oes e paciˆencia deles que foi poss´ıvel concluir este trabalho de
investiga¸c˜ao. Tamb´em gostava de agradecer ao Professor Jos´e Moreira
pela oportunidade e apoio dado num trabalho de investiga¸c˜ao paralelo, no
primeiro ano do meu doutoramento. A todos os meus colegas do IEETA,
principalmente ao Diogo Pratas, M´ario Rodrigues, David Campos, Lu´ıs
Ribeiro e Marco Pereira, por todo o apoio e conselhos dados nos u´ltimos
anos. Quero tamb´em agradecer `a Universidade de Aveiro, especialmente
ao IEETA e ao DETI, por me providenciar as condi¸c˜oes necess´arias para
executar este trabalho. Agrade¸co tamb´em todo o apoio financeiro prestado
nas mais diversas ocasi˜oes. Por u´ltimo, um agradecimento especial `a minha
fam´ılia, aos meus pais Armindo e Margarida e ao meu irm˜ao Gabriel, pelo
seu apoio genu´ıno e ilimitado durante este per´ıodo.
acknowledgements First, I would like to thank my supervisors, Professor Ant´onio Neves and
Professor Armando Pinho for the opportunity, guidance and all the support
giventhroughthePh.D.Itwasthankstotheirexperience,recommendations
and patience, that it was possible to conclude this research work. I also
would like to thank Professor Jos´e Moreira for the opportunity and the
support given in a parallel research work, in the first year of my Ph.D.
To all my IEETA colleagues, mainly Diogo Pratas, M´ario Rodrigues, David
Campos,Lu´ısRibeiroandMarcoPereira,forallthesupportandadvicegiven
through the last years. I also want to thank University of Aveiro, specially
IEETA and DETI, for providing the necessary conditions to execute this
work. I also thank to all financial support provided in several occasions.
Finally, a special thanks to my family, my parents Armindo and Margarida
and my brother Gabriel for their genuine and unlimited support during this
period.

Palavras-chave Compress˜ao de imagem sem perdas, imagens de microarrays, modelos de
contexto-finito, decomposi¸c˜ao em arvore bin´aria, decomposi¸c˜ao em planos
bin´arios, redu¸c˜ao de planos bin´arios, alinhamento de genomas completos,
formato de multi-alinhamento.
Resumo Hoje em dia, no s´eculo XXI, a expans˜ao intermin´avel de informa¸c˜ao ´e
uma grande preocupa¸c˜ao mundial. O ritmo ao qual os recursos de ar-
mazenamento e comunica¸c˜ao est˜ao a evoluir n˜ao ´e suficientemente r´apido
para compensar esta tendˆencia. De forma a ultrapassar esta situa¸c˜ao, s˜ao
necess´arias ferramentas de compress˜ao sofisticadas e eficientes. A com-
press˜ao consiste em representar informac¸˜ao utilizando a menor quantidade
de bits poss´ıvel. Existem dois tipos de compress˜ao, com e sem perdas. Na
compress˜ao sem perdas, a perda de informac¸˜ao n˜ao ´e tolerada, por isso
a informa¸c˜ao descodificada ´e exatamente a mesma que a informa¸c˜ao que
foi codificada. Por outro lado, na compress˜ao com perdas alguma perda ´e
aceit´avel. Neste trabalho, foc´amo-nos apenas em m´etodos de compress˜ao
sem perdas. O objetivo desta tese consistiu na criac¸˜ao de ferramentas de
compress˜ao sem perdas para dois tipos de dados. O primeiro tipo de da-
dos ´e conhecido na literatura como imagens de microarrays. Estas imagens
tˆem 16 bits por p´ıxel e uma resolu¸c˜ao espacial elevada. O outro tipo de
dados´e geralmente denominado como alinhamento de genomas completos,
particularmenteaplicadoaficheirosMAF. Relativamente`asimagensdemi-
croarrays, melhor´amosalgunsm´etodosdecompress˜aoespec´ıficosutilizando
algumas t´ecnicas de pr´e-processamento (segmenta¸c˜ao e redu¸c˜ao de planos
bin´arios). Al´em disso, desenvolvemos tamb´em um m´etodo de compress˜ao
baseado em estimac¸˜ao dos valores dos p´ıxeis e em misturas de modelos
de contexto-finito. Foi tamb´em considerada, uma abordagem baseada em
decomposic¸˜ao em ´arvore bin´aria. Foram desenvolvidas duas ferramentas de
compress˜ao para ficheiros MAF. A primeira ferramenta, ´e baseada numa
mistura de modelos de contexto-finito e codificac¸˜ao aritm´etica, onde ape-
nas as bases de ADN e os s´ımbolos de alinhamento foram considerados.
A segunda, designada como MAFCO, ´e uma ferramenta de compress˜ao
completa que consegue lidar com todo o tipo de informac¸˜ao que pode ser
encontrada nos ficheiros MAF. MAFCO baseia-se em v´arios modelos de
contexto-finito e permite compress˜ao/descompress˜ao paralela de ficheiros
MAF.