| Name: | Description: | Size: | Format: | |
|---|---|---|---|---|
| 5.73 MB | Adobe PDF |
Authors
Advisor(s)
Abstract(s)
As redes neuronais têm tido sucesso em vários ramos do processamento de informação
em particular no processamento de imagem. As aplicações vão desde os métodos de
melhoria de imagem, que incluem redução de ruído, correção de cor, restauro de imagem
ou técnicas de super-resolução, as técnicas de visão computacional, que incluem a
segmentação, a classificação de objetos, o seguimento de pessoas e veículos em vídeo,
assim como aplicada aos métodos de codificação. Dentro das redes neuronais, as redes
convolucionais (CNN) são as mais frequentemente utilizadas para obter soluções no
processamento de imagem devido à sua capacidade de reconhecer padrões.
A codificação de imagem com múltiplas descrições (MDC), surge num contexto de
esquemas de codificação para transmissão resiliente a erros de transmissão, onde uma
imagem é dividida em várias componentes (descrições) que são codificadas de forma
independente. No descodificador, as descrições são descodificadas de forma
independente e combinadas entre si, produzindo uma representação da imagem de boa
qualidade. Se cada descrição for descodificada de forma individual, a representação da
imagem original tem uma qualidade inferior, embora aceitável.
Neste contexto, o presente relatório apresenta o estudo e aplicação de técnicas de
aprendizagem profunda baseadas em CNN como método de pós processamento para
melhoria da qualidade de imagens codificadas com múltiplas descrições (MDC), tendo
em conta a possibilidade de descodificação conjunta ou independente das descrições
constituintes da imagem.
O trabalho realizado apresenta primeiramente um esquema de codificação de imagem
usando MDC com subamostragem por blocos para produzir várias descrições da imagem.
Como pós processamento, são utilizadas de redes CNN pré-treinadas para melhoria da
qualidade das descrições descodificadas onde a informação original é inexistente,
utilizando técnicas de restauro de imagem (inpaiting) e de super- resolução. Os resultados
obtidos apresentam melhorias significativas face a métodos tradicionais de interpolação.
Adicionalmente, é proposto um esquema MDC para duas descrições, usando MDC
balanceado e não balanceado, isto é, com descrições codificadas com qualidades iguais e
Melhoria da Qualidade em Codificação de Imagem com Múltiplas Descrições Usando Técnicas
de Aprendizagem Profunda
com qualidades diferentes respetivamente. É apresentado um método de processamento
para melhoria da qualidade das imagens descodificadas, baseado em métodos existentes
para redução de ruído, no entanto treinados para o tipo de distorção introduzida pela
codificação MDC. Os resultados obtidos revelam que se consegue melhorar a qualidade
das imagens descodificadas, comparando com os métodos de interpolação tradicionais.
Adicionalmente o método tem a capacidade de compensar a perda de qualidade de uma
descrição nos casos de MDC não balanceado.
Description
Keywords
Redes neuronais convolucionais Aprendizagem profunda Processamento de imagem Codificação com múltiplas descrições