Publicação
Melhoria da qualidade de imagem em codificação com múltiplas descrições usando técnicas de aprendizagem profunda
| datacite.subject.fos | Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática | pt_PT |
| dc.contributor.advisor | Correia, Daniel Frazão | |
| dc.contributor.author | Farinha, Gonçalo Nunes | |
| dc.date.accessioned | 2023-01-31T16:01:16Z | |
| dc.date.available | 2023-01-31T16:01:16Z | |
| dc.date.issued | 2022 | |
| dc.date.submitted | 2022 | |
| dc.description.abstract | 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. | pt_PT |
| dc.identifier.tid | 203201051 | pt_PT |
| dc.identifier.uri | http://hdl.handle.net/10400.26/43491 | |
| dc.language.iso | por | pt_PT |
| dc.subject | Redes neuronais convolucionais | pt_PT |
| dc.subject | Aprendizagem profunda | pt_PT |
| dc.subject | Processamento de imagem | pt_PT |
| dc.subject | Codificação com múltiplas descrições | pt_PT |
| dc.title | Melhoria da qualidade de imagem em codificação com múltiplas descrições usando técnicas de aprendizagem profunda | pt_PT |
| dc.type | master thesis | |
| dspace.entity.type | Publication | |
| rcaap.rights | openAccess | pt_PT |
| rcaap.type | masterThesis | pt_PT |
| thesis.degree.grantor | Instituto Politécnico de Tomar | |
| thesis.degree.name | Mestrado em Engenharia Eletrotécnica | pt_PT |
Ficheiros
Principais
1 - 1 de 1
Miniatura indisponível
- Nome:
- RelatorioProjecto_a20090_FINAL_PosDefesa.pdf
- Tamanho:
- 5.73 MB
- Formato:
- Adobe Portable Document Format
Licença
1 - 1 de 1
Miniatura indisponível
- Nome:
- license.txt
- Tamanho:
- 1.85 KB
- Formato:
- Item-specific license agreed upon to submission
- Descrição: