Fechar
Metadados

@TechReport{FuhrLimaCamp:2019:FrMaLe,
               author = "Fuhr, Gabriel Tobias and Lima, Jo{\~a}o Vicente Ferreira and 
                         Campos Velho, Haroldo Fraga de",
                title = "Framework de machine learning para busca de melhores 
                         par{\^a}metros em algoritmos de restaura{\c{c}}{\~a}o de 
                         imagens",
          institution = "Instituto Nacional de Pesquisas Espaciais",
                 year = "2019",
                 type = "RPQ",
              address = "S{\~a}o Jos{\'e} dos Campos",
                 note = "{Bolsa PIBIC/INPE/CNPq}",
             keywords = "machine learning, algoritmos.",
             abstract = "Uma das importantes atividades no ramo de pesquisa Aeroespacial 
                         {\'e} a de capturar imagens atrav{\'e}s de c{\^a}meras e 
                         sensores aerotransportados por avi{\~o}es e sat{\'e}lites. Tais 
                         imagens podem ter altera{\c{c}}{\~o}es com 
                         incorpora{\c{c}}{\~a}o de ru{\'{\i}}dos externos durante a sua 
                         captura. Procurando suavizar efeitos negativos causados pelos 
                         ru{\'{\i}}dos, o tratamento de imagens, ramo da Ci{\^e}ncia da 
                         Computa{\c{c}}{\~a}o, {\'e} utilizado para remover em parte os 
                         ru{\'{\i}}dos de imagens. T{\'e}cnicas para restaurar as 
                         imagens, gerando imagens pr{\'o}ximas {\`a} realidade, 
                         representam um avan{\c{c}}o significativo para {\'a}reas que 
                         fazem uso de imagens que requerem nitidez e precis{\~a}o. Destas 
                         {\'a}reas, destacam-se aplica{\c{c}}{\~o}es em astronomia, 
                         sensoriamento remoto, ci{\^e}ncias dos materiais, ci{\^e}ncias 
                         geof{\'{\i}}sicas, biologia e medicina, para citar algumas 
                         {\'a}reas, onde informa{\c{c}}{\~o}es quantitativas precisas 
                         s{\~a}o importantes para ci{\^e}ncia da {\'a}rea e 
                         desenvolvimento tecnol{\'o}gico. Tamb{\'e}m pode-se notar a 
                         import{\^a}ncia da remo{\c{c}}{\~a}o de ru{\'{\i}}dos em 
                         algoritmos de posicionamento de Ve{\'{\i}}culos A{\'e}reos 
                         N{\~a}o Tripulados (VANTs), onde a nitidez das imagens capturadas 
                         {\'e} crucial para garantir que o VANT conseguir{\'a} se 
                         localizar utilizando um banco de imagens georreferenciadas. 
                         S{\~a}o v{\'a}rias as t{\'e}cnicas utilizadas na 
                         restaura{\c{c}}{\~a}o de imagens. De fato, in{\'u}meros 
                         algoritmos de restaura{\c{c}}{\~a}o de imagens j{\'a} foram 
                         desenvolvidos e implementados. A implementa{\c{c}}{\~a}o 
                         algor{\'{\i}}tmica consiste em codificar o m{\'e}todo de 
                         restaura{\c{c}}{\~a}o em espec{\'{\i}}fico em uma s{\'e}rie 
                         de passos em linguagem computacional. O algoritmo deve receber 
                         como par{\^a}metro a imagem a ser restaurada, algumas 
                         solu{\c{c}}{\~o}es algor{\'{\i}}tmicas apresentam mais 
                         par{\^a}metros, como o Bayes-Shrink. Os par{\^a}metros citados 
                         anteriormente, causam efeitos no resultado final da 
                         execu{\c{c}}{\~a}o de uma restaura{\c{c}}{\~a}o, por isso sua 
                         escolha deve ser feita de maneira a maximizar os resultados de uma 
                         corre{\c{c}}{\~a}o de ru{\'{\i}}dos. Pensando nisso¸ 
                         utilizar-se-{\'a} t{\'e}cnicas de Machine Learning, {\'a}rea da 
                         computa{\c{c}}{\~a}o onde dados s{\~a}o fornecidos ao 
                         computador para o mesmo gerar solu{\c{c}}{\~o}es ou insights 
                         sobre os dados, como forma de escolha desses par{\^a}metros. Os 
                         dados seriam um banco de imagens originais e imagens alteradas por 
                         ru{\'{\i}}do (Imagens e histogramas) e um algoritmo a ser 
                         especificado pelo utilizador da plataforma. Com isso, a plataforma 
                         iria devolver um modelo de Machine Learning como um previsor de 
                         par{\^a}metro ideal para uma dada imagem desconhecida e o 
                         algoritmo em quest{\~a}o. Fazendo com que a escolha do 
                         par{\^a}metro deixe de ser um processo emp{\'{\i}}rico da 
                         escolha do pesquisador, para ser uma escolha baseada em dados para 
                         maximizar a efici{\^e}ncia do algoritmo de 
                         restaura{\c{c}}{\~a}o de imagens.",
          affiliation = "{Universidade Federal de Santa Maria (UFSM)} and {Universidade 
                         Federal de Santa Maria (UFSM)} and {Instituto Nacional de 
                         Pesquisas Espaciais (INPE)}",
             language = "pt",
                pages = "15",
                  ibi = "8JMKD3MGP3W34R/3U2S9F5",
                  url = "http://urlib.net/rep/8JMKD3MGP3W34R/3U2S9F5",
           targetfile = "GABRIEL TOBIAS.pdf",
        urlaccessdate = "11 abr. 2021"
}


Fechar