Use este identificador para citar ou linkar para este item: http://repositorio.ufes.br/handle/10/9705
Registro completo de metadados
Campo DCValorIdioma
dc.contributor.advisorSarcinelli Filho, Mário-
dc.contributor.advisorSalles, Evandro Ottoni Teatini-
dc.date.accessioned2018-08-02T00:01:58Z-
dc.date.available2018-08-01-
dc.date.available2018-08-02T00:01:58Z-
dc.identifier.urihttp://repositorio.ufes.br/handle/10/9705-
dc.publisherUniversidade Federal do Espírito Santopor
dc.titleReconstrução de imagens por superresolução utilizando inferência Bayesiana aproximadapor
dc.typedoctoralThesiseng
dc.subject.udc621.3-
dc.subject.br-rjbnProcessamento de imagenspor
dc.subject.br-rjbnTeoria bayesiana de decisão estatísticapor
dcterms.abstractReconstrução de imagens por Superresolução (SR) multiframe são técnicas capazes de aumentar a resolução de uma imagem, sem alterar a resolução da câmera que está sendo usada para captá-las, através do uso de algoritmos de processamento de imagens. Um conjunto de imagens de baixa resolução observável é primeiramente registrado em relação a uma das imagens e, posteriormente, fundido em uma imagem de alta resolução, que posteriormente é filtrada para melhorar sua nitidez. Nesse contexto, essa Tese de Doutorado propõe cinco algoritmos de Superresolução, baseados em modelagem estatística Bayesiana. No primeiro algoritmo desenvolvido, Closed Form SR, uma equação em forma fechada é derivada para o cálculo da imagem de alta resolução. No entanto, o algoritmo depende de um parâmetro λ, que corresponde ao parâmetro de regularização nos métodos espaciais. Tal parâmetro deve ser ajustado de forma heurística. No segundo algoritmo proposto, INLA SR, e no terceiro algoritmo, INLA MAP SR, um método de inferência Bayesiana aproximado, não paramétrico, recentemente desenvolvido, conhecido na literatura estatística como Integrated Nested Laplace Approximation (INLA), foi aplicado ao problema de Superresolução. Nesses algoritmos, o parâmetro λ é ajustado automaticamente. Finalmente, os dois últimos algoritmos propostos, DFT INLA SR e Closed Form DFT, são versões mais rápidas dos algoritmos INLA SR e Closed Form SR, baseados na transformada 2D de Fourier. Nessa nova implementação o custo computacional, originalmente O(n 3 ), é reduzido para O(n 2 log(n)), com uma pequena perda da qualidade da imagem HR. Adicionalmente, a dimensão das matrizes manipuladas pelos algoritmos é reduzida de n 2 ×n 2 para n×n (o tamanho da imagem HR). Experimentos demonstram que os algoritmos propostos nessa Tese são competitivos quando comparados a outros algoritmos do estado da arte.por
dcterms.abstractSuperresolution (SR) multiframe image enhancement are techniques to increase the resolution of an image without increasing the resolution of the camera used to capture them. Image processing algorithms are used, instead. A set of observable lower resolution images is first registered (with respect to one of those images) and subsequently fused into a single high resolution image, which is then filtered to improve their sharpness. In such context, this PhD Thesis proposes five Superresolution algorithms based on Bayesian statistical modeling. In the first algorithm developed, referred to as Closed Form SR, an equation is derived in closed form to calculate the high resolution image. However, the algorithm depends on a parameter λ, which corresponds to the regularization parameter in the spatial SR methods. In the case of this algorithm, however, such parameter should be heuristically set. In the second and third algorithms, referred to as SR INLA and INLA MAP SR, respectively, a nonparametric method to approximate Bayesian inference recently developed, known in the statistical literature as Integrated Nested Laplace Approximation (INLA), was applied to the Superresolution problem. The advantage of such algorithms is that the parameter λ is automatically adjusted. Finally, the last two proposed algorithms, referred to as DFT INLA and SR Closed Form DFT, respectively, are faster versions of the algorithms INLA SR and Closed Form SR, based on 2D Fourier transform. In this new implementation the computational cost, originally O(n 3 ) is reduced to O(n 2 log(n)), with a slight loss of quality of the HR image. Additionally, the size of the arrays manipulated by the algorithm is reduced from n 2 ×n 2 to n×n (the HR image size). Experiments demonstrate that the proposed algorithms are competitive, when compared to other state-of-the-art algorithms.eng
dcterms.creatorCamponez, Marcelo Oliveira-
dcterms.formatTexteng
dcterms.issued2012-10-26-
dcterms.languagepor-
dc.publisher.countryBRpor
dc.publisher.programPrograma de Pós-Graduação em Engenharia Elétricapor
dc.publisher.initialsUFESpor
dc.subject.cnpqEletrônica Industrial, Sistemas e Controles Eletrônicospor
dc.publisher.courseDoutorado em Engenharia Elétricapor
dc.contributor.refereeDiniz, Paulo Sérgio Ramirez-
dc.contributor.refereeCoco, Klaus Fabian-
dc.contributor.refereeBrasil, Gutemberg Hespanha-
dc.contributor.refereeMascarenhas, Nelson Delfino D'Avila-
Aparece nas coleções:PPGEE - Teses de doutorado

Arquivos associados a este item:
Arquivo TamanhoFormato 
tese_3845_TeseCamponez.pdf2.59 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.