Redução de dimensionalidade usando agrupamento e discretização ponderada para a recuperação de imagens por conteúdo
Autor(a) principal: | |
---|---|
Data de Publicação: | 2012 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFSCAR |
Texto Completo: | https://repositorio.ufscar.br/handle/ufscar/511 |
Resumo: | This work proposes two new techniques of feature vector pre-processing to improve CBIR and image classification systems: a method of feature transformation based on the k-means clustering approach (Feature Transformation based on K-means - FTK) and a method of Weighted Feature Discretization - WFD. The FTK method employs the clustering principle of k-means to compact the feature vector space. The WFD method performs a weighted feature discretization, privileging the most important feature ranges to distinguish images. The proposed methods were employed to pre-process the feature vector in CBIR and in classification approaches, comparing the results with the pre-processing performed by PCA (a well known feature transformation method) and the original feature vector: FTK produced a reduction in the feature vector size with an improving in the query precision and a improvement in the classification accuracy; WFD improved the query precision up to and a improvement in the classification accuracy; the combination of WFD and FTK improved also the query precision and a improvement in the classification accuracy. These are very important results, especially when compared with PCA results, which leads to a minor reduction in the feature vector size, a minor increase in the query precision and a minor increase in the classification accuracy. Also the proposed approaches have linear computational cost where PCA has a cubic computational cost. The results indicate that the proposed approaches are well-suited to perform image feature vector pre-processing improving the overall quality of CBIR and classification systems. |
id |
SCAR_7f94297020f165412a255daf5716fdb2 |
---|---|
oai_identifier_str |
oai:repositorio.ufscar.br:ufscar/511 |
network_acronym_str |
SCAR |
network_name_str |
Repositório Institucional da UFSCAR |
repository_id_str |
4322 |
spelling |
Pirolla, Francisco RochaRibeiro, Marcela Xavierhttp://genos.cnpq.br:12010/dwlattes/owa/prc_imp_cv_int?f_cod=K4766919E1http://lattes.cnpq.br/96753226028594516826e1b4-6267-437b-b946-4d1cb0facd7e2016-06-02T19:06:00Z2012-12-192016-06-02T19:06:00Z2012-11-19PIROLLA, Francisco Rocha. Redução de dimensionalidade usando agrupamento e discretização ponderada para a recuperação de imagens por conteúdo. 2012. 75 f. Dissertação (Mestrado em Ciências Exatas e da Terra) - Universidade Federal de São Carlos, São Carlos, 2012.https://repositorio.ufscar.br/handle/ufscar/511This work proposes two new techniques of feature vector pre-processing to improve CBIR and image classification systems: a method of feature transformation based on the k-means clustering approach (Feature Transformation based on K-means - FTK) and a method of Weighted Feature Discretization - WFD. The FTK method employs the clustering principle of k-means to compact the feature vector space. The WFD method performs a weighted feature discretization, privileging the most important feature ranges to distinguish images. The proposed methods were employed to pre-process the feature vector in CBIR and in classification approaches, comparing the results with the pre-processing performed by PCA (a well known feature transformation method) and the original feature vector: FTK produced a reduction in the feature vector size with an improving in the query precision and a improvement in the classification accuracy; WFD improved the query precision up to and a improvement in the classification accuracy; the combination of WFD and FTK improved also the query precision and a improvement in the classification accuracy. These are very important results, especially when compared with PCA results, which leads to a minor reduction in the feature vector size, a minor increase in the query precision and a minor increase in the classification accuracy. Also the proposed approaches have linear computational cost where PCA has a cubic computational cost. The results indicate that the proposed approaches are well-suited to perform image feature vector pre-processing improving the overall quality of CBIR and classification systems.Neste trabalho, propomos diminuir o gap semântico e os problemas de maldição de dimensionalidade apresentando duas técnicas de préprocessamento do vetor de características com o objetivo de melhorar a recuperação de imagens baseada em conteúdo e sistemas de classificação de imagens: um método de redução de dimensionalidade do vetor de características original, baseado no algoritmo k-means, chamado FTK (Feature Transformation based on K-means) e um método de discretização ponderada de características que privilegia as faixas de características mais importantes para distinguir imagens, chamado WFD (Weighted Feature Discretization). Os métodos propostos foram utilizados para pré-processar os vetores de características nas abordagens CBIR e classificação, comparando o pré-processamento executado pelo método PCA e os resultados dos vetores de características originais. O algoritmo FTK promoveu uma redução no tamanho do vetor de características com uma melhoria na precisão da consulta e na precisão de classificação. O algoritmo WFD melhorou a precisão da consulta e classificação; a combinação de dos dois algoritmos propostos também melhorou a precisão da consulta e classificação. Estes resultados são muito importantes, especialmente quando comparados com os resultados do método PCA, que também leva a uma redução no tamanho do vetor de características, a um menor aumento na precisão da consulta e a menor aumento na precisão da classificação. Além disso, as técnicas propostas têm custo computacional linear, enquanto o PCA tem um custo computacional cúbico. Os resultados indicam que os métodos propostos são abordagens adequadas para realizar pré-processamento dos vetores de características de imagens em sistemas CBIR e em sistemas de classificação.Universidade Federal de Sao Carlosapplication/pdfporUniversidade Federal de São CarlosPrograma de Pós-Graduação em Ciência da Computação - PPGCCUFSCarBRProcessamento de imagensDiscretizaçãoPréprocessamentoCBIRTransformação de característicasVetor de característicasAgrupamentoClassificaçãoFeature transformationDiscretizationPre-processingFeature vectorClusteringCBIRClassificationCIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAORedução de dimensionalidade usando agrupamento e discretização ponderada para a recuperação de imagens por conteúdoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesis-1-104d8be23-7330-4147-baf0-14545dd9cbdfinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFSCARinstname:Universidade Federal de São Carlos (UFSCAR)instacron:UFSCARORIGINAL4756.pdfapplication/pdf1515606https://repositorio.ufscar.br/bitstream/ufscar/511/1/4756.pdf12146689055c9826f258e527c3ae001aMD51TEXT4756.pdf.txt4756.pdf.txtExtracted texttext/plain0https://repositorio.ufscar.br/bitstream/ufscar/511/2/4756.pdf.txtd41d8cd98f00b204e9800998ecf8427eMD52THUMBNAIL4756.pdf.jpg4756.pdf.jpgIM Thumbnailimage/jpeg8840https://repositorio.ufscar.br/bitstream/ufscar/511/3/4756.pdf.jpg0a3069754a5d0c020c8cfd1962abcc31MD53ufscar/5112023-09-18 18:31:27.419oai:repositorio.ufscar.br:ufscar/511Repositório InstitucionalPUBhttps://repositorio.ufscar.br/oai/requestopendoar:43222023-09-18T18:31:27Repositório Institucional da UFSCAR - Universidade Federal de São Carlos (UFSCAR)false |
dc.title.por.fl_str_mv |
Redução de dimensionalidade usando agrupamento e discretização ponderada para a recuperação de imagens por conteúdo |
title |
Redução de dimensionalidade usando agrupamento e discretização ponderada para a recuperação de imagens por conteúdo |
spellingShingle |
Redução de dimensionalidade usando agrupamento e discretização ponderada para a recuperação de imagens por conteúdo Pirolla, Francisco Rocha Processamento de imagens Discretização Préprocessamento CBIR Transformação de características Vetor de características Agrupamento Classificação Feature transformation Discretization Pre-processing Feature vector Clustering CBIR Classification CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
title_short |
Redução de dimensionalidade usando agrupamento e discretização ponderada para a recuperação de imagens por conteúdo |
title_full |
Redução de dimensionalidade usando agrupamento e discretização ponderada para a recuperação de imagens por conteúdo |
title_fullStr |
Redução de dimensionalidade usando agrupamento e discretização ponderada para a recuperação de imagens por conteúdo |
title_full_unstemmed |
Redução de dimensionalidade usando agrupamento e discretização ponderada para a recuperação de imagens por conteúdo |
title_sort |
Redução de dimensionalidade usando agrupamento e discretização ponderada para a recuperação de imagens por conteúdo |
author |
Pirolla, Francisco Rocha |
author_facet |
Pirolla, Francisco Rocha |
author_role |
author |
dc.contributor.authorlattes.por.fl_str_mv |
http://lattes.cnpq.br/9675322602859451 |
dc.contributor.author.fl_str_mv |
Pirolla, Francisco Rocha |
dc.contributor.advisor1.fl_str_mv |
Ribeiro, Marcela Xavier |
dc.contributor.advisor1Lattes.fl_str_mv |
http://genos.cnpq.br:12010/dwlattes/owa/prc_imp_cv_int?f_cod=K4766919E1 |
dc.contributor.authorID.fl_str_mv |
6826e1b4-6267-437b-b946-4d1cb0facd7e |
contributor_str_mv |
Ribeiro, Marcela Xavier |
dc.subject.por.fl_str_mv |
Processamento de imagens Discretização Préprocessamento CBIR Transformação de características Vetor de características Agrupamento Classificação |
topic |
Processamento de imagens Discretização Préprocessamento CBIR Transformação de características Vetor de características Agrupamento Classificação Feature transformation Discretization Pre-processing Feature vector Clustering CBIR Classification CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
dc.subject.eng.fl_str_mv |
Feature transformation Discretization Pre-processing Feature vector Clustering CBIR Classification |
dc.subject.cnpq.fl_str_mv |
CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
description |
This work proposes two new techniques of feature vector pre-processing to improve CBIR and image classification systems: a method of feature transformation based on the k-means clustering approach (Feature Transformation based on K-means - FTK) and a method of Weighted Feature Discretization - WFD. The FTK method employs the clustering principle of k-means to compact the feature vector space. The WFD method performs a weighted feature discretization, privileging the most important feature ranges to distinguish images. The proposed methods were employed to pre-process the feature vector in CBIR and in classification approaches, comparing the results with the pre-processing performed by PCA (a well known feature transformation method) and the original feature vector: FTK produced a reduction in the feature vector size with an improving in the query precision and a improvement in the classification accuracy; WFD improved the query precision up to and a improvement in the classification accuracy; the combination of WFD and FTK improved also the query precision and a improvement in the classification accuracy. These are very important results, especially when compared with PCA results, which leads to a minor reduction in the feature vector size, a minor increase in the query precision and a minor increase in the classification accuracy. Also the proposed approaches have linear computational cost where PCA has a cubic computational cost. The results indicate that the proposed approaches are well-suited to perform image feature vector pre-processing improving the overall quality of CBIR and classification systems. |
publishDate |
2012 |
dc.date.available.fl_str_mv |
2012-12-19 2016-06-02T19:06:00Z |
dc.date.issued.fl_str_mv |
2012-11-19 |
dc.date.accessioned.fl_str_mv |
2016-06-02T19:06:00Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
PIROLLA, Francisco Rocha. Redução de dimensionalidade usando agrupamento e discretização ponderada para a recuperação de imagens por conteúdo. 2012. 75 f. Dissertação (Mestrado em Ciências Exatas e da Terra) - Universidade Federal de São Carlos, São Carlos, 2012. |
dc.identifier.uri.fl_str_mv |
https://repositorio.ufscar.br/handle/ufscar/511 |
identifier_str_mv |
PIROLLA, Francisco Rocha. Redução de dimensionalidade usando agrupamento e discretização ponderada para a recuperação de imagens por conteúdo. 2012. 75 f. Dissertação (Mestrado em Ciências Exatas e da Terra) - Universidade Federal de São Carlos, São Carlos, 2012. |
url |
https://repositorio.ufscar.br/handle/ufscar/511 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.confidence.fl_str_mv |
-1 -1 |
dc.relation.authority.fl_str_mv |
04d8be23-7330-4147-baf0-14545dd9cbdf |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Universidade Federal de São Carlos |
dc.publisher.program.fl_str_mv |
Programa de Pós-Graduação em Ciência da Computação - PPGCC |
dc.publisher.initials.fl_str_mv |
UFSCar |
dc.publisher.country.fl_str_mv |
BR |
publisher.none.fl_str_mv |
Universidade Federal de São Carlos |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFSCAR instname:Universidade Federal de São Carlos (UFSCAR) instacron:UFSCAR |
instname_str |
Universidade Federal de São Carlos (UFSCAR) |
instacron_str |
UFSCAR |
institution |
UFSCAR |
reponame_str |
Repositório Institucional da UFSCAR |
collection |
Repositório Institucional da UFSCAR |
bitstream.url.fl_str_mv |
https://repositorio.ufscar.br/bitstream/ufscar/511/1/4756.pdf https://repositorio.ufscar.br/bitstream/ufscar/511/2/4756.pdf.txt https://repositorio.ufscar.br/bitstream/ufscar/511/3/4756.pdf.jpg |
bitstream.checksum.fl_str_mv |
12146689055c9826f258e527c3ae001a d41d8cd98f00b204e9800998ecf8427e 0a3069754a5d0c020c8cfd1962abcc31 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFSCAR - Universidade Federal de São Carlos (UFSCAR) |
repository.mail.fl_str_mv |
|
_version_ |
1813715503394324480 |