Um modelo bayesiano combinando análise semântica latente e atributos espaciais para recuperação de informação visual

Detalhes bibliográficos
Autor(a) principal: Paulo Sergio Silva Rodrigues
Data de Publicação: 2003
Tipo de documento: Tese
Idioma: por
Título da fonte: Repositório Institucional da UFMG
Texto Completo: http://hdl.handle.net/1843/SLBS-5RVN35
Resumo: Este trabalho apresenta a implementação e análise de três novas metodologias distintas para extração de características e recuperação de informações visuais em imagens digitais. A primeira é um algoritmo, chamado de GRAS (Graph Region Arrow Shot), que utiliza informações do relacionamento espacial entre as regiões da imagem. Essas características são acrescentadas às características de métodos clássicos, como histograma de cores, mapa de bordas e informações de textura. A segunda usa decomposição em valor singulares para extrair informações de co-ocorrência de características, transformando o espaco original em um novo espaçoo de trabalho, o "espaço latente". Finalmente, a terceira metodologia usa um modelo bayesiano para combinar o resultado da ordenação de métodos clássicos, obtendo uma melhor performance. Para avaliar o desempenho dos métodos, duas bases de dados são utilizadas: uma natural e outra artificial. Na base natural, que consta de diversas classes de imagens reais, classificadas manualmente, os resultados das novas técnicas foram melhores. O algoritmo GRAS obteve uma melhor performance entre todos os outros métodos
id UFMG_0fcfdfa2ba1055d6e9f100dec42530c2
oai_identifier_str oai:repositorio.ufmg.br:1843/SLBS-5RVN35
network_acronym_str UFMG
network_name_str Repositório Institucional da UFMG
repository_id_str
spelling Arnaldo de Albuquerque AraujoHani Camille YehiaDíbio Leandro BorgesPaulo Sergio Silva Rodrigues2019-08-10T11:52:05Z2019-08-10T11:52:05Z2003-03-12http://hdl.handle.net/1843/SLBS-5RVN35Este trabalho apresenta a implementação e análise de três novas metodologias distintas para extração de características e recuperação de informações visuais em imagens digitais. A primeira é um algoritmo, chamado de GRAS (Graph Region Arrow Shot), que utiliza informações do relacionamento espacial entre as regiões da imagem. Essas características são acrescentadas às características de métodos clássicos, como histograma de cores, mapa de bordas e informações de textura. A segunda usa decomposição em valor singulares para extrair informações de co-ocorrência de características, transformando o espaco original em um novo espaçoo de trabalho, o "espaço latente". Finalmente, a terceira metodologia usa um modelo bayesiano para combinar o resultado da ordenação de métodos clássicos, obtendo uma melhor performance. Para avaliar o desempenho dos métodos, duas bases de dados são utilizadas: uma natural e outra artificial. Na base natural, que consta de diversas classes de imagens reais, classificadas manualmente, os resultados das novas técnicas foram melhores. O algoritmo GRAS obteve uma melhor performance entre todos os outros métodosThis thesis presents an implementation and analysis of three new methodologies for feature extraction and retrieval of visual information of digital images. The first implemented methodology is a new algorithm, called GRAS (Graph Region Arrow Shot), which uses information from the spacial relationship between the images regions. The GRAS information is added to features of classical methods such as color histograms, edge maps and texture information. The second one uses singular value decomposition to extract information from the image context, transforming the original space in a new space, which is calledlatent space. The third methodology uses a bayesian network model which combines the results from the classical methods, achieving better performance than each method alone. For performance evaluation, two image databases are used: one natural and another artificial.In the natural database, which is composed of several manually classified natural images, the results of the new techniques are better. In the experiments, when the GRAS algorithm is used, the improvements reach up to 60% in terms of average precision.Universidade Federal de Minas GeraisUFMGProcessamento de imagens Técnicas digitaisSistemas de recuperação da informaçãoSemântica Processamento de dadosimagens digitaisrecuperação de informações visuaisUm modelo bayesiano combinando análise semântica latente e atributos espaciais para recuperação de informação visualinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFMGinstname:Universidade Federal de Minas Gerais (UFMG)instacron:UFMGORIGINALpaulosergio_rodrigues.pdfapplication/pdf915773https://repositorio.ufmg.br/bitstream/1843/SLBS-5RVN35/1/paulosergio_rodrigues.pdfc144ebae3575ae765e8861b0e0038865MD51TEXTpaulosergio_rodrigues.pdf.txtpaulosergio_rodrigues.pdf.txtExtracted texttext/plain217010https://repositorio.ufmg.br/bitstream/1843/SLBS-5RVN35/2/paulosergio_rodrigues.pdf.txtd664c25d32f191898559e63f1cfd329dMD521843/SLBS-5RVN352019-11-14 10:12:26.868oai:repositorio.ufmg.br:1843/SLBS-5RVN35Repositório de PublicaçõesPUBhttps://repositorio.ufmg.br/oaiopendoar:2019-11-14T13:12:26Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG)false
dc.title.pt_BR.fl_str_mv Um modelo bayesiano combinando análise semântica latente e atributos espaciais para recuperação de informação visual
title Um modelo bayesiano combinando análise semântica latente e atributos espaciais para recuperação de informação visual
spellingShingle Um modelo bayesiano combinando análise semântica latente e atributos espaciais para recuperação de informação visual
Paulo Sergio Silva Rodrigues
imagens digitais
recuperação de informações visuais
Processamento de imagens Técnicas digitais
Sistemas de recuperação da informação
Semântica Processamento de dados
title_short Um modelo bayesiano combinando análise semântica latente e atributos espaciais para recuperação de informação visual
title_full Um modelo bayesiano combinando análise semântica latente e atributos espaciais para recuperação de informação visual
title_fullStr Um modelo bayesiano combinando análise semântica latente e atributos espaciais para recuperação de informação visual
title_full_unstemmed Um modelo bayesiano combinando análise semântica latente e atributos espaciais para recuperação de informação visual
title_sort Um modelo bayesiano combinando análise semântica latente e atributos espaciais para recuperação de informação visual
author Paulo Sergio Silva Rodrigues
author_facet Paulo Sergio Silva Rodrigues
author_role author
dc.contributor.advisor1.fl_str_mv Arnaldo de Albuquerque Araujo
dc.contributor.referee1.fl_str_mv Hani Camille Yehia
dc.contributor.referee2.fl_str_mv Díbio Leandro Borges
dc.contributor.author.fl_str_mv Paulo Sergio Silva Rodrigues
contributor_str_mv Arnaldo de Albuquerque Araujo
Hani Camille Yehia
Díbio Leandro Borges
dc.subject.por.fl_str_mv imagens digitais
recuperação de informações visuais
topic imagens digitais
recuperação de informações visuais
Processamento de imagens Técnicas digitais
Sistemas de recuperação da informação
Semântica Processamento de dados
dc.subject.other.pt_BR.fl_str_mv Processamento de imagens Técnicas digitais
Sistemas de recuperação da informação
Semântica Processamento de dados
description Este trabalho apresenta a implementação e análise de três novas metodologias distintas para extração de características e recuperação de informações visuais em imagens digitais. A primeira é um algoritmo, chamado de GRAS (Graph Region Arrow Shot), que utiliza informações do relacionamento espacial entre as regiões da imagem. Essas características são acrescentadas às características de métodos clássicos, como histograma de cores, mapa de bordas e informações de textura. A segunda usa decomposição em valor singulares para extrair informações de co-ocorrência de características, transformando o espaco original em um novo espaçoo de trabalho, o "espaço latente". Finalmente, a terceira metodologia usa um modelo bayesiano para combinar o resultado da ordenação de métodos clássicos, obtendo uma melhor performance. Para avaliar o desempenho dos métodos, duas bases de dados são utilizadas: uma natural e outra artificial. Na base natural, que consta de diversas classes de imagens reais, classificadas manualmente, os resultados das novas técnicas foram melhores. O algoritmo GRAS obteve uma melhor performance entre todos os outros métodos
publishDate 2003
dc.date.issued.fl_str_mv 2003-03-12
dc.date.accessioned.fl_str_mv 2019-08-10T11:52:05Z
dc.date.available.fl_str_mv 2019-08-10T11:52:05Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/1843/SLBS-5RVN35
url http://hdl.handle.net/1843/SLBS-5RVN35
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade Federal de Minas Gerais
dc.publisher.initials.fl_str_mv UFMG
publisher.none.fl_str_mv Universidade Federal de Minas Gerais
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFMG
instname:Universidade Federal de Minas Gerais (UFMG)
instacron:UFMG
instname_str Universidade Federal de Minas Gerais (UFMG)
instacron_str UFMG
institution UFMG
reponame_str Repositório Institucional da UFMG
collection Repositório Institucional da UFMG
bitstream.url.fl_str_mv https://repositorio.ufmg.br/bitstream/1843/SLBS-5RVN35/1/paulosergio_rodrigues.pdf
https://repositorio.ufmg.br/bitstream/1843/SLBS-5RVN35/2/paulosergio_rodrigues.pdf.txt
bitstream.checksum.fl_str_mv c144ebae3575ae765e8861b0e0038865
d664c25d32f191898559e63f1cfd329d
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG)
repository.mail.fl_str_mv
_version_ 1801676970108387328

Registros relacionados