Projeto automático de operadores: explorando conhecimentos a priori

Detalhes bibliográficos
Autor(a) principal: Hirata, Nina Sumiko Tomita
Data de Publicação: 2000
Tipo de documento: Tese
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da USP
Texto Completo: https://teses.usp.br/teses/disponiveis/45/45134/tde-20220712-115205/
Resumo: A morfologia matemática vem sendo largamente utilizada para processamento e análise de imagens digitais. O projeto de operadores morfológicos é em geral realizado de forma heurística. Devido à dificuldade inerente a este procedimento, técnicas de projeto automático são de grande importância e interesse. Várias abordagens neste sentido vêm sendo propostas, dentre elas técnicas que projetam operadores a partir de exemplos de treinamento (obtidos de amostras de imagens observadas-ideais) que representam de forma simples a transformação desejada pelo usuário. Tomando uma técnica de projeto de operadores baseada no modelo de aprendizado PAC (do inglês, 'Probably Approximately Correct') como ponto de partida, investigamos de forma geral algumas das limitações dessas abordagens. Com base nessa investigação, estudamos o projeto de W-operadores, colocando ênfase sobre questões relacionadas com a precisão de operadores projetados a partir de uma quantidade limitada de exemplos de treinamento. Os frutos deste estudo, apresentamos neste trabalho, são técnicas que exploram conhecimentos sobre o problema que desejamos resolver para projetar operadores mais precisos e algoritmos eficientes para implementar as mesmas. Soluções para problemas reais de processamento de imagens ilustram a aplicação das técnicas propostas
id USP_272b1e7fb865d62649a6fa9a6a0475ab
oai_identifier_str oai:teses.usp.br:tde-20220712-115205
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str 2721
spelling Projeto automático de operadores: explorando conhecimentos a priorinot availableComputação GráficaProcessamento De ImagensA morfologia matemática vem sendo largamente utilizada para processamento e análise de imagens digitais. O projeto de operadores morfológicos é em geral realizado de forma heurística. Devido à dificuldade inerente a este procedimento, técnicas de projeto automático são de grande importância e interesse. Várias abordagens neste sentido vêm sendo propostas, dentre elas técnicas que projetam operadores a partir de exemplos de treinamento (obtidos de amostras de imagens observadas-ideais) que representam de forma simples a transformação desejada pelo usuário. Tomando uma técnica de projeto de operadores baseada no modelo de aprendizado PAC (do inglês, 'Probably Approximately Correct') como ponto de partida, investigamos de forma geral algumas das limitações dessas abordagens. Com base nessa investigação, estudamos o projeto de W-operadores, colocando ênfase sobre questões relacionadas com a precisão de operadores projetados a partir de uma quantidade limitada de exemplos de treinamento. Os frutos deste estudo, apresentamos neste trabalho, são técnicas que exploram conhecimentos sobre o problema que desejamos resolver para projetar operadores mais precisos e algoritmos eficientes para implementar as mesmas. Soluções para problemas reais de processamento de imagens ilustram a aplicação das técnicas propostasMathematical morphology is being widely used in image processing and analysis. Designing morphological operators is usually done by heuristic methods. However, due to the inherent difficulty of such procedures, automatic design techniques are of increasing interest. In recent years, several approaches for the automatic design of morphological operators have been proposed. Some of them are based on learning from training examples (sampled from observed-ideal pairs of images representing the desired image processing mapping). Starting from a technique based on PAC (probably Approximately Correct) learning model, we investigate some limitations of those approaches. From this investigation, we study the design ofW-operators emphatizing questions related with precision of operators designed from a limited number of training examples. The results of this study, presented in this work, are techniques which exploit knowledge (about the image processing problem being solved) in order to design more accurate operators and efficient algorithms for implementing them. Solutions for some real image processing problems are given to illustrate the application of the proposed techniquesBiblioteca Digitais de Teses e Dissertações da USPBarrera, JúniorHirata, Nina Sumiko Tomita2000-10-05info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisapplication/pdfhttps://teses.usp.br/teses/disponiveis/45/45134/tde-20220712-115205/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2022-07-13T18:29:53Zoai:teses.usp.br:tde-20220712-115205Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212022-07-13T18:29:53Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.none.fl_str_mv Projeto automático de operadores: explorando conhecimentos a priori
not available
title Projeto automático de operadores: explorando conhecimentos a priori
spellingShingle Projeto automático de operadores: explorando conhecimentos a priori
Hirata, Nina Sumiko Tomita
Computação Gráfica
Processamento De Imagens
title_short Projeto automático de operadores: explorando conhecimentos a priori
title_full Projeto automático de operadores: explorando conhecimentos a priori
title_fullStr Projeto automático de operadores: explorando conhecimentos a priori
title_full_unstemmed Projeto automático de operadores: explorando conhecimentos a priori
title_sort Projeto automático de operadores: explorando conhecimentos a priori
author Hirata, Nina Sumiko Tomita
author_facet Hirata, Nina Sumiko Tomita
author_role author
dc.contributor.none.fl_str_mv Barrera, Júnior
dc.contributor.author.fl_str_mv Hirata, Nina Sumiko Tomita
dc.subject.por.fl_str_mv Computação Gráfica
Processamento De Imagens
topic Computação Gráfica
Processamento De Imagens
description A morfologia matemática vem sendo largamente utilizada para processamento e análise de imagens digitais. O projeto de operadores morfológicos é em geral realizado de forma heurística. Devido à dificuldade inerente a este procedimento, técnicas de projeto automático são de grande importância e interesse. Várias abordagens neste sentido vêm sendo propostas, dentre elas técnicas que projetam operadores a partir de exemplos de treinamento (obtidos de amostras de imagens observadas-ideais) que representam de forma simples a transformação desejada pelo usuário. Tomando uma técnica de projeto de operadores baseada no modelo de aprendizado PAC (do inglês, 'Probably Approximately Correct') como ponto de partida, investigamos de forma geral algumas das limitações dessas abordagens. Com base nessa investigação, estudamos o projeto de W-operadores, colocando ênfase sobre questões relacionadas com a precisão de operadores projetados a partir de uma quantidade limitada de exemplos de treinamento. Os frutos deste estudo, apresentamos neste trabalho, são técnicas que exploram conhecimentos sobre o problema que desejamos resolver para projetar operadores mais precisos e algoritmos eficientes para implementar as mesmas. Soluções para problemas reais de processamento de imagens ilustram a aplicação das técnicas propostas
publishDate 2000
dc.date.none.fl_str_mv 2000-10-05
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 https://teses.usp.br/teses/disponiveis/45/45134/tde-20220712-115205/
url https://teses.usp.br/teses/disponiveis/45/45134/tde-20220712-115205/
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv
dc.rights.driver.fl_str_mv Liberar o conteúdo para acesso público.
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Liberar o conteúdo para acesso público.
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.coverage.none.fl_str_mv
dc.publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
dc.source.none.fl_str_mv
reponame:Biblioteca Digital de Teses e Dissertações da USP
instname:Universidade de São Paulo (USP)
instacron:USP
instname_str Universidade de São Paulo (USP)
instacron_str USP
institution USP
reponame_str Biblioteca Digital de Teses e Dissertações da USP
collection Biblioteca Digital de Teses e Dissertações da USP
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)
repository.mail.fl_str_mv virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br
_version_ 1815257216457900032

Registros relacionados