Recuperação de imagens multiespectrais por sensoriamento compressivo com o uso de câmeras de pixel único e algoritmos convexos de programação linear

Detalhes bibliográficos
Autor(a) principal: Fabbri Junior, Carlos
Data de Publicação: 2020
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da USP
Texto Completo: https://www.teses.usp.br/teses/disponiveis/3/3143/tde-05042021-150339/
Resumo: O presente trabalho mostra uma nova metodologia para a aquisição de imagens do espectro visível, IR e UV usando um número significativamente menor de amostras do que a teoria convencional de Shannon-Nyquist recomenda. Essa nova metodologia é baseada em uma teoria inovadora e revolucionária chamada de Compressed Sensing ou sensoriamento compressivo. Ela propõe um novo método de captura das informações essenciais da imagem ou objeto sendo amostrados, baseado no conhecimento de que essas informações são esparsas em uma determinada base de representação da informação. Duas características fundamentais para esse feito são a esparsidade da imagem e a incoerência entre a base de representação e a base de medida do objeto. Algoritmos de programação linear foram desenvolvidos para reconstruir a imagem original a partir das amostras obtidas, com alto grau de sucesso. O presente trabalho explica o funcionamento de um destes algoritmos etapa por etapa. Exemplos de imagens reconstruídas usando um dos algoritmos propostos fazem parte do presente trabalho.
id USP_5c649acce0ed001f14ba64b65badfca5
oai_identifier_str oai:teses.usp.br:tde-05042021-150339
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str 2721
spelling Recuperação de imagens multiespectrais por sensoriamento compressivo com o uso de câmeras de pixel único e algoritmos convexos de programação linearCompressive sensing multispectral images recovering by using single pixel camera and linear programming convex algorithms.AmostragemCompressed sensingCompressive sampling SparsityDimensionality reductionImage processingImage recoveryImagens (Recuperação)Processamento de imagensSamplingSensoriamento compressivoO presente trabalho mostra uma nova metodologia para a aquisição de imagens do espectro visível, IR e UV usando um número significativamente menor de amostras do que a teoria convencional de Shannon-Nyquist recomenda. Essa nova metodologia é baseada em uma teoria inovadora e revolucionária chamada de Compressed Sensing ou sensoriamento compressivo. Ela propõe um novo método de captura das informações essenciais da imagem ou objeto sendo amostrados, baseado no conhecimento de que essas informações são esparsas em uma determinada base de representação da informação. Duas características fundamentais para esse feito são a esparsidade da imagem e a incoerência entre a base de representação e a base de medida do objeto. Algoritmos de programação linear foram desenvolvidos para reconstruir a imagem original a partir das amostras obtidas, com alto grau de sucesso. O presente trabalho explica o funcionamento de um destes algoritmos etapa por etapa. Exemplos de imagens reconstruídas usando um dos algoritmos propostos fazem parte do presente trabalho.The present work shows a new metodology for the capture of IR, UV and visible images using a significantly smaller number of samples as dictated by the main Shannon-Nyquist sampling theory. This new metodology is based on a revolutionary and innovative theory called compressed sensing or compressive sampling. This theory proposes a new method for capturing the main information of the image or the object being sampled, based on the knowledge that these informations are sparse on a specific information coding base. Two essential caractheristics for this feature are sparsity of the image and the incoherence between the coding base and the measurement base. Linear programming algorithms were developed to reconstruct the original image from the samples obtained, with high level of success. The present work explains step by step the working principle of such algorithm. Examples of reconstructed images using the proposed algorithms are included in this work.Biblioteca Digitais de Teses e Dissertações da USPSantos, Josemir CoelhoFabbri Junior, Carlos2020-07-10info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://www.teses.usp.br/teses/disponiveis/3/3143/tde-05042021-150339/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/openAccesspor2021-04-06T15:59:02Zoai:teses.usp.br:tde-05042021-150339Biblioteca 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:27212021-04-06T15:59:02Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.none.fl_str_mv Recuperação de imagens multiespectrais por sensoriamento compressivo com o uso de câmeras de pixel único e algoritmos convexos de programação linear
Compressive sensing multispectral images recovering by using single pixel camera and linear programming convex algorithms.
title Recuperação de imagens multiespectrais por sensoriamento compressivo com o uso de câmeras de pixel único e algoritmos convexos de programação linear
spellingShingle Recuperação de imagens multiespectrais por sensoriamento compressivo com o uso de câmeras de pixel único e algoritmos convexos de programação linear
Fabbri Junior, Carlos
Amostragem
Compressed sensing
Compressive sampling Sparsity
Dimensionality reduction
Image processing
Image recovery
Imagens (Recuperação)
Processamento de imagens
Sampling
Sensoriamento compressivo
title_short Recuperação de imagens multiespectrais por sensoriamento compressivo com o uso de câmeras de pixel único e algoritmos convexos de programação linear
title_full Recuperação de imagens multiespectrais por sensoriamento compressivo com o uso de câmeras de pixel único e algoritmos convexos de programação linear
title_fullStr Recuperação de imagens multiespectrais por sensoriamento compressivo com o uso de câmeras de pixel único e algoritmos convexos de programação linear
title_full_unstemmed Recuperação de imagens multiespectrais por sensoriamento compressivo com o uso de câmeras de pixel único e algoritmos convexos de programação linear
title_sort Recuperação de imagens multiespectrais por sensoriamento compressivo com o uso de câmeras de pixel único e algoritmos convexos de programação linear
author Fabbri Junior, Carlos
author_facet Fabbri Junior, Carlos
author_role author
dc.contributor.none.fl_str_mv Santos, Josemir Coelho
dc.contributor.author.fl_str_mv Fabbri Junior, Carlos
dc.subject.por.fl_str_mv Amostragem
Compressed sensing
Compressive sampling Sparsity
Dimensionality reduction
Image processing
Image recovery
Imagens (Recuperação)
Processamento de imagens
Sampling
Sensoriamento compressivo
topic Amostragem
Compressed sensing
Compressive sampling Sparsity
Dimensionality reduction
Image processing
Image recovery
Imagens (Recuperação)
Processamento de imagens
Sampling
Sensoriamento compressivo
description O presente trabalho mostra uma nova metodologia para a aquisição de imagens do espectro visível, IR e UV usando um número significativamente menor de amostras do que a teoria convencional de Shannon-Nyquist recomenda. Essa nova metodologia é baseada em uma teoria inovadora e revolucionária chamada de Compressed Sensing ou sensoriamento compressivo. Ela propõe um novo método de captura das informações essenciais da imagem ou objeto sendo amostrados, baseado no conhecimento de que essas informações são esparsas em uma determinada base de representação da informação. Duas características fundamentais para esse feito são a esparsidade da imagem e a incoerência entre a base de representação e a base de medida do objeto. Algoritmos de programação linear foram desenvolvidos para reconstruir a imagem original a partir das amostras obtidas, com alto grau de sucesso. O presente trabalho explica o funcionamento de um destes algoritmos etapa por etapa. Exemplos de imagens reconstruídas usando um dos algoritmos propostos fazem parte do presente trabalho.
publishDate 2020
dc.date.none.fl_str_mv 2020-07-10
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.uri.fl_str_mv https://www.teses.usp.br/teses/disponiveis/3/3143/tde-05042021-150339/
url https://www.teses.usp.br/teses/disponiveis/3/3143/tde-05042021-150339/
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_ 1815256690023464960

Registros relacionados