Busca avançada
Ano de início
Entree

Desafios em projeto multinível de operadores morfológicos

Processo: 11/00325-1
Modalidade de apoio:Auxílio à Pesquisa - Regular
Data de Início da vigência: 01 de abril de 2011
Data de Término da vigência: 31 de março de 2013
Área do conhecimento:Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
Pesquisador responsável:Nina Sumiko Tomita Hirata
Beneficiário:Nina Sumiko Tomita Hirata
Instituição Sede: Instituto de Matemática e Estatística (IME). Universidade de São Paulo (USP). São Paulo , SP, Brasil
Pesquisadores associados:Roberto Hirata Junior
Assunto(s):Processamento de imagens  Aprendizado computacional 
Palavra(s)-Chave do Pesquisador:Aprendizagem computacional | Combinação de Classificadores | Morfologia Matemática | Processamento de imagens | Processamento de imagens

Resumo

Projetar operadores morfológicos que apresentam bom desempenho em problemas de processamento e análise de imagens não é, em geral, uma tarefa simples. Uma abordagem útil para auxiliar o projeto de operadores é sua formulação como um problema de aprendizagem computacional: pares de imagens entrada-saída são utilizados como amostras de treinamento para gerar, via técnicas de aprendizagem computacional, um operador que procura mapear as imagens de entrada para as respectivas imagens de saída. No contexto considerado, esses operadores são caracterizados por uma função local que depende de uma vizinhança na imagem em torno do ponto a ser processado. Vizinhanças muito pequenas restringem a classe de operadores, gerando erro de restrição, e vizinhanças muito grandes resultam em imprecisão, gerando muita variância. Uma abordagem promissora recentemente proposta para balancear esses dois tipos de erro no caso de operadores binários é o projeto multinível de operadores. Nessa abordagem, o treinamento é realizado em múltiplos níveis, de forma a combinar em cada nível os resultados dos níveis anteriores. A escolha dos parâmetros dessa abordagem multinível tem sido realizada, por enquanto, manualmente. Este projeto de pesquisa pretende investigar aspectos práticos e teóricos dessa abordagem; em particular, pretende automatizar a escolha de parâmetros e estender a abordagem multinível para operadores sobre imagens em tons e cinza. (AU)

Matéria(s) publicada(s) na Agência FAPESP sobre o auxílio:
Mais itensMenos itens
Matéria(s) publicada(s) em Outras Mídias ( ):
Mais itensMenos itens
VEICULO: TITULO (DATA)
VEICULO: TITULO (DATA)

Publicações científicas
(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)
MONTAGNER, IGOR S.; HIRATA, NINA S. T.; HIRATA, JR., ROBERTO. Staff removal using image operator learning. PATTERN RECOGNITION, v. 63, p. 310-320, . (11/23310-0, 15/17741-9, 11/00325-1, 14/21692-0)
DORNELLES, MARTA M.; HIRATA, NINA S. T.; IEEE. A genetic algorithm based approach for combining binary image operators. 2012 21ST INTERNATIONAL CONFERENCE ON PATTERN RECOGNITION (ICPR 2012), v. N/A, p. 4-pg., . (11/00325-1)