Busca avançada
Ano de início
Entree

Combinação de características locais e globais em aprendizagem de operadores de imagens

Processo: 15/17741-9
Modalidade de apoio:Auxílio à Pesquisa - Regular
Vigência: 01 de dezembro de 2015 - 28 de fevereiro de 2018
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
Bolsa(s) vinculada(s):16/06020-1 - Combinação de operadores no TRIOSLib, BP.TT
Assunto(s):Aprendizado computacional  Visão computacional  Processamento de imagens  Reconhecimento de padrões 
Palavra(s)-Chave do Pesquisador:Aprendizagem de Maquina | Classificação de Padrões | operadores morfológicos | Processamento de imagens | Visão Computacional | Processamento de imagens e aprendizagem de máquina

Resumo

O problema de projeto de operadores morfológicos pode ser modelado no contexto de aprendizagem de máquina como um problema de aprendizado de uma função local que mapeia o padrão observado em cada ponto da imagem para um valor de saída. Uma característica interessante dos operadores morfológicos é o fato de eles permitirem uma interpretação intuitiva de seus efeitos, uma vez que sua concepção é fortemente baseada em explorar informação de forma e de topologia. Além disso, eles são formalmente bem caracterizados por fundamentos teóricos sólidos. Porém, por construção, operadores morfológicos não possuem propriedades interessantes como invariância à escala e à rotação e também não levam em consideração informações globais ou de contexto. Neste projeto, o objetivo principal é avançar os métodos existentes para projeto de operadores morfológicos para que estes sejam capazes de tratar objetos de diferentes escalas e levem em consideração informações globais e de contexto. Para tanto, a principal ideia a ser explorada é o uso de descritores de características diversas citados na literatura da área, de forma acoplada ao arcabouço de combinação de operadores. Deverão ser investigados os aspectos teóricos, estatísticos e práticos associados. Aplicações em processamento de imagens de documentos são planejadas como meio para validação dos métodos a serem desenvolvidos. (AU)

Matéria(s) publicada(s) na Agência FAPESP sobre o auxílio:
Matéria(s) publicada(s) em Outras Mídias (0 total):
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, 14/21692-0, 11/00325-1)

Por favor, reporte erros na lista de publicações científicas escrevendo para: cdi@fapesp.br.