Busca avançada
Ano de início
Entree

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

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)

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, MAR 2017. Citações Web of Science: 4.

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