Busca avançada
Ano de início
Entree

Projeto automático de operadores de imagens: extensão e contextualização para reticulados não necessariamente booleanos

Processo: 11/23310-0
Linha de fomento:Bolsas no Brasil - Doutorado Direto
Vigência (Início): 01 de abril de 2012
Vigência (Término): 31 de março de 2017
Área do conhecimento:Ciências Exatas e da Terra - Ciência da Computação
Pesquisador responsável:Roberto Hirata Junior
Beneficiário:Igor dos Santos Montagner
Instituição-sede: Instituto de Matemática e Estatística (IME). Universidade de São Paulo (USP). São Paulo , SP, Brasil
Bolsa(s) vinculada(s):14/21692-0 - Explorando representações de alto nível em aprendizado automático de operadores, BE.EP.DD
Assunto(s):Processamento de imagens   Aprendizado computacional   Python   Morfologia matemática   Reticulados   Álgebras de Boole

Resumo

A pesquisa em projeto automático de operadores entre imagens tem como motivação o fato de não ser fácil concatenar operadores de imagens e ajustar os seus parâmetros para resolver um problema. Avanços significativos nessa pesquisa foram feitos no âmbito dos reticulados booleanos, isto é, no projeto de operadores entre imagens binárias. O mesmo não ocorreu no caso dos reticulados não booleanos. Uma das principais razões disso é que, neste caso, os desafios que são impostos são ainda maiores, principalmente pelo fato do tamanho do espaço de hipóteses (número de operadores) ser dado por $k^{k^|W|}$, onde $|W|$ é o tamanho da vizinhança analisada para a estimação do operador e $k$ é a quantidade de níveis de cinza considerados. O objetivo deste projeto é avançar o estado-da-arte do projeto de operadores para níveis de cinza e aplicar o método a problemas reais de grande importância como a segmentação de imagens e a detecção de marcadores em imagens. Um segundo objetivo de igual importância é a disponibilização de uma biblioteca, de código aberto, para a comunidade científica com os métodos pesquisados e implementados durante o projeto. Essa biblioteca estará integrada ao Python, o que aumentará o impacto do trabalho pois a comunidade poderá usar-se dela para resolver seus problemas de imagens. (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.
Publicações acadêmicas
(Referências obtidas automaticamente das Instituições de Ensino e Pesquisa do Estado de São Paulo)
MONTAGNER, Igor dos Santos. Aprendizado de w-operadores usando modelos lineares para imagens binárias e em níveis de cinza. 2017. Tese de Doutorado - Universidade de São Paulo (USP). Instituto de Matemática e Estatística São Paulo.

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