Restauração de imagens com técnicas de aprendizado de máquina

• Processo: 19/08636-8
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de agosto de 2019
• Data de Término da vigência: 31 de julho de 2020
• Área de conhecimento: Engenharias - Engenharia Elétrica
• Pesquisador responsável: Magno Teófilo Madeira da Silva
• Beneficiário: Guilherme Albuquerque Lizarzaburu
• Instituição Sede: Escola Politécnica (EP). Universidade de São Paulo (USP). São Paulo , SP, Brasil
• Assunto(s): Processamento de imagens Aprendizado computacional Redes neurais (computação)
• Palavra(s)-Chave do Pesquisador: Aprendizado de Máquina | Processamento de imagens | Redes neuronais | Restauração de Imagens | Processamento de sinais e imagens

Resumo

Recentemente, soluções baseadas em aprendizado de máquina para restauração de imagens têm sido propostas na literatura. Em geral, as distorções de imagens são modeladas por funções de espalhamento de ponto (PSFs - point spread functions) lineares e invariantes no espaço. No entanto, essas distorções são não lineares na prática, o que justifica o uso de soluções não lineares para mitigar o efeito das mesmas. Neste trabalho de Iniciação Científica, pretende-se utilizar redes neuronais para melhorar a qualidade de imagens. Particularmente, serão considerados três tipos de rede: (I) perceptron multicamada (multilayerperceptron - MLP), (II) convolucional (convolutional neural network - CNN) e (III) gerativa adversária (generative adversarial network - GAN). Pretende-se estudar a viabilidade de se treinar essas redes para maximizar o índice de similaridade estrutural média, medida que leva em conta características do sistema visual humano e tem sido amplamente usada na literatura para comparar a similaridade entre duas imagens. Por fim, para obter bons resultados independentemente do tipo de distorção, pretende-se ainda combinar essas redes em uma mistura de especialistas (mixture of experts).