Uso de deep learning para codificação da transmissão de imagem subaquática

Detalhes bibliográficos
Ano de defesa: 2023
Autor(a) principal: Paula, Débora Debiaze de
Orientador(a): Botelho, Silvia Silva da Costa, Moraes, Felipe Codevilla, Rodrigues, Ricardo Nagel
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Link de acesso: https://repositorio.furg.br/handle/123456789/13216
Resumo: Dissertação de Mestrado
id FURG_55b36445feb179496367e0abbb3ca1bc
oai_identifier_str oai:repositorio.furg.br:123456789/13216
network_acronym_str FURG
network_name_str Repositório Institucional da FURG (RI FURG)
repository_id_str
spelling Paula, Débora Debiaze de4ec55ac1-22cc-485d-9319-0aaaffa9ac99Botelho, Silvia Silva da CostaMoraes, Felipe CodevillaRodrigues, Ricardo Nagel2026-03-25T15:28:10Z2023PAULA, Débora Debiaze de. Uso de deep learning para codificação da transmissão de imagem subaquática. 2023. 104 f. Dissertação (mestrado) - Programa de Pós-Graduação em Computação, Centro de Ciências Computacionais, Universidade Federal do Rio Grande, Rio Grande, 2023.https://repositorio.furg.br/handle/123456789/13216Dissertação de MestradoDiversas tarefas como a pesquisa, monitoramento dos oceanos, transporte, mineração marinha e a exploração de petróleo e gás são realizadas com o auxílio de veículos su- baquáticos não tripulados, visto que sua evolução tecnológica permitiu que realizassem tarefas cada vez mais complexas e em grandes profundidades. A comunicação acústica é utilizada para estabelecer comunicação subaquática sem fio entre o veículo e a estação de apoio, onde se encontra o operador. Porém, esse tipo de comunicação é desafiadora em função da natureza do ambiente subaquático, que ocasiona limitações nos canais de comunicação devido à largura de banda limitada e atenuação de sinal, que resulta em perda de informação. Para aplicações em tempo real, essas perdas interferem no enten- dimento dos eventos. Uma maneira de contornar essa situação é mandar essa informação de forma compacta. Em missões submarinas, as imagens que geralmente são armazena- das possuem pouca possibilidade de uso, devido às suas características de não variação. Determinar a compressão aplicada, de acordo com a quantidade de informação presente em uma imagem é uma alternativa. Assim, nessa dissertação é proposto um estudo e aplicação da codificação de imagens subaquáticas utilizando o Autoencoder Variacional. A principal vantagem desta técnica de compressão de imagem é sua baixa distorção e alta taxa de bits. É apresentada uma alternativa para obtenção de imagens subaquáticas, devido a dificuldade de adquirir grande quantidade das mesmas. Também é discutido o uso do SIFT como uma tentativa de métrica para quantificar a variação da informação em uma imagem. Para avaliação da técnica proposta é utilizada a métrica de qualidade Relação Sinal-Ruído de Pico (PSNR), como também o Bits por Pixel (BPP) para avaliar o nível de compressão alcançado. Several tasks such as research, ocean monitoring, transportation, marine mining, and oil and gas exploration are performed with the help of unmanned underwater vehicles, since their technological evolution have allowed them to perform complex tasks at great depths. Acoustic communication is used to establish wireless underwater communication between the vehicle and the support station where the operator is located. However, this type of communication is a challenge due to the nature of the underwater environment, that causes limitations in communication channels due to limited bandwidth and signal attenuation, which results in loss of information. For real-time applications, these losses interfere with the understanding of events. One way to get around this situation is to send this information in a compact form. In underwater missions, the images that are usually stored have little possibility of use, due to their non-variation characteristics. Determining the applied compression, according to the amount of information present in an image, is one alternative. Thus, in this dissertation a study and application of underwater image en- coding using the Variational Autoencoder is proposed. The main advantage of this image compression technique is its low distortion and high bit rate. It is presented an alternative for obtaining underwater images, due to the difficulty of acquiring large amounts of them. Also is discussed the use of SIFT as an attempted metric for quantifying information vari- ation in an image. To evaluate the proposed technique the Peak Signal-to-Noise Ratio (PSNR) quality metric is used, as well as the Bits per Pixel (BPP) to evaluate the level of compression achieved.porCodificação de Imagens SubaquáticasAutoencoder VariacionalComunicação SubaquáticaCompressãoSIFTDeep LearningUnderwater Image EncodingVariational AutoencoderUnderwater CommunicationCompressionUso de deep learning para codificação da transmissão de imagem subaquáticaUse of Deep Learning for Transmission Encoding of Underwater Imageinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesis-1info:eu-repo/semantics/openAccessreponame:Repositório Institucional da FURG (RI FURG)instname:Universidade Federal do Rio Grande (FURG)instacron:FURGORIGINALDissertação - Débora Debiaze de Paula.pdfDissertação - Débora Debiaze de Paula.pdfapplication/pdf16273336https://repositorio.furg.br/bitstreams/11c8c551-c505-46f0-9e31-5e9b98908305/download3b14469c374bfa1336034c55afda5227MD51trueAnonymousREADLICENSElicense.txtWritten by org.dspace.content.LicenseUtilstext/plain; charset=utf-81748https://repositorio.furg.br/bitstreams/53e2cdae-a419-4d83-a788-86e9620914d5/downloadbb9bdc0b3349e4284e09149f943790b4MD52falseAnonymousREADTEXTDissertação - Débora Debiaze de Paula.pdf.txtWritten by FormatFilter org.dspace.app.mediafilter.TikaTextExtractionFilter on 2026-03-26T05:55:48Z (GMT).Extracted texttext/plain103248https://repositorio.furg.br/bitstreams/9c6e3f7b-ee1f-469b-a4a7-787381cc61b5/downloadcbfc9bab796e78abd997d413ec39fe3aMD53falseAnonymousREADTHUMBNAILDissertação - Débora Debiaze de Paula.pdf.jpgWritten by FormatFilter org.dspace.app.mediafilter.PDFBoxThumbnail on 2026-03-26T05:55:48Z (GMT).Generated Thumbnailimage/jpeg2897https://repositorio.furg.br/bitstreams/7934a911-aed4-4487-a578-a60ee2df98c4/download17f498951312e6e9f6c8c907d44eebb2MD54falseAnonymousREAD123456789/132162026-09-01 06:01:34.75open.accessoai:repositorio.furg.br:123456789/13216https://repositorio.furg.brRepositório InstitucionalPUBhttps://repositorio.furg.br/oai/request || http://200.19.254.174/oai/requestrepositorio@furg.br||sib.bdtd@furg.bropendoar:2026-09-01T09:01:34Repositório Institucional da FURG (RI FURG) - Universidade Federal do Rio Grande (FURG)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
dc.title.none.fl_str_mv Uso de deep learning para codificação da transmissão de imagem subaquática
dc.title.alternative.none.fl_str_mv Use of Deep Learning for Transmission Encoding of Underwater Image
title Uso de deep learning para codificação da transmissão de imagem subaquática
spellingShingle Uso de deep learning para codificação da transmissão de imagem subaquática
Paula, Débora Debiaze de
Codificação de Imagens Subaquáticas
Autoencoder Variacional
Comunicação Subaquática
Compressão
SIFT
Deep Learning
Underwater Image Encoding
Variational Autoencoder
Underwater Communication
Compression
title_short Uso de deep learning para codificação da transmissão de imagem subaquática
title_full Uso de deep learning para codificação da transmissão de imagem subaquática
title_fullStr Uso de deep learning para codificação da transmissão de imagem subaquática
title_full_unstemmed Uso de deep learning para codificação da transmissão de imagem subaquática
title_sort Uso de deep learning para codificação da transmissão de imagem subaquática
author Paula, Débora Debiaze de
author_facet Paula, Débora Debiaze de
author_role author
dc.contributor.author.fl_str_mv Paula, Débora Debiaze de
dc.contributor.authorID.fl_str_mv 4ec55ac1-22cc-485d-9319-0aaaffa9ac99
dc.contributor.advisor1.fl_str_mv Botelho, Silvia Silva da Costa
Moraes, Felipe Codevilla
Rodrigues, Ricardo Nagel
contributor_str_mv Botelho, Silvia Silva da Costa
Moraes, Felipe Codevilla
Rodrigues, Ricardo Nagel
dc.subject.por.fl_str_mv Codificação de Imagens Subaquáticas
Autoencoder Variacional
Comunicação Subaquática
Compressão
SIFT
Deep Learning
Underwater Image Encoding
Variational Autoencoder
Underwater Communication
Compression
topic Codificação de Imagens Subaquáticas
Autoencoder Variacional
Comunicação Subaquática
Compressão
SIFT
Deep Learning
Underwater Image Encoding
Variational Autoencoder
Underwater Communication
Compression
description Dissertação de Mestrado
publishDate 2023
dc.date.issued.fl_str_mv 2023
dc.date.accessioned.fl_str_mv 2026-03-25T15:28:10Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv PAULA, Débora Debiaze de. Uso de deep learning para codificação da transmissão de imagem subaquática. 2023. 104 f. Dissertação (mestrado) - Programa de Pós-Graduação em Computação, Centro de Ciências Computacionais, Universidade Federal do Rio Grande, Rio Grande, 2023.
dc.identifier.uri.fl_str_mv https://repositorio.furg.br/handle/123456789/13216
identifier_str_mv PAULA, Débora Debiaze de. Uso de deep learning para codificação da transmissão de imagem subaquática. 2023. 104 f. Dissertação (mestrado) - Programa de Pós-Graduação em Computação, Centro de Ciências Computacionais, Universidade Federal do Rio Grande, Rio Grande, 2023.
url https://repositorio.furg.br/handle/123456789/13216
dc.language.iso.fl_str_mv por
language por
dc.relation.confidence.fl_str_mv -1
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.source.none.fl_str_mv reponame:Repositório Institucional da FURG (RI FURG)
instname:Universidade Federal do Rio Grande (FURG)
instacron:FURG
instname_str Universidade Federal do Rio Grande (FURG)
instacron_str FURG
institution FURG
reponame_str Repositório Institucional da FURG (RI FURG)
collection Repositório Institucional da FURG (RI FURG)
bitstream.url.fl_str_mv https://repositorio.furg.br/bitstreams/11c8c551-c505-46f0-9e31-5e9b98908305/download
https://repositorio.furg.br/bitstreams/53e2cdae-a419-4d83-a788-86e9620914d5/download
https://repositorio.furg.br/bitstreams/9c6e3f7b-ee1f-469b-a4a7-787381cc61b5/download
https://repositorio.furg.br/bitstreams/7934a911-aed4-4487-a578-a60ee2df98c4/download
bitstream.checksum.fl_str_mv 3b14469c374bfa1336034c55afda5227
bb9bdc0b3349e4284e09149f943790b4
cbfc9bab796e78abd997d413ec39fe3a
17f498951312e6e9f6c8c907d44eebb2
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da FURG (RI FURG) - Universidade Federal do Rio Grande (FURG)
repository.mail.fl_str_mv repositorio@furg.br||sib.bdtd@furg.br
_version_ 1875324277021999104