Redução Dimensional de Imagens: aplicação de Funções de (Pré) Agregação baseadas na Integral de Choquet
| Ano de defesa: | 2018 |
|---|---|
| Autor(a) principal: | |
| Orientador(a): | , |
| Banca de defesa: | |
| 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: | http://repositorio.furg.br/handle/1/9178 |
Resumo: | O crescente aumento do volume de dados, juntamente com a alta complexidade destes, tem gerado a necessidade de se desenvolver técnicas de extração de conhecimento cada vez mais eficientes, tanto em custo computacional quanto em precisão. A maioria dos problemas que são tratados por esses técnicas, como classificação de imagens, tem informações complexas a serem identificadas. Esses métodos usam uma variedade de funções dentro das diferentes etapas que são empregadas em suas arquiteturas. Uma dessas etapas consiste no uso de funções de agregação para redimensionar imagens. Neste contexto, apresenta-se um estudo de funções de agregação e pré-agregação baseadas em integral de Choquet. A principal característica da integral de Choquet, em comparação com outras funções de agregação, é considerar, por meio de uma medida fuzzy, a interação entre os elementos a serem agregados. Neste sentido, apresenta-se um estudo avaliativo do desempenho de algumas funções de agregação e pré-agregação baseadas na integral de Choquet em redução dimensional de imagens. Portanto, o objetivo principal deste trabalho é comparar tais funções com as usuais na literatura que são as funções máximo e média, procurando resultados que podem ser melhores do que destas funções. Os resultados foram avaliados utilizando uma série de medidas de qualidade de imagem. Foi possível observar que a integral de Choquet e suas generalizações mantiveram a integridade da imagem original, sendo capaz de minimizar problemas de bordas serrilhadas em linhas oblíquas/diagonais e de contraste em comparação com os agregadores usuais embora não sejam quantitativamente as mais similares com a imagem original conforme mostrado com as medidas de qualidade. |
| id |
FURG_ce49c24f6a67b489cbe6061e52ff4090 |
|---|---|
| oai_identifier_str |
oai:repositorio.furg.br:1/9178 |
| network_acronym_str |
FURG |
| network_name_str |
Repositório Institucional da FURG (RI FURG) |
| repository_id_str |
|
| spelling |
Bueno, Jéssica Camila SaldiviaDimuro, Graçaliz PereiraBorges, Eduardo Nunes2020-11-19T12:15:52Z2020-11-19T12:15:52Z2018BUENO, Jéssica Camila Saldivia. Redução Dimensional de Imagens: aplicação de Funções de (Pré) Agregação baseadas na Integral de Choquet. 2018. 72 f. Dissertação (Mestrado em Modelagem Computacional)- Instituto de matemática, estatística e física. Universidade Federal do Rio Grande, 2018.http://repositorio.furg.br/handle/1/9178O crescente aumento do volume de dados, juntamente com a alta complexidade destes, tem gerado a necessidade de se desenvolver técnicas de extração de conhecimento cada vez mais eficientes, tanto em custo computacional quanto em precisão. A maioria dos problemas que são tratados por esses técnicas, como classificação de imagens, tem informações complexas a serem identificadas. Esses métodos usam uma variedade de funções dentro das diferentes etapas que são empregadas em suas arquiteturas. Uma dessas etapas consiste no uso de funções de agregação para redimensionar imagens. Neste contexto, apresenta-se um estudo de funções de agregação e pré-agregação baseadas em integral de Choquet. A principal característica da integral de Choquet, em comparação com outras funções de agregação, é considerar, por meio de uma medida fuzzy, a interação entre os elementos a serem agregados. Neste sentido, apresenta-se um estudo avaliativo do desempenho de algumas funções de agregação e pré-agregação baseadas na integral de Choquet em redução dimensional de imagens. Portanto, o objetivo principal deste trabalho é comparar tais funções com as usuais na literatura que são as funções máximo e média, procurando resultados que podem ser melhores do que destas funções. Os resultados foram avaliados utilizando uma série de medidas de qualidade de imagem. Foi possível observar que a integral de Choquet e suas generalizações mantiveram a integridade da imagem original, sendo capaz de minimizar problemas de bordas serrilhadas em linhas oblíquas/diagonais e de contraste em comparação com os agregadores usuais embora não sejam quantitativamente as mais similares com a imagem original conforme mostrado com as medidas de qualidade.The increasing data volume, along with their high complexity, has generated the need to develop increasingly ecient knowledge extraction techniques, both in computational cost and precision. Most of the problems that are processed by these techniques such as image classification have complex information to be identified. These methods use a variety of functions inside the dierent steps that are employed in their architectures. One of these steps, called pooling layer, is used to aggregate functions to resize images. In this context, it presents a study of aggregation and pre-aggregation functions of Choquet integral. The main feature of Choquet integral, in comparison with other aggregation functions, is to consider, through a fuzzy measure, the interaction between the elements to be aggregated. In this way an evaluation study of the performance of aggregation and pre-aggregation functions based on Choquet integral in dimensional reduction of images is presented. The purpose of this work is to compare such functions with the usual ones in the literature, such as the maximum and mean functions, looking for results that may be better than these functions. The results were evaluated using a series of image quality measures. It was possible to observe that the Choquet integral and its generalizations maintained the integrity of the original image, being able to minimize problems of serrated edges in oblique / diagonal and contrast lines in comparison with the usual aggregators although they are not quantitatively the most similar with the image as shown with the quality measures.porIntegral de ChoquetFunções de agregaçãoFunções de pré-agregaçãoRedução dimensional da imagemIntegral of ChoquetAggregation functionsPre- aggregation functionsDimensional image reductionRedução Dimensional de Imagens: aplicação de Funções de (Pré) Agregação baseadas na Integral de Choquetinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da FURG (RI FURG)instname:Universidade Federal do Rio Grande (FURG)instacron:FURGLICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://repositorio.furg.br/bitstreams/4a4ebd53-6fab-412e-bf7a-d173177401dd/download8a4605be74aa9ea9d79846c1fba20a33MD52falseAnonymousREADORIGINALjéssica bueno.pdfjéssica bueno.pdfapplication/pdf1110494https://repositorio.furg.br/bitstreams/e5ab29a6-17d7-421f-9b81-29e08bddc1f6/download44c96708e2971f7ff52a4a29d1dd288eMD51trueAnonymousREADTEXTjéssica bueno.pdf.txtjéssica bueno.pdf.txtExtracted texttext/plain97980https://repositorio.furg.br/bitstreams/8bfcd612-5926-4146-9c3d-6cc7ed38b8a9/download8b6cbd412372d6b70201af39e0c3ae28MD53falseAnonymousREADTHUMBNAILjéssica bueno.pdf.jpgjéssica bueno.pdf.jpgGenerated Thumbnailimage/jpeg3211https://repositorio.furg.br/bitstreams/3abb5603-77dd-4859-a487-1e99a457c71a/download868fca12872d43b7ab0af8e3fa2ca296MD54falseAnonymousREAD1/91782025-12-10 00:19:08.525open.accessoai:repositorio.furg.br:1/9178https://repositorio.furg.brRepositório InstitucionalPUBhttps://repositorio.furg.br/oai/request || http://200.19.254.174/oai/requestrepositorio@furg.br||sib.bdtd@furg.bropendoar:2025-12-10T03:19:08Repositório Institucional da FURG (RI FURG) - Universidade Federal do Rio Grande (FURG)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 |
| dc.title.pt_BR.fl_str_mv |
Redução Dimensional de Imagens: aplicação de Funções de (Pré) Agregação baseadas na Integral de Choquet |
| title |
Redução Dimensional de Imagens: aplicação de Funções de (Pré) Agregação baseadas na Integral de Choquet |
| spellingShingle |
Redução Dimensional de Imagens: aplicação de Funções de (Pré) Agregação baseadas na Integral de Choquet Bueno, Jéssica Camila Saldivia Integral de Choquet Funções de agregação Funções de pré-agregação Redução dimensional da imagem Integral of Choquet Aggregation functions Pre- aggregation functions Dimensional image reduction |
| title_short |
Redução Dimensional de Imagens: aplicação de Funções de (Pré) Agregação baseadas na Integral de Choquet |
| title_full |
Redução Dimensional de Imagens: aplicação de Funções de (Pré) Agregação baseadas na Integral de Choquet |
| title_fullStr |
Redução Dimensional de Imagens: aplicação de Funções de (Pré) Agregação baseadas na Integral de Choquet |
| title_full_unstemmed |
Redução Dimensional de Imagens: aplicação de Funções de (Pré) Agregação baseadas na Integral de Choquet |
| title_sort |
Redução Dimensional de Imagens: aplicação de Funções de (Pré) Agregação baseadas na Integral de Choquet |
| author |
Bueno, Jéssica Camila Saldivia |
| author_facet |
Bueno, Jéssica Camila Saldivia |
| author_role |
author |
| dc.contributor.author.fl_str_mv |
Bueno, Jéssica Camila Saldivia |
| dc.contributor.advisor1.fl_str_mv |
Dimuro, Graçaliz Pereira Borges, Eduardo Nunes |
| contributor_str_mv |
Dimuro, Graçaliz Pereira Borges, Eduardo Nunes |
| dc.subject.por.fl_str_mv |
Integral de Choquet Funções de agregação Funções de pré-agregação Redução dimensional da imagem Integral of Choquet Aggregation functions Pre- aggregation functions Dimensional image reduction |
| topic |
Integral de Choquet Funções de agregação Funções de pré-agregação Redução dimensional da imagem Integral of Choquet Aggregation functions Pre- aggregation functions Dimensional image reduction |
| description |
O crescente aumento do volume de dados, juntamente com a alta complexidade destes, tem gerado a necessidade de se desenvolver técnicas de extração de conhecimento cada vez mais eficientes, tanto em custo computacional quanto em precisão. A maioria dos problemas que são tratados por esses técnicas, como classificação de imagens, tem informações complexas a serem identificadas. Esses métodos usam uma variedade de funções dentro das diferentes etapas que são empregadas em suas arquiteturas. Uma dessas etapas consiste no uso de funções de agregação para redimensionar imagens. Neste contexto, apresenta-se um estudo de funções de agregação e pré-agregação baseadas em integral de Choquet. A principal característica da integral de Choquet, em comparação com outras funções de agregação, é considerar, por meio de uma medida fuzzy, a interação entre os elementos a serem agregados. Neste sentido, apresenta-se um estudo avaliativo do desempenho de algumas funções de agregação e pré-agregação baseadas na integral de Choquet em redução dimensional de imagens. Portanto, o objetivo principal deste trabalho é comparar tais funções com as usuais na literatura que são as funções máximo e média, procurando resultados que podem ser melhores do que destas funções. Os resultados foram avaliados utilizando uma série de medidas de qualidade de imagem. Foi possível observar que a integral de Choquet e suas generalizações mantiveram a integridade da imagem original, sendo capaz de minimizar problemas de bordas serrilhadas em linhas oblíquas/diagonais e de contraste em comparação com os agregadores usuais embora não sejam quantitativamente as mais similares com a imagem original conforme mostrado com as medidas de qualidade. |
| publishDate |
2018 |
| dc.date.issued.fl_str_mv |
2018 |
| dc.date.accessioned.fl_str_mv |
2020-11-19T12:15:52Z |
| dc.date.available.fl_str_mv |
2020-11-19T12:15:52Z |
| 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 |
BUENO, Jéssica Camila Saldivia. Redução Dimensional de Imagens: aplicação de Funções de (Pré) Agregação baseadas na Integral de Choquet. 2018. 72 f. Dissertação (Mestrado em Modelagem Computacional)- Instituto de matemática, estatística e física. Universidade Federal do Rio Grande, 2018. |
| dc.identifier.uri.fl_str_mv |
http://repositorio.furg.br/handle/1/9178 |
| identifier_str_mv |
BUENO, Jéssica Camila Saldivia. Redução Dimensional de Imagens: aplicação de Funções de (Pré) Agregação baseadas na Integral de Choquet. 2018. 72 f. Dissertação (Mestrado em Modelagem Computacional)- Instituto de matemática, estatística e física. Universidade Federal do Rio Grande, 2018. |
| url |
http://repositorio.furg.br/handle/1/9178 |
| dc.language.iso.fl_str_mv |
por |
| language |
por |
| 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/4a4ebd53-6fab-412e-bf7a-d173177401dd/download https://repositorio.furg.br/bitstreams/e5ab29a6-17d7-421f-9b81-29e08bddc1f6/download https://repositorio.furg.br/bitstreams/8bfcd612-5926-4146-9c3d-6cc7ed38b8a9/download https://repositorio.furg.br/bitstreams/3abb5603-77dd-4859-a487-1e99a457c71a/download |
| bitstream.checksum.fl_str_mv |
8a4605be74aa9ea9d79846c1fba20a33 44c96708e2971f7ff52a4a29d1dd288e 8b6cbd412372d6b70201af39e0c3ae28 868fca12872d43b7ab0af8e3fa2ca296 |
| 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_ |
1856849669335810048 |