Redução Dimensional de Imagens: aplicação de Funções de (Pré) Agregação baseadas na Integral de Choquet

Detalhes bibliográficos
Ano de defesa: 2018
Autor(a) principal: Bueno, Jéssica Camila Saldivia
Orientador(a): Dimuro, Graçaliz Pereira, Borges, Eduardo Nunes
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: 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