Application of Real-ESRGAN in improving IR sensor Images for use in SAR operations

Detalhes bibliográficos
Ano de defesa: 2024
Autor(a) principal: CORREA, Vinícius Henrique Geraldo lattes
Orientador(a): RAMOS, Alexandre Carlos Brandão lattes
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: eng
Instituição de defesa: Universidade Federal de Itajubá
Programa de Pós-Graduação: Programa de Pós-Graduação: Mestrado - Ciência e Tecnologia da Computação
Departamento: IESTI - Instituto de Engenharia de Sistemas e Tecnologia da Informação
País: Brasil
Palavras-chave em Português:
Visão computacional
Processamento digital de imagens
Busca e salvamento
Redes generativas adversariais
Computer vision
Digital image processing
Search and rescue
Generative adversarial networks
Área do conhecimento CNPq:
CNPQ::CIÊNCIAS EXATAS E DA TERRA::CIÊNCIA DA COMPUTAÇÃO
Link de acesso: https://repositorio.unifei.edu.br/jspui/handle/123456789/4135
Resumo: A utilização de Veículos Aéreos Não Tripulados (VANTs) em operações de busca e salvamento tem crescido significativamente, principalmente devido à redução de custos e ao menor risco associado. No entanto, a eficácia desses veículos está intimamente ligada à qualidade dos sensores utilizados para captura e identificação de alvos, tornando a investigação desses equipamentos uma área crucial. Este estudo apresenta uma revisão sistemática da literatura sobre a aplicação de Redes Adversariais Generativas (GANs) em imagens geradas por VANTs com foco em busca e resgate. Além disso, introduzimos uma metodologia que utiliza a ferramenta Real-ESRGAN para aprimorar imagens obtidas por VANTs durante missões de busca e salvamento, com foco em sensores que operam na faixa infravermelha. Os resultados da aplicação dessa técnica em nosso conjunto de dados, combinados com a validação utilizando a ferramenta YOLOv8, revelam melhorias significativas na qualidade das imagens. Isso sugere que a abordagem proposta pode ter aplicações valiosas no pós-processamento e na identificação de alvos humanos durante operações de busca e resgate.
id UFEI_b4e7e011635b7367f5cf40f735beab04
oai_identifier_str oai:repositorio.unifei.edu.br:123456789/4135
network_acronym_str UFEI
network_name_str Repositório Institucional da UNIFEI (RIUNIFEI)
repository_id_str
spelling 2024-09-112024-09-232024-09-23T17:28:04Z2024-09-23T17:28:04Zhttps://repositorio.unifei.edu.br/jspui/handle/123456789/4135A utilização de Veículos Aéreos Não Tripulados (VANTs) em operações de busca e salvamento tem crescido significativamente, principalmente devido à redução de custos e ao menor risco associado. No entanto, a eficácia desses veículos está intimamente ligada à qualidade dos sensores utilizados para captura e identificação de alvos, tornando a investigação desses equipamentos uma área crucial. Este estudo apresenta uma revisão sistemática da literatura sobre a aplicação de Redes Adversariais Generativas (GANs) em imagens geradas por VANTs com foco em busca e resgate. Além disso, introduzimos uma metodologia que utiliza a ferramenta Real-ESRGAN para aprimorar imagens obtidas por VANTs durante missões de busca e salvamento, com foco em sensores que operam na faixa infravermelha. Os resultados da aplicação dessa técnica em nosso conjunto de dados, combinados com a validação utilizando a ferramenta YOLOv8, revelam melhorias significativas na qualidade das imagens. Isso sugere que a abordagem proposta pode ter aplicações valiosas no pós-processamento e na identificação de alvos humanos durante operações de busca e resgate.The use of Unmanned Aerial Vehicles (UAVs) in search and rescue operations has grown significantly, primarily due to reduced costs and lower associated risks. However, the effectiveness of these vehicles is closely linked to the quality of the sensors used for target capture and identification, making the investigation of these devices a crucial area of research. This study presents a systematic review of the literature on the application of Generative Adversarial Networks (GANs) in UAV-generated images, with a focus on search and rescue. Additionally, we introduce a methodology that uses the Real-ESRGAN tool to enhance images obtained by UAVs during search and rescue missions, specifically targeting sensors that operate in the infrared spectrum. The results of applying this technique to our dataset show significant improvements in image quality, suggesting that this approach may have valuable applications in post-processing and in the identification of human targets in search and rescue operations.engUniversidade Federal de ItajubáPrograma de Pós-Graduação: Mestrado - Ciência e Tecnologia da ComputaçãoUNIFEIBrasilIESTI - Instituto de Engenharia de Sistemas e Tecnologia da InformaçãoCNPQ::CIÊNCIAS EXATAS E DA TERRA::CIÊNCIA DA COMPUTAÇÃOVisão computacionalProcessamento digital de imagensBusca e salvamentoRedes generativas adversariaisComputer visionDigital image processingSearch and rescueGenerative adversarial networksApplication of Real-ESRGAN in improving IR sensor Images for use in SAR operationsinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisRAMOS, Alexandre Carlos Brandãohttp://lattes.cnpq.br/1897790038591384http://lattes.cnpq.br/3173511083610377CORREA, Vinícius Henrique GeraldoAlexandre Carlos Brandão Ramos. Application of Real-ESRGAN in improving IR sensor Images for use in SAR operations. 2024. 87 f. Dissertação (Mestrado em Ciência e Tecnologia da Computação.) – Universidade Federal de Itajubá, Itajubá, 2024.info:eu-repo/semantics/openAccessreponame:Repositório Institucional da UNIFEI (RIUNIFEI)instname:Universidade Federal de Itajubá (UNIFEI)instacron:UNIFEILICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://repositorio.unifei.edu.br/jspui/bitstream/123456789/4135/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD52ORIGINALDissertação_2024117.pdfDissertação_2024117.pdfapplication/pdf14960842https://repositorio.unifei.edu.br/jspui/bitstream/123456789/4135/1/Disserta%c3%a7%c3%a3o_2024117.pdf7479da9c06f5a55c6cc29ac9a244e8e8MD51123456789/41352024-09-23 14:28:04.611oai:repositorio.unifei.edu.br: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Repositório InstitucionalPUBhttps://repositorio.unifei.edu.br/oai/requestrepositorio@unifei.edu.br || geraldocarlos@unifei.edu.bropendoar:70442025-08-26T21:14:18.482398Repositório Institucional da UNIFEI (RIUNIFEI) - Universidade Federal de Itajubá (UNIFEI)false
dc.title.pt_BR.fl_str_mv Application of Real-ESRGAN in improving IR sensor Images for use in SAR operations
title Application of Real-ESRGAN in improving IR sensor Images for use in SAR operations
spellingShingle Application of Real-ESRGAN in improving IR sensor Images for use in SAR operations
CORREA, Vinícius Henrique Geraldo
CNPQ::CIÊNCIAS EXATAS E DA TERRA::CIÊNCIA DA COMPUTAÇÃO
Visão computacional
Processamento digital de imagens
Busca e salvamento
Redes generativas adversariais
Computer vision
Digital image processing
Search and rescue
Generative adversarial networks
title_short Application of Real-ESRGAN in improving IR sensor Images for use in SAR operations
title_full Application of Real-ESRGAN in improving IR sensor Images for use in SAR operations
title_fullStr Application of Real-ESRGAN in improving IR sensor Images for use in SAR operations
title_full_unstemmed Application of Real-ESRGAN in improving IR sensor Images for use in SAR operations
title_sort Application of Real-ESRGAN in improving IR sensor Images for use in SAR operations
author CORREA, Vinícius Henrique Geraldo
author_facet CORREA, Vinícius Henrique Geraldo
author_role author
dc.contributor.advisor1.fl_str_mv RAMOS, Alexandre Carlos Brandão
dc.contributor.advisor1Lattes.fl_str_mv http://lattes.cnpq.br/1897790038591384
dc.contributor.authorLattes.fl_str_mv http://lattes.cnpq.br/3173511083610377
dc.contributor.author.fl_str_mv CORREA, Vinícius Henrique Geraldo
contributor_str_mv RAMOS, Alexandre Carlos Brandão
dc.subject.cnpq.fl_str_mv CNPQ::CIÊNCIAS EXATAS E DA TERRA::CIÊNCIA DA COMPUTAÇÃO
topic CNPQ::CIÊNCIAS EXATAS E DA TERRA::CIÊNCIA DA COMPUTAÇÃO
Visão computacional
Processamento digital de imagens
Busca e salvamento
Redes generativas adversariais
Computer vision
Digital image processing
Search and rescue
Generative adversarial networks
dc.subject.por.fl_str_mv Visão computacional
Processamento digital de imagens
Busca e salvamento
Redes generativas adversariais
Computer vision
Digital image processing
Search and rescue
Generative adversarial networks
description A utilização de Veículos Aéreos Não Tripulados (VANTs) em operações de busca e salvamento tem crescido significativamente, principalmente devido à redução de custos e ao menor risco associado. No entanto, a eficácia desses veículos está intimamente ligada à qualidade dos sensores utilizados para captura e identificação de alvos, tornando a investigação desses equipamentos uma área crucial. Este estudo apresenta uma revisão sistemática da literatura sobre a aplicação de Redes Adversariais Generativas (GANs) em imagens geradas por VANTs com foco em busca e resgate. Além disso, introduzimos uma metodologia que utiliza a ferramenta Real-ESRGAN para aprimorar imagens obtidas por VANTs durante missões de busca e salvamento, com foco em sensores que operam na faixa infravermelha. Os resultados da aplicação dessa técnica em nosso conjunto de dados, combinados com a validação utilizando a ferramenta YOLOv8, revelam melhorias significativas na qualidade das imagens. Isso sugere que a abordagem proposta pode ter aplicações valiosas no pós-processamento e na identificação de alvos humanos durante operações de busca e resgate.
publishDate 2024
dc.date.issued.fl_str_mv 2024-09-11
dc.date.available.fl_str_mv 2024-09-23
2024-09-23T17:28:04Z
dc.date.accessioned.fl_str_mv 2024-09-23T17:28:04Z
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.uri.fl_str_mv https://repositorio.unifei.edu.br/jspui/handle/123456789/4135
url https://repositorio.unifei.edu.br/jspui/handle/123456789/4135
dc.language.iso.fl_str_mv eng
language eng
dc.relation.references.pt_BR.fl_str_mv Alexandre Carlos Brandão Ramos. Application of Real-ESRGAN in improving IR sensor Images for use in SAR operations. 2024. 87 f. Dissertação (Mestrado em Ciência e Tecnologia da Computação.) – Universidade Federal de Itajubá, Itajubá, 2024.
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade Federal de Itajubá
dc.publisher.program.fl_str_mv Programa de Pós-Graduação: Mestrado - Ciência e Tecnologia da Computação
dc.publisher.initials.fl_str_mv UNIFEI
dc.publisher.country.fl_str_mv Brasil
dc.publisher.department.fl_str_mv IESTI - Instituto de Engenharia de Sistemas e Tecnologia da Informação
publisher.none.fl_str_mv Universidade Federal de Itajubá
dc.source.none.fl_str_mv reponame:Repositório Institucional da UNIFEI (RIUNIFEI)
instname:Universidade Federal de Itajubá (UNIFEI)
instacron:UNIFEI
instname_str Universidade Federal de Itajubá (UNIFEI)
instacron_str UNIFEI
institution UNIFEI
reponame_str Repositório Institucional da UNIFEI (RIUNIFEI)
collection Repositório Institucional da UNIFEI (RIUNIFEI)
bitstream.url.fl_str_mv https://repositorio.unifei.edu.br/jspui/bitstream/123456789/4135/2/license.txt
https://repositorio.unifei.edu.br/jspui/bitstream/123456789/4135/1/Disserta%c3%a7%c3%a3o_2024117.pdf
bitstream.checksum.fl_str_mv 8a4605be74aa9ea9d79846c1fba20a33
7479da9c06f5a55c6cc29ac9a244e8e8
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UNIFEI (RIUNIFEI) - Universidade Federal de Itajubá (UNIFEI)
repository.mail.fl_str_mv repositorio@unifei.edu.br || geraldocarlos@unifei.edu.br
_version_ 1854751282512789504

Registros relacionados