Super Resolução Single Image Utilizando Redes Extreme Learning Machine

Nome: Daniel Luis Cosmo
Tipo: Tese de doutorado
Data de publicação: 04/10/2019
Orientador:

Nomeordem decrescente Papel
Evandro Ottoni Teatini Salles Orientador

Banca:

Nomeordem decrescente Papel
Evandro Ottoni Teatini Salles Orientador
Hilário Seibel Júnior Examinador Externo
Karin Satie Komati Examinador Externo
Nelson Delfino DAvila Mascarenhas Examinador Externo
Thomas Walter Rauber Examinador Externo

Resumo: Métodos de super resolução têm como objetivo aumentar a resolução espacial de uma imagem qualquer, mantendo a maior fidelidade possível entre a imagem estimada e a fonte original da qual essa imagem foi retirada. A necessidade de se aumentar a resolução de uma imagem surge devido
ao processo de formação da mesma, por dispositivos de aquisição de imagens. Esses dispositivos amostram uma imagem a taxas fixas, que dependem do seu hardware interno, além de adicionar borramento e ruído as mesmas. Para contornar a baixa taxa de amostragem do hardware desses dispositivos, é mais vantajoso desenvolver soluções de software capazes de aumentar a resolução das imagens depois da captura, através dos algoritmos de super resolução. Este trabalho propõe um algoritmo de super resolução single image baseado em técnicas de aprendizado de máquina, na qual um banco de dados externo é utilizado para o aprendizado de um modelo que relacione as imagens de baixa e alta resolução. A base do método são múltiplos regressores na forma de redes neurais de uma camada oculta treinadas pela técnica extreme learning machine, aplicadas em subespaços do conjunto de treinamento gerados por técnicas de clusterização. Técnicas de reconstrução pré e pós-processamento e o treinamento das máscaras de remontagem das imagens estimadas são utilizadas para aperfeiçoar a reconstrução das mesmas. O método proposto se destaca pelo baixo tempo de treinamento e a capacidade de ser utilizado em um computador comum, sem GPUs e grandes quantidades de memória RAM, enquanto entrega resultados que competem com trabalhos importantes da literatura. Palavraschave: Super resolução, aprendizado de máquina, extreme learning machine, clusterização k-means, orientação do gradiente.

Acesso à informação
Transparência Pública

© 2013 Universidade Federal do Espírito Santo. Todos os direitos reservados.
Av. Fernando Ferrari, 514 - Goiabeiras, Vitória - ES | CEP 29075-910