Eficiência de Compressive Sensing em modelo quadtree em imagens na presença de ruído
AUTOR(ES)
Julio Cesar Ferreira
DATA DE PUBLICAÇÃO
2010
RESUMO
Esta pesquisa é do tipo quantitativa experimental e buscou investigar o quanto a eficiência do algoritmo CoSaMP modificado segundo a teoria de Compressive Sensing (CS) baseado em modelo QuadTree altera quando aplicado em imagens com ruído de quantização e esparsidade. O objetivo desta dissertação foi avaliar o impacto dos ruídos de quantização e de aproximação à esparsidade na eficiência da reconstrução de imagens, além de comparar a eficiência entre o CoSaMP baseado em modelo QuadTree e o CoSaMP tradicional. Para isso, foi necessária uma revisão literária aprofundada do estado da arte em compressão de imagens, da teoria de CS convencional e da teoria de CS baseado em modelo. Após a etapa de revisão, foram construídas rotinas no MatlabTM e realizados vários testes variando valores de medidas M, níveis de esparsidade S e passos de quantização Q em quatro imagens com diferentes esparsidades e resoluções. Resultados demonstraram que os erros de quantização não são percebidos quando o ruído de aproximação á esparsidade é grande. Por outro lado, quando os erros de esparsidade são baixos, foi possível verificar melhor desempenho para os passos 1, 2, 4 e 8. Os resultados mostraram ainda que a razão entre o número de medidas e o nível de aproximação à esparsidade segue o seguinte critério: 3; 00 ≤ M=S ≤ 3; 75. Neste caso, os valores de M=S variaram do menor para o maior, á medida que as imagens variaram das mais esparsas para as menos esparsas. Foi possível observar que a eficiência do algoritmo não depende do tamanho da imagem empilhada N, mas sim do nível de aproximação à esparsidade S. Além disso, observou-se que o CoSaMP QuadTree tem desempenho melhor que o Co- SaMP para todos os valores de medidas M e desempenho melhor que o CS convencional quando são tomadas poucas medidas.
ASSUNTO(S)
engenharia eletrica processamento de sinais compressão de imagens detecção de sinais comprenssive sensing esparsidade otimização quantização modelo quadtree sparsity wavelet quantization quadtree model optimization
ACESSO AO ARTIGO
http://www.bdtd.ufu.br//tde_busca/arquivo.php?codArquivo=3233Documentos Relacionados
- Desempenho de idosos em um teste de fala na presença de ruído
- Eficiência do modelo ceres-maize na predição da produtividade de milho em áreas com presença de variabilidade espacial
- Aplicação do método do Gradiente Espectral Projetado ao problema de Compressive Sensing
- Variabilidade da frequência cardíaca em recém-nascidos de alto risco na presença de ruído
- Teste de reconhecimento de palavras em campo livre na presença de ruído em indivíduos adultos normo-ouvintes