Made available in DSpace on 2018-08-02T00:00:56Z (GMT). No. of bitstreams: 1 tese_4711_DissKentaro.pdf: 6208552 bytes, checksum: f5dd47fbef24d1bd09fe36e8a972c67c (MD5) Previous issue date: 2012-06-11 / Resumo: O trabalho desenvolvido nesta dissertação propõe a utilização do modelo de esparsidade conjunta com complemento de matrizes (JSM-MC) para composição da base de treino no contexto de reconhecimento de faces utilizando o classificador baseado em representação esparsa (SRC). O método proposto visa trabalhar com imagens de faces em diferentes condições de iluminação e oclusão na base de teste e treino. Para oclusões nas imagens de teste, um modelo diferenciado é considerado para abordar o problema. Uma etapa de pré-processamento nas imagens de faces é realizada no intuito de reduzir os efeitos das variações de iluminações presentes nas imagens. Um agrupamento das imagens de treino é realizado visando um menor tempo de processamento. Além disso, uma proposta de modificação no algoritmo SRC é feita de forma a explorar a esparsidade dos coeficientes de representação esparsa. Ao final, os resultados são avaliados usando uma base de dados sujeita a variação de iluminação. Oclusões artificiais são inseridas a fim de investigar o desempenho do sistema nessas condições.

Num cenário em que dispositivos de aquisição de imagens e vídeo possuem recursos limitados ou as imagens disponíveis não possuem boa qualidade, as técnicas de super-resolução (SR) apresentam uma excelente alternativa para melhorar a qualidade das imagens. Nesta tese é apresentada uma proposta para super-resolução de imagem única que combina os benefícios da interpolação no domínio da transformada DCT e a eficiência dos métodos de reconstrução baseados no conceito de representação esparsa de sinais. A proposta busca aproveitar as melhorias já alcançadas na qualidade e eficiência computacional dos principais algoritmos de super-resolução existentes. O método de super-resolução proposto implementa algumas melhorias nas etapas de treinamento e reconstrução da imagem final. Na etapa de treinamento foi incluída uma nova etapa de extração de características utilizando técnicas de aguçamento por máscara de nitidez e construção de um novo dicionário. Esta estratégia busca extrair mais informações estruturais dos fragmentos de baixa e alta resolução do conjunto de treinamento e ao mesmo tempo reduzir o tamanho dos dicionários. Outra importante contribuição foi a inclusão de um processo iterativo e escalonável no algoritmo, reinserindo no conjunto de treinamento e na etapa de reconstrução, uma imagem de alta resolução obtida numa primeira iteração. Esta solução possibilitou uma melhora na qualidade da imagem de alta resolução final utilizando poucas imagens no conjunto de treinamento. As simulações computacionais demonstraram a capacidade do método proposto em produzir imagens com qualidade e com tempo computacional reduzido. / In a scenario in which the acquisition systems have limited resources or available images do not have good quality, the super-resolution (SR) techniques have become an excellent alternative for improving the image quality. In this thesis, we propose a single-image super-resolution (SR) method that combines the benefits of the DCT interpolation and efficiency of sparse representation method for image reconstruction. Also, the proposed method seeks to take advantage of the improvements already achieved in quality and computational efficiency of the existing SR algorithms. The proposed method implements some improvements in the dictionary training and the reconstruction process. A new dictionary was built by using an unsharp mask technique to characteristics extraction. Simultaneously, this strategy aim to extract more structural information of the low resolution and high resolution patches and reduce the dictionaries size. Another important contribution was the inclusion of an iterative and scalable process by reinserting the HR image obtained of first iteration. This solution aim to improve the quality of the final HR image using a few images in the training set. The results have demonstrated the ability of the proposed method to produce high quality images with reduced computational time.

Num cenário em que dispositivos de aquisição de imagens e vídeo possuem recursos limitados ou as imagens disponíveis não possuem boa qualidade, as técnicas de super-resolução (SR) apresentam uma excelente alternativa para melhorar a qualidade das imagens. Nesta tese é apresentada uma proposta para super-resolução de imagem única que combina os benefícios da interpolação no domínio da transformada DCT e a eficiência dos métodos de reconstrução baseados no conceito de representação esparsa de sinais. A proposta busca aproveitar as melhorias já alcançadas na qualidade e eficiência computacional dos principais algoritmos de super-resolução existentes. O método de super-resolução proposto implementa algumas melhorias nas etapas de treinamento e reconstrução da imagem final. Na etapa de treinamento foi incluída uma nova etapa de extração de características utilizando técnicas de aguçamento por máscara de nitidez e construção de um novo dicionário. Esta estratégia busca extrair mais informações estruturais dos fragmentos de baixa e alta resolução do conjunto de treinamento e ao mesmo tempo reduzir o tamanho dos dicionários. Outra importante contribuição foi a inclusão de um processo iterativo e escalonável no algoritmo, reinserindo no conjunto de treinamento e na etapa de reconstrução, uma imagem de alta resolução obtida numa primeira iteração. Esta solução possibilitou uma melhora na qualidade da imagem de alta resolução final utilizando poucas imagens no conjunto de treinamento. As simulações computacionais demonstraram a capacidade do método proposto em produzir imagens com qualidade e com tempo computacional reduzido. / In a scenario in which the acquisition systems have limited resources or available images do not have good quality, the super-resolution (SR) techniques have become an excellent alternative for improving the image quality. In this thesis, we propose a single-image super-resolution (SR) method that combines the benefits of the DCT interpolation and efficiency of sparse representation method for image reconstruction. Also, the proposed method seeks to take advantage of the improvements already achieved in quality and computational efficiency of the existing SR algorithms. The proposed method implements some improvements in the dictionary training and the reconstruction process. A new dictionary was built by using an unsharp mask technique to characteristics extraction. Simultaneously, this strategy aim to extract more structural information of the low resolution and high resolution patches and reduce the dictionaries size. Another important contribution was the inclusion of an iterative and scalable process by reinserting the HR image obtained of first iteration. This solution aim to improve the quality of the final HR image using a few images in the training set. The results have demonstrated the ability of the proposed method to produce high quality images with reduced computational time.

Submitted by Renata Lopes (renatasil82@gmail.com) on 2017-04-26T11:21:06Z No. of bitstreams: 1 leandrorodriguesmansosilva.pdf: 2486503 bytes, checksum: f7db682d8ff4382dc706f061419d2a67 (MD5) / Approved for entry into archive by Adriana Oliveira (adriana.oliveira@ufjf.edu.br) on 2017-04-26T12:26:11Z (GMT) No. of bitstreams: 1 leandrorodriguesmansosilva.pdf: 2486503 bytes, checksum: f7db682d8ff4382dc706f061419d2a67 (MD5) / Made available in DSpace on 2017-04-26T12:26:11Z (GMT). No. of bitstreams: 1 leandrorodriguesmansosilva.pdf: 2486503 bytes, checksum: f7db682d8ff4382dc706f061419d2a67 (MD5) Previous issue date: 2016-02-24 / CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / O presente trabalho apresenta o desenvolvimento de métodos de compressão e descompressão de sinais elétricos advindos de sistemas de potência. O método de compressão é baseada em três estágios: a Detecção de Novidades; um estágio de Compressão com Perdas, baseado na Transformada Wavelet Discreta; e finalmente, um estágio de Compressão sem Perdas, baseado no algoritmo Lempel-Ziv-Welch. Foi desenvolvido também, um método para a reconstrução dos sinais comprimidos, que é baseado na Transformada Wavelet Inversa, núcleos de Transformada Discreta de Fourier e na frequência estimada do sinal. A parte de compressão utiliza técnicas de processamento digital de sinais em tempo real, e foi desenvolvida de modo a ser implementada em plataforma FPGA, e a parte de descompressão é executada em um software offline. O trabalho apresenta também um estudo de técnicas de representação esparsa de sinais em dicionários redundantes, com o objetivo de avaliar seu desempenho quando aplicadas à compressão de sinais elétricos, e também, a viabilidade de implementá-las em tempo real, substituindo a Transformada Wavelet Discreta, no estágio de Compressão com Perdas no sistema mencionado anteriormente. / The present work presents the development of a method for power systems signal compression and decompression. The compression method is based in three stages: the novelty detection; the Lossy Compression based on the Discrete Wavelet Transform; and a Lossless Compression stage based on Lempel-Ziv-Welch algorithm. A decompression method was also developed to reconstruct the compressed signals, it is based on Inverse Wavelet Transform, Discrete Fourier Transform cores and the estimated frequency of the signal. The compression part uses digital signal processing techniques in real time, and it was developed to be implemented in FPGA platform. The decompression part runs offline in a PC software. This work also presents a study of sparse representation over redundant dictionaries techniques, in order to evaluate its performance when applied to electrical signal compression, and also the feasibility of implementing them in real time, replacing the Wavelet Transform compression stage in the system mentioned above.

Submitted by Renata Lopes (renatasil82@gmail.com) on 2017-09-28T18:09:06Z No. of bitstreams: 1 davispereirabarbosa.pdf: 10683458 bytes, checksum: 8cd37a50126b8e958532ac4b151e99d4 (MD5) / Approved for entry into archive by Adriana Oliveira (adriana.oliveira@ufjf.edu.br) on 2017-10-09T19:24:00Z (GMT) No. of bitstreams: 1 davispereirabarbosa.pdf: 10683458 bytes, checksum: 8cd37a50126b8e958532ac4b151e99d4 (MD5) / Made available in DSpace on 2017-10-09T19:24:00Z (GMT). No. of bitstreams: 1 davispereirabarbosa.pdf: 10683458 bytes, checksum: 8cd37a50126b8e958532ac4b151e99d4 (MD5) Previous issue date: 2017-03-17 / Esta tese propõe uma nova abordagem baseada em representação esparsa para o problema de estimação de energia em calorimetria de altas energias em cenários com empilhamento de sinais. Inserida dentro do programa de atualização do experimento ATLAS, no LHC, ela teve como principal motivação o aumento progressivo da luminosidade no colisionador e suas consequências relativas ao problema da estimação da energia nos canais do calorímetro eletromagnético do ATLAS, o LArg. Dois métodos de estimação foram propostos e denominados de SPARSE e SPARSE-COF, ambos utilizando programação linear na busca pela esparsidade. Esses métodos tiveram os seus desempenhos avaliados em diversas simulações e foram comparados com o método clássico utilizado nos calorímetros do ATLAS, denominado OF, e com o DM-COF, método recentemente desenvolvido para o calorímetro hadrônico do ATLAS que trata o problema de empilhamento de sinais em sua formulação. Nas diversas simulações realizadas, os métodos SPARSE e SPARSE-COF apresentaram desempenho superior aos demais, principalmente quando a janela de observação utilizada para a estimação da energia não contém todas as amostras do pulso típico do calorímetro, operando em cenários de empilhamento de sinais. Adicionalmente, através dados de simulações Monte Carlo do LArg, os métodos baseados em representação esparsa foram avaliados utilizando programação linear e também métodos esparsos de menor complexidade computacional,como o IRLS,o OMP e o LS-OMP. Os resultados mostraram que o método LS-OMP apresentou desempenho equivalente aos métodos e SPARSE e SPARSE-COF, qualificando-o como candidato a ser utilizado para estimação on-line de energia no LArg. / This thesis proposes a new approach based on sparse representation for the energy estimation problem in high energy calorimetry operating in pile-up scenarios. This work was mainly motivated by the progressive increase of the LHC luminosity and its consequences on the energy estimation problem for channels of the electromagnetic calorimeter of ATLAS (LArg), in the context of the ATLAS experiment upgrade program at the LHC. Two estimation methods were proposed and named SPARSE and SPARSE-COF, both using linear programming in the search for sparsity. These methods were evaluated in several simulations and compared with the classical method used in ATLAS calorimeters, called OF, and with DM-COF, a recently developed method for the ATLAS hadronic calorimeter that addresses pileup problem in its formulation. In the various simulations performed, SPARSE and SPARSE-COF methods performed better than others, especially when the observation window used for energy estimation does not contain all samples of the typical calorimeter pulse, operating in pile-up scenarios. In addition, through LArg Monte Carlo simulations, the methods based on sparse representation were evaluated using linear programming and also sparse methods with less computational complexity, such as IRLS, OMP and LS-OMP. The results showed that the LS-OMP method presented performance equivalent to the SPARSE and SPARSE-COF methods,qualifying it as a candidate to be used for online energy estimation in LArg.