Orientador: Martin Tygel / Dissertação (mestrado) - Universidade Estadual de Cammpinas, Faculdade de Engenharia Mecanica, Instituto de Geociencias / Made available in DSpace on 2018-08-03T19:07:26Z (GMT). No. of bitstreams: 1 Majana_Farid_M.pdf: 5710235 bytes, checksum: 07e2341b42613d548d49d3d40bcd65d7 (MD5) Previous issue date: 2003 / Resumo: o método da superfície comum de reflexão (CRS, do Inglês Common Rejlection Surface) é uma extensão do tradicional método NMO (do Inglês Normal MoveOut). Este permite somar ou empilhar traços dispostos em configurações mais gerais que as de ponto médio comum (CMP, do Inglês Commom MidPoint). Para tal propósito, o método CRS utiliza uma equação de tempo de trânsito generalizada, que depende da tradicional velocidade NMO e de outros parâmetros. Da mesma maneira que no método NMO, os parâmetros CRS são determinados a partir de uma análise de coerência nos dados de cobertura múltipla. A construção das seções simuladas de afas-tamento nulo requer três parâmetros no caso 2D. Este trabalho trata a estimação destes parâmetros e compara três algoritmos de otimização local aplicados ao refinamento dos parâmetros CRS. As comparações são feitas usando dados sintéticos e reais / Abstract: The common Reftection Surface (CRS) method extends the well established Normal Move-Out (NMO) method, allowing the stacking process to be applied to data arranged in settings more general than the common midpoint (CMP) gathers. For that aim, the CRS method uses the general hyperbolic moveout, which depends on the classical NMO velocity and some other parameters. As in the single-parameter NMO method, the CRS parameters are estimated applying a suitable coher-ence analysis to the multicoverage data. The construction of simulated (stacked) zero offset (ZO) sections in the 2D situation requires three CRS parameters. This work focuses on the estimation of these three parameters. It explains how the coherence analysis is performed by most imple-mentations of the CRS method and compares three algorithms used to refine the CRS parameters among themselves and with the traditional NMO method. These comparisons were performed using synthetic and real data / Mestrado / Reservatórios e Gestão / Mestre em Ciências e Engenharia de Petróleo

A avaliação de qualidade de vídeo possui um papel fundamental no processamento de vídeo e em aplicações de comunicação. Uma métrica de qualidade de vídeo ideal deve garantir a alta correlação entre a predição da distorção do vídeo e a percepção de qualidade do Sistema Visual Humano. Este trabalho propõe o uso de modelos de atenção visual com abordagem bottom up baseados em saliências para avaliação de qualidade de vídeo. Três métricas objetivas de avaliação são propostas. O primeiro método é uma métrica com referência completa baseada na estrutura de similaridade. O segundo modelo é uma métrica sem referência baseada em uma modelagem sigmoidal com solução de mínimos quadrados que usa o algoritmo de Levenberg-Marquardt e extração de características espaço-temporais. E, a terceira métrica é análoga à segunda, porém usa a característica Blockiness na detecção de distorções de blocagem no vídeo. A abordagem bottom-up é utilizada para obter os mapas de saliências que são extraídos através de um modelo multiescala de background baseado na detecção de movimentos. Os resultados experimentais apresentam um aumento da eficiência de predição de qualidade de vídeo nas métricas que utilizam o modelo de saliência em comparação com as respectivas métricas que não usam este modelo, com destaque para as métricas sem referência propostas que apresentaram resultados melhores do que métricas com referência para algumas categorias de vídeos. / Video quality assessment plays a key role in the video processing and communications applications. An ideal video quality metric shall ensure high correlation between the video distortion prediction and the perception of the Human Visual System. This work proposes the use of visual attention models with bottom-up approach based on saliencies for video qualitty assessment. Three objective metrics are proposed. The first method is a full reference metric based on the structural similarity. The second is a no reference metric based on a sigmoidal model with least squares solution using the Levenberg-Marquardt algorithm and extraction of spatial and temporal features. And, the third is analagous to the last one, but uses the characteristic Blockiness for detecting blocking distortions in the video. The bottom-up approach is used to obtain the salient maps, which are extracted using a multiscale background model based on motion detection. The experimental results show an increase of efficiency in the quality prediction of the proposed metrics using salient model in comparission to the same metrics not using these model, highlighting the no reference proposed metrics that had better results than metrics with reference to some categories of videos.

A avaliação de qualidade de vídeo possui um papel fundamental no processamento de vídeo e em aplicações de comunicação. Uma métrica de qualidade de vídeo ideal deve garantir a alta correlação entre a predição da distorção do vídeo e a percepção de qualidade do Sistema Visual Humano. Este trabalho propõe o uso de modelos de atenção visual com abordagem bottom up baseados em saliências para avaliação de qualidade de vídeo. Três métricas objetivas de avaliação são propostas. O primeiro método é uma métrica com referência completa baseada na estrutura de similaridade. O segundo modelo é uma métrica sem referência baseada em uma modelagem sigmoidal com solução de mínimos quadrados que usa o algoritmo de Levenberg-Marquardt e extração de características espaço-temporais. E, a terceira métrica é análoga à segunda, porém usa a característica Blockiness na detecção de distorções de blocagem no vídeo. A abordagem bottom-up é utilizada para obter os mapas de saliências que são extraídos através de um modelo multiescala de background baseado na detecção de movimentos. Os resultados experimentais apresentam um aumento da eficiência de predição de qualidade de vídeo nas métricas que utilizam o modelo de saliência em comparação com as respectivas métricas que não usam este modelo, com destaque para as métricas sem referência propostas que apresentaram resultados melhores do que métricas com referência para algumas categorias de vídeos. / Video quality assessment plays a key role in the video processing and communications applications. An ideal video quality metric shall ensure high correlation between the video distortion prediction and the perception of the Human Visual System. This work proposes the use of visual attention models with bottom-up approach based on saliencies for video qualitty assessment. Three objective metrics are proposed. The first method is a full reference metric based on the structural similarity. The second is a no reference metric based on a sigmoidal model with least squares solution using the Levenberg-Marquardt algorithm and extraction of spatial and temporal features. And, the third is analagous to the last one, but uses the characteristic Blockiness for detecting blocking distortions in the video. The bottom-up approach is used to obtain the salient maps, which are extracted using a multiscale background model based on motion detection. The experimental results show an increase of efficiency in the quality prediction of the proposed metrics using salient model in comparission to the same metrics not using these model, highlighting the no reference proposed metrics that had better results than metrics with reference to some categories of videos.