Use este identificador para citar ou linkar para este item:
http://hdl.handle.net/1843/SLBS-5RVN35
Tipo: | Tese de Doutorado |
Título: | Um modelo bayesiano combinando análise semântica latente e atributos espaciais para recuperação de informação visual |
Autor(es): | Paulo Sergio Silva Rodrigues |
Primeiro Orientador: | Arnaldo de Albuquerque Araujo |
Primeiro membro da banca : | Hani Camille Yehia |
Segundo membro da banca: | Díbio Leandro Borges |
Resumo: | Este trabalho apresenta a implementação e análise de três novas metodologias distintas para extração de características e recuperação de informações visuais em imagens digitais. A primeira é um algoritmo, chamado de GRAS (Graph Region Arrow Shot), que utiliza informações do relacionamento espacial entre as regiões da imagem. Essas características são acrescentadas às características de métodos clássicos, como histograma de cores, mapa de bordas e informações de textura. A segunda usa decomposição em valor singulares para extrair informações de co-ocorrência de características, transformando o espaco original em um novo espaçoo de trabalho, o "espaço latente". Finalmente, a terceira metodologia usa um modelo bayesiano para combinar o resultado da ordenação de métodos clássicos, obtendo uma melhor performance. Para avaliar o desempenho dos métodos, duas bases de dados são utilizadas: uma natural e outra artificial. Na base natural, que consta de diversas classes de imagens reais, classificadas manualmente, os resultados das novas técnicas foram melhores. O algoritmo GRAS obteve uma melhor performance entre todos os outros métodos |
Abstract: | This thesis presents an implementation and analysis of three new methodologies for feature extraction and retrieval of visual information of digital images. The first implemented methodology is a new algorithm, called GRAS (Graph Region Arrow Shot), which uses information from the spacial relationship between the images regions. The GRAS information is added to features of classical methods such as color histograms, edge maps and texture information. The second one uses singular value decomposition to extract information from the image context, transforming the original space in a new space, which is calledlatent space. The third methodology uses a bayesian network model which combines the results from the classical methods, achieving better performance than each method alone. For performance evaluation, two image databases are used: one natural and another artificial.In the natural database, which is composed of several manually classified natural images, the results of the new techniques are better. In the experiments, when the GRAS algorithm is used, the improvements reach up to 60% in terms of average precision. |
Assunto: | Processamento de imagens Técnicas digitais Sistemas de recuperação da informação Semântica Processamento de dados |
Idioma: | Português |
Editor: | Universidade Federal de Minas Gerais |
Sigla da Instituição: | UFMG |
Tipo de Acesso: | Acesso Aberto |
URI: | http://hdl.handle.net/1843/SLBS-5RVN35 |
Data do documento: | 12-Mar-2003 |
Aparece nas coleções: | Teses de Doutorado |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
paulosergio_rodrigues.pdf | 894.31 kB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.