Algoritmo SOM com estrutura hierárquica e dinâmica aplicado a compressão de imagens /
Neste trabalho é apresentada a implementação do algoritmo SOM (Self Organizing Maps) ou rede neural de Kohonen na forma de estruturas hierárquicas, aplicadas à compressão de imagens. O objetivo desta abordagem é desenvolver um algoritmo SOM Hierárquico com estrutura estática e um outro com estrutura...
Na minha lista:
| Principais autores: | , , , |
|---|---|
| Formato: | Dissertação |
| Publicado em: |
|
| Assuntos: | |
| Endereço do item: | https://repositorio.ufrn.br/bitstream/123456789/15272/1/Jos%c3%a9MB_DISSERT.pdf |
| Tags: |
Adicionar Tag
Sem tags, seja o primeiro a adicionar uma tag!
|
| Resumo: | Neste trabalho é apresentada a implementação do algoritmo SOM (Self Organizing Maps) ou rede neural de Kohonen na forma de estruturas hierárquicas, aplicadas à compressão de imagens. O objetivo desta abordagem é desenvolver um algoritmo SOM Hierárquico com estrutura estática e um outro com estrutura dinâmica para gerar codebooks (livros de códigos) no processo de Quantização Vetorial (VQ) da imagem; reduzindo o tempo de processamento e obtendo uma boa taxa de compressão de imagens com um comprometimento mínimo da qualidade em relação à imagem original. As duas redes neurais auto-organizáveis aqui desenvolvidas, foram denominadas de HSOM, para caso estático e de DHSOM, para caso dinâmico. Na primeira, a estrutura hierárquica é previamente definida e na segunda essa estrutura se desenvolve de forma automática de acordo com regras heurísticas propostas neste trabalho, que exploram os dados do conjunto de treinamento sem que haja necessidade de utilização de parâmetros externos. As regras heurísticas determinam a dinâmica de crescimento da rede, o critério de poda de ramificações da rede, a flexibilidade da rede e o tamanho dos mapas filhos.#$&O algoritmo LBG (Linde-Buzo-Gray) ou K-means, um dos mais utilizado para desenvolver codebooks para quantização vetorial, serviu justamente com o algoritmo de Kohonen na sua forma básica, isto é, não hierárquica, como referência para comparar o desempenho dos algoritmos aqui propostos. Uma análise de desempenho entre as duas estruturas hierárquicas é também realizada neste trabalho. A eficiência do processamento proposto é verificada pela redução na complexidade computacional em relação aos algoritmos tradicionais, bem como, através das análises quantitativas das imagens reconstruídas em função dos parâmetros: (PSNR) relação sinal-ruído de pico e (MSE) erro médio quadrático. |
|---|