Aplicação de redes neurais convolucionais densamente conectadas no processamento digital de imagens para remoção de ruído gaussiano

Mazza, Leonardo Oliveira

Please use this identifier to cite or link to this item: http://hdl.handle.net/11422/17972

Type:	Trabalho de conclusão de graduação
Title:	Aplicação de redes neurais convolucionais densamente conectadas no processamento digital de imagens para remoção de ruído gaussiano
Other Titles:	application of densely connected convolutional neural networks in digital image processing to remove Gaussian noise
Author(s)/Inventor(s):	Mazza, Leonardo Oliveira
Advisor:	Mello, Flavio Luis de
Co-advisor:	Almeida, Heraldo Luís Silveira de
Abstract:	Este trabalho propõe uma aplicação de uma rede neural convolucional profunda em remoção de ruído gaussiano de imagens. Redes profundas têm obtido êxito em diversas tarefas de classificação e regressão. Em particular, a Rede Neural Convolucional Densamente Conectada tˆem apresentado resultados competitivos em bases de dados padrão usadas em medidas de desempenho. Por isso, essa rede foi escolhida como modelo de regressão com o objetivo de remoção de ruído gaussiano. A metodologia para treinamento da rede foi iniciada pela cria¸c˜ao de uma base de dados de imagens ruidosas. Essas imagens foram, então, colocadas na entrada da rede para filtragem e a saída foi comparada com a versão sem ruído a partir de uma função custo. Os parâmetros da rede foram, em seguida, alterados a partir de um método baseado em descida de gradiente a fim de minimizar o custo. Dessa forma, a rede treinada aprende a remover o ruído aplicado. O resultado final, comparado a outros métodos, possuiu melhores indicadores de desempenho em duas das três imagens de teste e obteve resultados próximos em uma terceira. Durante a filtragem com ruído de variância 400, as imagens Lena e Boats obtiveram SSIM de 0.84 e 0.83 respectivamente. Na imagem Lena, o resultado foi 0.05 superior ao método GSM e na imagem Boats 0.02 superior ao m´etodo SVR, ambos o segundo melhor método em cada imagem. Na imagem Barbara, o resultado foi o segundo melhor com SSIM 0.84, 0.02 inferior ao método GSM.
Keywords:	Redes Neurais Artificiais Redes Neurais Convolucionais Profunda Processamento de Imagens
Subject CNPq:	CNPQ::ENGENHARIAS
Production unit:	Escola Politécnica
Publisher:	Universidade Federal do Rio de Janeiro
Issue Date:	Feb-2017
Publisher country:	Brasil
Language:	por
Right access:	Acesso Aberto
Appears in Collections:	Engenharia de Controle e Automação

Files in This Item:

File	Description	Size	Format
monopoli10019807.pdf		3.94 MB	Adobe PDF	View/Open

Show full item record Recommend this item View Statistics

Pantheon Institutional repository