Um modelo bayesiano combinando análise semântica latente e atributos espaciais para recuperação de informação visual
AUTOR(ES)
Paulo Sergio Silva Rodrigues
DATA DE PUBLICAÇÃO
2003
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
ASSUNTO(S)
processamento de imagens técnicas digitais teses sistemas de recuperação da informação teses semântica processamento de dados teses
ACESSO AO ARTIGO
http://hdl.handle.net/1843/SLBS-5RVN35Documentos Relacionados
- Recuperação de visão estrutural de software combinando análise de semântica estática e latente
- Um modelo para a análise de impacto em código fonte usando ontologias e recuperação de informação
- Meta-modelo funcional para recuperação de informação
- Um modelo para recuperação e busca de informação baseado em ontologia e no círculo hermenêutico
- Recuperação de informação em dados ligados: um modelo baseado em mapas conceituais e análise de redes complexas