Modelo de reconstrução de imagens afetadas por variação na exposição baseado em redes neurais convolucionais
Autor: Cristiano Rafael Steffens (Currículo Lattes)
Resumo
O trabalho apresenta um modelo de rede neural artificial para restauração de imagens danificadas por exposição inadequada, contemplando condições de subexposição e sobre-exposição. O problema abordado tem relevância em aplicações de visão computacional que envolvem obtenção de imagens em cenas onde a limitação do sensor ou arranjo óptico impedem que os detalhes da cena sejam adequadamente representados na imagem capturada. Em função da variabilidade de equipamentos e técnicas de fotografia disponíveis, da quantidade de circunstâncias não controladas que impactam o processo de aquisição de imagens opta-se pela modelagem baseada em redes neurais profundas. Nesta abordagem uma arquitetura de rede combinado com um procedimento de ajuste é capaz de convergir em um modelo a partir de dados pareados compostos por uma imagem com exposição inapropriada para a cena e uma imagem com a exposição adequada. A proposição desta modelagem leva em consideração os avanços recentes propiciados por redes convolucionais em problemas como segmentação semântica, transformação imagem-imagem e classificação de objetos em imagens, resultando em um modelo compacto e que pode ser incorporado como uma etapa de pré-processamento em aplicações de visão computacional. Com relação aos procedimentos técnicos, pode-se caracterizar a metodologia científica da pesquisa proposta em bibliográfica, descritiva e experimental. No que tange a avaliação dos resultados da pesquisa utilizam-se medidas de qualidade de imagem para avaliar a qualidade dos resultados produzido e métricas objetivas para avaliar o impacto desta em aplicações de visão computacional. Utiliza-se também a análise qualitativa para discutir os aspectos conceituais e explicitar o funcionamento do modelo, evidenciando o impacto das escolhas técnicas realizadas. Os resultados obtidos, tanto em termos de aprimoramento visual quanto na aplicação do modelo em problemas típicos da computação visual indicam que o modelo de rede neural convolucional proposto é capaz de melhorar imagens danificadas pela heterogeneidade de exposição, oferecendo ganho sobre métodos estado-da-técnica, tanto em conjuntos de dados simulados quanto em dados reais.