Compressão de imagens com perda utilizando redes neurais artificiais

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorPaula Filho, Pedro Luiz de-
Autor(es): dc.contributorCandido Junior, Arnaldo-
Autor(es): dc.contributorPaula Filho, Pedro Luiz de-
Autor(es): dc.contributorMenezes, Paulo Lopes de-
Autor(es): dc.contributorAikes Junior, Jorge-
Autor(es): dc.creatorEckl, Felipe Divensi-
Data de aceite: dc.date.accessioned2022-02-21T21:42:57Z-
Data de disponibilização: dc.date.available2022-02-21T21:42:57Z-
Data de envio: dc.date.issued2020-11-15-
Data de envio: dc.date.issued2020-11-15-
Data de envio: dc.date.issued2019-06-24-
Fonte completa do material: dc.identifierhttp://repositorio.utfpr.edu.br/jspui/handle/1/12514-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/658930-
Descrição: dc.descriptionWith the rapid growth of media currently being transmitted over the Internet, lossy image compression algorithms are indispensable. Therefore, there are several studies that seek to improve the compression algorithms, in order to obtain higher image quality and higher compression rates. The objective of this work is to present an image compression algorithm using Artifcial Neural Networks based on the autoencoder network architecture. The models created, when compared to the JPEG algorithm and applied in a set of binary images, reached compression rates up to 7 times higher with a structural similarity index (SSIM) 19 % higher. When applied to a set of grayscale images, achieved compression rates up to 21 times higher, and SSIM 6 % below JPEG. And when applied to a set of colored images achieved a compression rate up to 2 times higher, with an SSIM 6 % above JPEG.-
Descrição: dc.descriptionCom o rápido crescimento de mídia que atualmente é transmitida pela Internet, algoritmos de compressão de imagens com perda são indispensáveis. Por isso existem diversos estudos que buscam melhorar os algoritmos de compressão, com o objetivo de obter maior qualidade nas imagens e maiores taxas de compressão. O objetivo deste trabalho é apresentar uma abordagem de compressão de imagens utilizando Redes Neurais Artifciais baseada na arquitetura de rede autoencoder. Os modelos criados, ao serem comparados ao algoritmo JPEG e aplicados em um conjunto de imagens binárias, alcançaram taxas de compressão até 7 vezes maior com índice de similaridade estrutural (SSIM) 19% maior. Ao serem aplicados a um conjunto de imagens em escala de cinza, alcançaram taxa de compressão até 21 vezes maior, e com SSIM 6% abaixo do JPEG. E ao serem aplicados em um conjunto de imagens coloridas alcançaram taxa de compressão até 2 vezes maior, com um SSIM 6% acima do JPEG.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherUniversidade Tecnológica Federal do Paraná-
Publicador: dc.publisherMedianeira-
Publicador: dc.publisherBrasil-
Publicador: dc.publisherCiência da Computação-
Publicador: dc.publisherUTFPR-
Direitos: dc.rightsopenAccess-
Palavras-chave: dc.subjectRedes neurais (Computação)-
Palavras-chave: dc.subjectCompressão de dados (Computação)-
Palavras-chave: dc.subjectProcessamento de imagens-
Palavras-chave: dc.subjectNeural networks (Computer science)-
Palavras-chave: dc.subjectData compression (Computer science)-
Palavras-chave: dc.subjectImage processing-
Palavras-chave: dc.subjectCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO-
Título: dc.titleCompressão de imagens com perda utilizando redes neurais artificiais-
Título: dc.titleLossy image compression using artificial neural networks-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositorio Institucional da UTFPR - RIUT

Não existem arquivos associados a este item.