dc.contributor.author | Pirolla, Francisco Rocha | |
dc.date.accessioned | 2016-06-02T19:06:00Z | |
dc.date.available | 2012-12-19 | |
dc.date.available | 2016-06-02T19:06:00Z | |
dc.date.issued | 2012-11-19 | |
dc.identifier.citation | PIROLLA, Francisco Rocha. Redução de dimensionalidade usando agrupamento e discretização ponderada para a recuperação de imagens por conteúdo. 2012. 75 f. Dissertação (Mestrado em Ciências Exatas e da Terra) - Universidade Federal de São Carlos, São Carlos, 2012. | por |
dc.identifier.uri | https://repositorio.ufscar.br/handle/ufscar/511 | |
dc.description.abstract | This work proposes two new techniques of feature vector pre-processing to improve CBIR and image classification systems: a method of feature transformation based on the k-means clustering approach (Feature Transformation based on K-means - FTK) and a method of Weighted Feature Discretization - WFD. The FTK method employs the clustering principle of k-means to compact the feature vector space. The WFD method performs a weighted feature discretization, privileging the most important feature ranges to distinguish images. The proposed methods were employed to pre-process the feature vector in CBIR and in classification approaches, comparing the results with the pre-processing performed by PCA (a well known feature transformation method) and the original feature vector: FTK produced a reduction in the feature vector size with an improving in the query precision and a improvement in the classification accuracy; WFD improved the query precision up to and a improvement in the classification accuracy; the combination of WFD and FTK improved also the query precision and a improvement in the classification accuracy. These are very important results, especially when compared with PCA results, which leads to a minor reduction in the feature vector size, a minor increase in the query precision and a minor increase in the classification accuracy. Also the proposed approaches have linear computational cost where PCA has a cubic computational cost. The results indicate that the proposed approaches are well-suited to perform image feature vector pre-processing improving the overall quality of CBIR and classification systems. | eng |
dc.description.sponsorship | Universidade Federal de Sao Carlos | |
dc.format | application/pdf | por |
dc.language | por | por |
dc.publisher | Universidade Federal de São Carlos | por |
dc.rights | Acesso Aberto | por |
dc.subject | Processamento de imagens | por |
dc.subject | Discretização | por |
dc.subject | Préprocessamento | por |
dc.subject | CBIR | por |
dc.subject | Transformação de características | por |
dc.subject | Vetor de características | por |
dc.subject | Agrupamento | por |
dc.subject | Classificação | por |
dc.subject | Feature transformation | eng |
dc.subject | Discretization | eng |
dc.subject | Pre-processing | eng |
dc.subject | Feature vector | eng |
dc.subject | Clustering | eng |
dc.subject | CBIR | eng |
dc.subject | Classification | eng |
dc.title | Redução de dimensionalidade usando agrupamento e discretização ponderada para a recuperação de imagens por conteúdo | por |
dc.type | Dissertação | por |
dc.contributor.advisor1 | Ribeiro, Marcela Xavier | |
dc.contributor.advisor1Lattes | http://genos.cnpq.br:12010/dwlattes/owa/prc_imp_cv_int?f_cod=K4766919E1 | por |
dc.description.resumo | Neste trabalho, propomos diminuir o gap semântico e os problemas de maldição de dimensionalidade apresentando duas técnicas de préprocessamento do vetor de características com o objetivo de melhorar a recuperação de imagens baseada em conteúdo e sistemas de classificação de imagens: um método de redução de dimensionalidade do vetor de características original, baseado no algoritmo k-means, chamado FTK (Feature Transformation based on K-means) e um método de discretização ponderada de características que privilegia as faixas de características mais importantes para distinguir imagens, chamado WFD (Weighted Feature Discretization). Os métodos propostos foram utilizados para pré-processar os vetores de características nas abordagens CBIR e classificação, comparando o pré-processamento executado pelo método PCA e os resultados dos vetores de características originais. O algoritmo FTK promoveu uma redução no tamanho do vetor de características com uma melhoria na precisão da consulta e na precisão de classificação. O algoritmo WFD melhorou a precisão da consulta e classificação; a combinação de dos dois algoritmos propostos também melhorou a precisão da consulta e classificação. Estes resultados são muito importantes, especialmente quando comparados com os resultados do método PCA, que também leva a uma redução no tamanho do vetor de características, a um menor aumento na precisão da consulta e a menor aumento na precisão da classificação. Além disso, as técnicas propostas têm custo computacional linear, enquanto o PCA tem um custo computacional cúbico. Os resultados indicam que os métodos propostos são abordagens adequadas para realizar pré-processamento dos vetores de características de imagens em sistemas CBIR e em sistemas de classificação. | por |
dc.publisher.country | BR | por |
dc.publisher.initials | UFSCar | por |
dc.publisher.program | Programa de Pós-Graduação em Ciência da Computação - PPGCC | por |
dc.subject.cnpq | CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO | por |
dc.contributor.authorlattes | http://lattes.cnpq.br/9675322602859451 | por |