Uma banca de DEFESA de DOUTORADO foi cadastrada pelo programa.
DISCENTE: PEDRO HENRIQUE ALVES RIBEIRO
DATA: 14/05/2025
HORA: 09:00
LOCAL: Sala virtual do DCCMAPI
TÍTULO: Reconstrucao de imagem com nmBDCA para modelos nao convexos
PALAVRAS-CHAVES: Otimização não convexa, Remoção de ruído, Total Variation, DCA, BDCA, nmBDCA.
PÁGINAS: 109
GRANDE ÁREA: Ciências Exatas e da Terra
ÁREA: Ciência da Computação
RESUMO:

A reconstrução de imagens é muito importante para atividades que dependem da análise ótica e comparativa de dados. Os sinais, obtidos através de sistemas de aquisição, podem ser corrompidos por vários fatores, como movimentação da câmera e ruídos, mas podem ser recuperados pela aplicação de técnicas que os modelam matematicamente. Com isso, ferramentas de otimização contínua vem se tornando populares nos últimos anos em problemas de imagem. Este trabalho busca reconstruir imagens ruidosas, utilizando o non-monotone Boosted DC Algorithm (nmBDCA), uma variante acelerada do Difference of Convex Algorithm (DCA), com uma versão não convexa do modelo de Total Variation (TV), para obter melhor desempenho computacional que o DCA, com qualidade superior. Os resultados são mostrados em três seções: a primeira com imagens em preto e branco, a segunda com imagens médicas de tomografia computadorizada (TC) e a terceira comparando o nmBDCA a uma versão do Boosted Difference of Convex Algorithm (BDCA) com suavização da primeira componente DC, reconstruindo imagens médicas de TC e imagens de ressonância magnética (RM), com diferentes tipos e níveis de ruído. Os resultados da primeira seção enfatizam que o nmBDCA realiza reconstruções com maior PSNR em todos os experimentos, menor tempo de CPU e SSIM maior ou igual ao DCA em 91,67% dos testes. O modelo de TV não convexo é mais robusto que o convexo na presença de mais ruído, apresentando SSIM e PSNR maiores em todos os experimentos realizados. Na segunda seção, o nmBDCA supera DCA em qualidade de reconstrução e tempo de CPU em todos os testes. O desempenho do modelo não convexo aplicado com nmBDCA supera o modelo convexo em SSIM e tempo de CPU em todos os experimentos, sendo superior em PSNR em 77,78% dos os testes. A terceira seção de resultados mostra a superioridade do nmBDCA em relação ao BDCA, tanto em tempo de CPU quanto na qualidade das imagens recuperadas.

MEMBROS DA BANCA:
Presidente - 2801433 - JOAO CARLOS DE OLIVEIRA SOUZA
Externo à Instituição - 267.***.***-42 - KELLY CRISTINA POLDI - UNICAMP
Externo à Instituição - 302.***.***-44 - ORIZON PEREIRA FERREIRA - UFG
Interno - 1296926 - PAULO SERGIO MARQUES DOS SANTOS
Externo à Instituição - 006.***.***-63 - PEDRO JORGE SOUSA DOS SANTOS - UFDPar
Interno - 2061294 - RICARDO DE ANDRADE LIRA RABELO

Cadastrada em: 24/04/2025