Use este identificador para citar ou linkar para este item: https://repositorio.ufrn.br/jspui/handle/123456789/15272
Título: Algoritmo SOM com estrutura hierárquica e dinâmica aplicado a compressão de imagens
Autor(es): Barbalho, José Marinho
Palavras-chave: Rede neural;Algoritmo SOM;Compressão de imagem
Data do documento: 21-Jun-2002
Editor: Universidade Federal do Rio Grande do Norte
Citação: BARBALHO, José Marinho. Algoritmo SOM com estrutura hierárquica e dinâmica aplicado a compressão de imagens. 2002. 80 f. Dissertação (Mestrado em Automação e Sistemas; Engenharia de Computação; Telecomunicações) - Universidade Federal do Rio Grande do Norte, Natal, 2002.
Resumo: ln this work the implementation of the SOM (Self Organizing Maps) algorithm or Kohonen neural network is presented in the form of hierarchical structures, applied to the compression of images. The main objective of this approach is to develop an Hierarchical SOM algorithm with static structure and another one with dynamic structure to generate codebooks (books of codes) in the process of the image Vector Quantization (VQ), reducing the time of processing and obtaining a good rate of compression of images with a minimum degradation of the quality in relation to the original image. Both self-organizing neural networks developed here, were denominated HSOM, for static case, and DHSOM, for the dynamic case. ln the first form, the hierarchical structure is previously defined and in the later this structure grows in an automatic way in agreement with heuristic rules that explore the data of the training group without use of external parameters. For the network, the heuristic mIes determine the dynamics of growth, the pruning of ramifications criteria, the flexibility and the size of children maps. The LBO (Linde-Buzo-Oray) algorithm or K-means, one ofthe more used algorithms to develop codebook for Vector Quantization, was used together with the algorithm of Kohonen in its basic form, that is, not hierarchical, as a reference to compare the performance of the algorithms here proposed. A performance analysis between the two hierarchical structures is also accomplished in this work. The efficiency of the proposed processing is verified by the reduction in the complexity computational compared to the traditional algorithms, as well as, through the quantitative analysis of the images reconstructed in function of the parameters: (PSNR) peak signal-to-noise ratio and (MSE) medium squared error
metadata.dc.description.resumo: Neste trabalho é apresentada a implementação do algoritmo SOM (Self Organizing Maps) ou rede neural de Kohonen na forma de estruturas hierárquicas, aplicadas à compressão de imagens. O objetivo desta abordagem é desenvolver um algoritmo SOM Hierárquico com estrutura estática e um outro com estrutura dinâmica para gerar codebooks (livros de códigos) no processo de Quantização Vetorial (VQ) da imagem; reduzindo o tempo de processamento e obtendo uma boa taxa de compressão de imagens com um comprometimento mínimo da qualidade em relação à imagem original. As duas redes neurais auto-organizáveis aqui desenvolvidas, foram denominadas de HSOM, para caso estático e de DHSOM, para caso dinâmico. Na primeira, a estrutura hierárquica é previamente definida e na segunda essa estrutura se desenvolve de forma automática de acordo com regras heurísticas propostas neste trabalho, que exploram os dados do conjunto de treinamento sem que haja necessidade de utilização de parâmetros externos. As regras heurísticas determinam a dinâmica de crescimento da rede, o critério de poda de ramificações da rede, a flexibilidade da rede e o tamanho dos mapas filhos.O algoritmo LBG (Linde-Buzo-Gray) ou K-means, um dos mais utilizado para desenvolver codebooks para quantização vetorial, serviu justamente com o algoritmo de Kohonen na sua forma básica, isto é, não hierárquica, como referência para comparar o desempenho dos algoritmos aqui propostos. Uma análise de desempenho entre as duas estruturas hierárquicas é também realizada neste trabalho. A eficiência do processamento proposto é verificada pela redução na complexidade computacional em relação aos algoritmos tradicionais, bem como, através das análises quantitativas das imagens reconstruídas em função dos parâmetros: (PSNR) relação sinal-ruído de pico e (MSE) erro médio quadrático
URI: http://repositorio.ufrn.br:8080/jspui/handle/123456789/15272
Aparece nas coleções:PPGEE - Mestrado em Engenharia Elétrica e de Computação

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
JoséMB_DISSERT.pdf2,73 MBAdobe PDFThumbnail
Visualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.