Redução Dimensional de Imagens: aplicação de Funções de (Pré) Agregação baseadas na Integral de Choquet

Abstract

O crescente aumento do volume de dados, juntamente com a alta complexidade destes, tem gerado a necessidade de se desenvolver técnicas de extração de conhecimento cada vez mais eficientes, tanto em custo computacional quanto em precisão. A maioria dos problemas que são tratados por esses técnicas, como classificação de imagens, tem informações complexas a serem identificadas. Esses métodos usam uma variedade de funções dentro das diferentes etapas que são empregadas em suas arquiteturas. Uma dessas etapas consiste no uso de funções de agregação para redimensionar imagens. Neste contexto, apresenta-se um estudo de funções de agregação e pré-agregação baseadas em integral de Choquet. A principal característica da integral de Choquet, em comparação com outras funções de agregação, é considerar, por meio de uma medida fuzzy, a interação entre os elementos a serem agregados. Neste sentido, apresenta-se um estudo avaliativo do desempenho de algumas funções de agregação e pré-agregação baseadas na integral de Choquet em redução dimensional de imagens. Portanto, o objetivo principal deste trabalho é comparar tais funções com as usuais na literatura que são as funções máximo e média, procurando resultados que podem ser melhores do que destas funções. Os resultados foram avaliados utilizando uma série de medidas de qualidade de imagem. Foi possível observar que a integral de Choquet e suas generalizações mantiveram a integridade da imagem original, sendo capaz de minimizar problemas de bordas serrilhadas em linhas oblíquas/diagonais e de contraste em comparação com os agregadores usuais embora não sejam quantitativamente as mais similares com a imagem original conforme mostrado com as medidas de qualidade.

The increasing data volume, along with their high complexity, has generated the need to develop increasingly ecient knowledge extraction techniques, both in computational cost and precision. Most of the problems that are processed by these techniques such as image classification have complex information to be identified. These methods use a variety of functions inside the dierent steps that are employed in their architectures. One of these steps, called pooling layer, is used to aggregate functions to resize images. In this context, it presents a study of aggregation and pre-aggregation functions of Choquet integral. The main feature of Choquet integral, in comparison with other aggregation functions, is to consider, through a fuzzy measure, the interaction between the elements to be aggregated. In this way an evaluation study of the performance of aggregation and pre-aggregation functions based on Choquet integral in dimensional reduction of images is presented. The purpose of this work is to compare such functions with the usual ones in the literature, such as the maximum and mean functions, looking for results that may be better than these functions. The results were evaluated using a series of image quality measures. It was possible to observe that the Choquet integral and its generalizations maintained the integrity of the original image, being able to minimize problems of serrated edges in oblique / diagonal and contrast lines in comparison with the usual aggregators although they are not quantitatively the most similar with the image as shown with the quality measures.