Utilize este link para identificar ou citar este item: http://bdm.unb.br/handle/10483/8744
Arquivos neste item:
Arquivo Descrição TamanhoFormato 
2014_WelingtonYorihikoLimaAkamine.pdf14,2 MBAdobe PDFver/abrir
Título: Utilizando modelos bottom-up de atenção visual para análise de qualidade visual
Autor(es): Akamine, Welington Yorihiko Lima
Orientador(es): Farias, Mylène Christine Queiroz de
Assunto: Processamento de imagens
Software - controle de qualidade
Qualidade - métricas
Data de apresentação: 5-Ago-2014
Data de publicação: 23-Out-2014
Referência: AKAMINE, Welington Yorihiko Lima. Utilizando modelos bottom-up de atenção visual para análise de qualidade visual. 2014. 46 p., il. Monografia (Bacharelado em Engenharia da Computação)—Universidade de Brasília, Brasília, 2014.
Resumo: Ao observar uma cena o olho humano normalmente ltra a grande quantidade de informações visuais presente e concentra sua atenção em regiões consideradas salientes. Acredita-se que distorções visuais que afetam áreas menos salientes da imagem são menos visíveis e, portanto, menos irritantes. Neste trabalho, nós investigamos os benefícios da incorporação da atenção visual por meio de mapas de saliência, gerados por diferentes modelos computacionais, em métricas de qualidade de imagem e vídeo. Os resultados obtidos demonstram que a incorporação dos mapas de saliência melhoram o desempenho das métricas, mas esta melhora depende do desempenho do modelo de atenção visual utilizado. Também é proposto uma métrica de qualidade de imagem baseada nas característica analisadas pelo modelo computacional de atenção visual de Itti. Dentre as métricas testadas A métrica proposta tem o melhor desempenho para o banco de dados TID2013. __________________________________________________________________________ ABSTRACT
Normally, when observing a scene, the human eye lters a large amount of visual information and concentrates on regions considered salients. It is believed that visual distortions in less salient regions of an image are less visible and, therefore less annoying. In this work, we investigate the bene ts of incorporating saliency maps, obtained by di erent visual attention computational models, into image and video quality metrics.Results obtained show that in most cases the incorporation of saliency maps can improve the performance of a quality metric. The actual improvement depends on the performance of the visual attention computational model. We also propose an image quality metric based on the features of a visual attention model (Itti's bottom-up model). When compared with a set of metrics available in the literature, this proposed metric has the best performance for the database TID2013 when compared with the metrics tested.
Informações adicionais: Monografia (graduação)—Universidade de Brasília, Instituto de Ciências Exatas, Faculdade de Tecnologia, 2014.
Aparece na Coleção:Engenharia da Computação



Este item está licenciado na Licença Creative Commons Creative Commons