Dissertação - Uso de deep learning para codificação da transmissão de imagem subaquática

Autor: Débora Debiaze de Paula (Currículo Lattes)

Resumo

Diversas tarefas como a pesquisa, monitoramento dos oceanos, transporte, mineração marinha e a exploração de petróleo e gás são realizadas com o auxílio de veículos subaquáticos não tripulados, visto que sua evolução tecnológica permitiu que realizassem tarefas cada vez mais complexas e em grandes profundidades. A comunicação acústica é utilizada para estabelecer comunicação subaquática sem fio entre o veículo e a estação de apoio, onde se encontra o operador. Porém, esse tipo de comunicação é desafiadora em função da natureza do ambiente subaquático, que ocasiona limitações nos canais de comunicação devido à largura de banda limitada e atenuação de sinal, que resulta em perda de informação. Para aplicações em tempo real, essas perdas interferem no entendimento dos eventos. Uma maneira de contornar essa situação é mandar essa informação de forma compacta. Em missões submarinas, as imagens que geralmente são armazenadas possuem pouca possibilidade de uso, devido às suas características de não variação. Determinar a compressão aplicada, de acordo com a quantidade de informação presente em uma imagem é uma alternativa. Assim, nessa dissertação é proposto um estudo e aplicação da codificação de imagens subaquáticas utilizando o Autoencoder Variacional. A principal vantagem desta técnica de compressão de imagem é sua baixa distorção e alta taxa de bits. É apresentada uma alternativa para obtenção de imagens subaquáticas, devido a dificuldade de adquirir grande quantidade das mesmas. Também é discutido o uso do SIFT como uma tentativa de métrica para quantificar a variação da informação em uma imagem. Para avaliação da técnica proposta é utilizada a métrica de qualidade Relação Sinal-Ruído de Pico (PSNR), como também o Bits por Pixel (BPP) para avaliar o nível de compressão alcançado.

TEXTO COMPLETO

Palavras-chave: Aprendizado computacionalDeep learningCodificaçãoImagens subaquáticasAprendizado por máquinasComunicação subaquáticaCompressão de imagensRede autoencoder variacionalAlgoritmo SIFT