Para citar este trabalho use um dos padrões abaixo:
Este trabalho propõe uma abordagem híbrida para compressão de imagens, combinando métodos clássicos da álgebra linear com técnicas modernas de inteligência artificial. A compressão eficiente de imagens é essencial em aplicações que envolvem grandes volumes de dados visuais, como sistemas embarcados, armazenamento em nuvem e análise de imagens médicas. O objetivo central desta pesquisa é reduzir a dimensionalidade dos dados mantendo a qualidade visual da imagem, otimizando assim tanto o armazenamento quanto a transmissão.
Inicialmente, emprega-se a Decomposição em Valores Singulares (SVD), um método consagrado na álgebra linear para análise de estruturas matriciais. A SVD permite representar uma imagem por meio de autovetores e autovalores singulares, dos quais apenas os mais significativos são mantidos para uma representação aproximada. A implementação foi realizada manualmente em Julia, respeitando os fundamentos teóricos, o que favorece o controle sobre as etapas do processo e o ajuste fino dos parâmetros de compressão, como a otimização do código para maior rapidez.
Na segunda etapa, são exploradas redes neurais, especialmente autoencoders convolucionais, capazes de refinar a imagem comprimida pela SVD. Os autoencoders aprendem representações latentes não lineares, auxiliando na reconstrução de detalhes perdidos na compressão via SVD. Como método adicional, as curvas de Hilbert são implementadas, sendo elas as ferramentas que reorganizam os pixels da imagem segundo uma estrutura fractal, melhorando a preservação da localidade espacial e otimizando o aprendizado da rede.
A abordagem híbrida proposta, SVD seguida por refinamento com rede neural, mostrou resultados superiores aos métodos isolados, com maior taxa de compressão e menor erro de reconstrução. O sistema foi testado em imagens naturais e médicas (radiografias), demonstrando potencial em contextos sensíveis à perda de informação. A implementação da parte neural foi realizada em Python com uso de PyTorch (biblioteca).
Os resultados evidenciam que a integração entre métodos determinísticos e heurísticos oferece vantagens significativas em termos de desempenho computacional, qualidade visual e adaptabilidade. Esta pesquisa contribui para a literatura ao propor uma solução matematicamente fundamentada, computacionalmente viável e com alto potencial de aplicação prática, especialmente em áreas que demandam compressão eficiente e preservação de qualidade.
Com ~200 mil publicações revisadas por pesquisadores do mundo todo, o Galoá impulsiona cientistas na descoberta de pesquisas de ponta por meio de nossa plataforma indexada.
Confira nossos produtos e como podemos ajudá-lo a dar mais alcance para sua pesquisa:
Esse proceedings é identificado por um DOI , para usar em citações ou referências bibliográficas. Atenção: este não é um DOI para o jornal e, como tal, não pode ser usado em Lattes para identificar um trabalho específico.
Verifique o link "Como citar" na página do trabalho, para ver como citar corretamente o artigo