Otimização da Compressão e Processamento de Imagens: Integração de Métodos Matemáticos e Inteligência Artificial.

- 324374
Pôster
Favoritar este trabalho
Como citar esse trabalho?
Resumo

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.

 

Compartilhe suas ideias ou dúvidas com os autores!

Sabia que o maior estímulo no desenvolvimento científico e cultural é a curiosidade? Deixe seus questionamentos ou sugestões para o autor!

Faça login para interagir

Tem uma dúvida ou sugestão? Compartilhe seu feedback com os autores!

Instituições
  • 1 Universidade Federal de São Paulo (Unifesp)
  • 2 Unifesp - Universidade Federal de São Paulo
Eixo Temático
  • 10. IA- PO e IA
Palavras-chave
Compressão de Imagens
Inteligência Artificial
Decomposição em Valores Singulares
Curvas de Hilbert
Álgebra Linear Computacional