Escolar Documentos
Profissional Documentos
Cultura Documentos
i
R
n
para i = 1, . . . , m.
Boris Chullo Llave Orientador: Prof. Dr. Ernesto G. Birgin Aplica coes do Metodo do Gradiente Espectral Projetado em problemas de Reconstru cao de Imagens
Introdu cao Compressao de Imagens
Amostra
Amostras pontuais
y
1
= e
i
1
, x, y
2
= e
i
2
, x, . . . , y
m
= e
i
m
, x,
onde m e o numero de amostras e e
i
1
, e
i
2
, . . . , e
i
m
sao vetores
canonicos do R
n
, i
j
1, . . . , n, j = 1, . . . , m.
Medi coes lineares:
y
1
=
1
, x, y
2
=
2
, x, . . . , y
m
=
m
, x,
onde m n e o n umero de medicoes e cada
i
R
n
para i = 1, . . . , m.
Boris Chullo Llave Orientador: Prof. Dr. Ernesto G. Birgin Aplica coes do Metodo do Gradiente Espectral Projetado em problemas de Reconstru cao de Imagens
Introdu cao Compressao de Imagens
Processo de Amostragem
Figura: Aquisi cao (Extrado de [Sch08].)
onde n e a dimensao da imagem e m e a cantidade amostras
adquiridas da imagem.
Boris Chullo Llave Orientador: Prof. Dr. Ernesto G. Birgin Aplica coes do Metodo do Gradiente Espectral Projetado em problemas de Reconstru cao de Imagens
Introdu cao Compressao de Imagens
Dado que o sinal e esparso no espaco gerado pelas colunas de
T
segue-se que:
Figura: Extrado de [Sch08].
com s R
n
esparso.
Boris Chullo Llave Orientador: Prof. Dr. Ernesto G. Birgin Aplica coes do Metodo do Gradiente Espectral Projetado em problemas de Reconstru cao de Imagens
Introdu cao Compressao de Imagens
O problema de Compressive Sensing
Recuperar o sinal x R
n
a partir das medi coes y R
m
sabendo
que s e esparso.
Figura: Extrado de [Sch08].
= .
Medicoes y = x.
Boris Chullo Llave Orientador: Prof. Dr. Ernesto G. Birgin Aplica coes do Metodo do Gradiente Espectral Projetado em problemas de Reconstru cao de Imagens
Introdu cao Compressao de Imagens
Minimizacao
0
Neste contexto, procuramos:
min|s|
0
sujeita a s = y, (1)
onde |s|
0
= #i 1, . . . , n [ s
i
,= 0.
O problema de minimiza cao
0
e NP-DIFICIL.
Boris Chullo Llave Orientador: Prof. Dr. Ernesto G. Birgin Aplica coes do Metodo do Gradiente Espectral Projetado em problemas de Reconstru cao de Imagens
Introdu cao Compressao de Imagens
Minimizacao
0
Neste contexto, procuramos:
min|s|
0
sujeita a s = y, (1)
onde |s|
0
= #i 1, . . . , n [ s
i
,= 0.
O problema de minimiza cao
0
e NP-DIFICIL.
Boris Chullo Llave Orientador: Prof. Dr. Ernesto G. Birgin Aplica coes do Metodo do Gradiente Espectral Projetado em problemas de Reconstru cao de Imagens
Introdu cao Compressao de Imagens
A esparsidade da norma
1
Boris Chullo Llave Orientador: Prof. Dr. Ernesto G. Birgin Aplica coes do Metodo do Gradiente Espectral Projetado em problemas de Reconstru cao de Imagens
Introdu cao Compressao de Imagens
A esparsidade da norma
1
Boris Chullo Llave Orientador: Prof. Dr. Ernesto G. Birgin Aplica coes do Metodo do Gradiente Espectral Projetado em problemas de Reconstru cao de Imagens
Introdu cao Compressao de Imagens
A esparsidade da norma
1
Boris Chullo Llave Orientador: Prof. Dr. Ernesto G. Birgin Aplica coes do Metodo do Gradiente Espectral Projetado em problemas de Reconstru cao de Imagens
Introdu cao Compressao de Imagens
A esparsidade da norma
1
Boris Chullo Llave Orientador: Prof. Dr. Ernesto G. Birgin Aplica coes do Metodo do Gradiente Espectral Projetado em problemas de Reconstru cao de Imagens
Introdu cao Compressao de Imagens
Minimizacao
1
min|s|
1
sujeita a s = y (2)
onde = .
Boris Chullo Llave Orientador: Prof. Dr. Ernesto G. Birgin Aplica coes do Metodo do Gradiente Espectral Projetado em problemas de Reconstru cao de Imagens
Introdu cao Compressao de Imagens
Teorema de CS
Teorema
Dado um sinal x R
n
k-esparso no domnio , entao x pode ser
recuperado com alta probabilidade va m amostras feitas no sinal,
em que m n e m k log n.
Boris Chullo Llave Orientador: Prof. Dr. Ernesto G. Birgin Aplica coes do Metodo do Gradiente Espectral Projetado em problemas de Reconstru cao de Imagens
Introdu cao Compressao de Imagens
CS em sinais naturais
Em aplicacoes reais, o sinal amostrado pode conter erros nas
medi coes, ou seja,
y = s + . (3)
onde e o erro derivado das medi coes.
Neste contexto procuramos simultaneamente:
Um s que minimize o resduo |y s| do sistema linear
s = y.
Minimizar a norma
1
do sinal s.
min
sR
n (|s|
1
, |y s|).
Problema de Otimizacao Multiobjetivo !!!
Boris Chullo Llave Orientador: Prof. Dr. Ernesto G. Birgin Aplica coes do Metodo do Gradiente Espectral Projetado em problemas de Reconstru cao de Imagens
Introdu cao Compressao de Imagens
CS em sinais naturais
Em aplicacoes reais, o sinal amostrado pode conter erros nas
medi coes, ou seja,
y = s + . (3)
onde e o erro derivado das medi coes.
Neste contexto procuramos simultaneamente:
Um s que minimize o resduo |y s| do sistema linear
s = y.
Minimizar a norma
1
do sinal s.
min
sR
n (|s|
1
, |y s|).
Problema de Otimizacao Multiobjetivo !!!
Boris Chullo Llave Orientador: Prof. Dr. Ernesto G. Birgin Aplica coes do Metodo do Gradiente Espectral Projetado em problemas de Reconstru cao de Imagens
Introdu cao Compressao de Imagens
CS em sinais naturais
Em aplicacoes reais, o sinal amostrado pode conter erros nas
medi coes, ou seja,
y = s + . (3)
onde e o erro derivado das medi coes.
Neste contexto procuramos simultaneamente:
Um s que minimize o resduo |y s| do sistema linear
s = y.
Minimizar a norma
1
do sinal s.
min
sR
n (|s|
1
, |y s|).
Problema de Otimizacao Multiobjetivo !!!
Boris Chullo Llave Orientador: Prof. Dr. Ernesto G. Birgin Aplica coes do Metodo do Gradiente Espectral Projetado em problemas de Reconstru cao de Imagens
Introdu cao Compressao de Imagens
CS em sinais naturais
Em aplicacoes reais, o sinal amostrado pode conter erros nas
medi coes, ou seja,
y = s + . (3)
onde e o erro derivado das medi coes.
Neste contexto procuramos simultaneamente:
Um s que minimize o resduo |y s| do sistema linear
s = y.
Minimizar a norma
1
do sinal s.
min
sR
n (|s|
1
, |y s|).
Problema de Otimizacao Multiobjetivo !!!
Boris Chullo Llave Orientador: Prof. Dr. Ernesto G. Birgin Aplica coes do Metodo do Gradiente Espectral Projetado em problemas de Reconstru cao de Imagens
Introdu cao Compressao de Imagens
CS em sinais naturais
Em aplicacoes reais, o sinal amostrado pode conter erros nas
medi coes, ou seja,
y = s + . (3)
onde e o erro derivado das medi coes.
Neste contexto procuramos simultaneamente:
Um s que minimize o resduo |y s| do sistema linear
s = y.
Minimizar a norma
1
do sinal s.
min
sR
n (|s|
1
, |y s|).
Problema de Otimizacao Multiobjetivo !!!
Boris Chullo Llave Orientador: Prof. Dr. Ernesto G. Birgin Aplica coes do Metodo do Gradiente Espectral Projetado em problemas de Reconstru cao de Imagens
Introdu cao Compressao de Imagens
Otimizacao Multiobjetivo
O problema geral de Otimiza cao Multiobjetivo irrestrito e dado
pelo seguinte problema:
min
xR
n f (x) = (f
1
(x), f
2
(x), . . . , f
p
(x))
onde p e o numero de funcoes objetivo, f : R
n
R
p
e a funcao
multiobjetivo em que cada f
i
: R
n
R dene uma funcao objetivo.
Um problema de otimiza cao multiobjetivo irrestrito tem innitas
solucoes, estas solucoes formam um conjunto que e chamado
fronteira otima ou fronteira pareto.
Boris Chullo Llave Orientador: Prof. Dr. Ernesto G. Birgin Aplica coes do Metodo do Gradiente Espectral Projetado em problemas de Reconstru cao de Imagens
Introdu cao Compressao de Imagens
Metodos de escalariza cao
Metodo dos pesos.
min
xR
n
p
k=1
w
k
f
k
(x)
onde w 0.
Considerando f
1
= |s|
1
e f
2
= |y s| e seg um [SCS01]
consideramos o seguinte problema ponderado:
min
sR
n
1
2
|s|
1
+ |y s|
2
2
, (4)
Para diferentes valores de , sob certas hipoteses, as solucoes de
(4) formam uma aproxima cao da fronteira pareto.
Boris Chullo Llave Orientador: Prof. Dr. Ernesto G. Birgin Aplica coes do Metodo do Gradiente Espectral Projetado em problemas de Reconstru cao de Imagens
Introdu cao Compressao de Imagens
Metodos de escalariza cao
Metodo dos pesos.
min
xR
n
p
k=1
w
k
f
k
(x)
onde w 0.
Considerando f
1
= |s|
1
e f
2
= |y s| e seg um [SCS01]
consideramos o seguinte problema ponderado:
min
sR
n
1
2
|s|
1
+ |y s|
2
2
, (4)
Para diferentes valores de , sob certas hipoteses, as solucoes de
(4) formam uma aproxima cao da fronteira pareto.
Boris Chullo Llave Orientador: Prof. Dr. Ernesto G. Birgin Aplica coes do Metodo do Gradiente Espectral Projetado em problemas de Reconstru cao de Imagens
Introdu cao Compressao de Imagens
Temas importantes
Base wavelet de Haar.
Incoerencia.
Propriedade de Isometra Restrita.
Boris Chullo Llave Orientador: Prof. Dr. Ernesto G. Birgin Aplica coes do Metodo do Gradiente Espectral Projetado em problemas de Reconstru cao de Imagens
Introdu cao Compressao de Imagens
Temas importantes
Base wavelet de Haar.
Incoerencia.
Propriedade de Isometra Restrita.
Boris Chullo Llave Orientador: Prof. Dr. Ernesto G. Birgin Aplica coes do Metodo do Gradiente Espectral Projetado em problemas de Reconstru cao de Imagens
Introdu cao Compressao de Imagens
Temas importantes
Base wavelet de Haar.
Incoerencia.
Propriedade de Isometra Restrita.
Boris Chullo Llave Orientador: Prof. Dr. Ernesto G. Birgin Aplica coes do Metodo do Gradiente Espectral Projetado em problemas de Reconstru cao de Imagens
Introdu cao Compressao de Imagens
E. Cand`es and J. Romberg.
Sparsity and incoherence in compressive sampling.
Inverse Problems, 23:969985, 2007.
E. Cand`es, J. Romberg, and T. Tao.
Stable signal recovery from incomplete and inaccurate
measurements.
Communications on Pure and Applied Mathematics,
59:12071223, 2006.
T. Do L. Han and T. Tran.
Fast compressive imaging using scrambled block hadamard
ensemble.
2008.
A. Schulz.
Compressive Sensing, Novos paradigmas para aquisicao e
compressao de imagens.
Escola Politecnica da Universidade de Rio de Janeiro.
Departamento Electronica e de Computa cao, 2008.
D. Donoho S. Chen and M. Saunders.
Atomic decomposition by basis pursuit.
SIAM Journal on Scientic Computing, 43:129159, 2001.
Y. Tsaig and D. L. Donoho.
Compressed sensing.
IEEE Transactions Information Theory, 52:12891306, 2006.
Boris Chullo Llave Orientador: Prof. Dr. Ernesto G. Birgin Aplica coes do Metodo do Gradiente Espectral Projetado em problemas de Reconstru cao de Imagens