Total variation regularization with Chambolle Algorithm:
|
|
- Regina Sá
- 5 Há anos
- Visualizações:
Transcrição
1 Total variation regularization with Chambolle Algorithm: [Rudin92] roôs iltrar imagem minimizando a variação total total variation. A suosição é que a imagem sem ruído é constante or regiões. [Chambolle04] roôs um algoritmo entre muitos ara essa minimização. Uma descrição didática desse algoritmo ara sinais 1-D com código Matlab encontra-se em [Selesnick09]. Transarências didáticas sobre comressive sensing em [Tao]. A tese [Ozgen2012] é uma boa tese sobre comressive sensing em tomograia.
2 Minimização de TV é muito usada em comressive samling ou comressed sensing. A gradiente de uma imagem discreta é [Chambolle04]: com: < + N N ara 0 ara 1 < + N N ara 0 ara 1 IMGCPX gradimgdbl a { IMGCPX d a.nl a.nc CPX ; or int 0; <a.n-1; ++ or int 0; <a.n-1; ++ d.atn CPX a.atn+1-a.atn a.atn+1-a.atn ; return d; A divergente divergence de uma camo vetorial dierenciável é [Wikiedia]: + div Se or camo vetorial discreta [Chambolle04]: < < + < < N N N N se 1 1 se 1 se 1 se 1 1 se 1 se 1 div
3 IMGDBL divimgcpx a { IMGDBL da.nla.nc; or int 0; <a.n; ++ or int 0; <a.n; ++ { double t; i 0 treala.atn; else i a.n-1 t-reala.atn-1; else treala.atn-reala.atn-1; double t; i 0 timaga.atn; else i a.n-1 t-imaga.atn-1; else timaga.atn-imaga.atn-1; d.atn t+t; return d; A variação total total variation de uma imagem suave é deinida [Pere10]: J d A variação total de uma imagem discreta é deinida [Chambolle04]: J 1 N double somatoriaimgdbl a { double d0.0; or int i0; i<a.n; i++ d+a.ati; return d; double JIMGDBL { IMGDBL mabsgrad; return somatoriam; Suonha que uma imagem o oi contaminada elo ruído w gerando a imagem o +w. Queremos atenuar ruído da observação. O objetivo é achar que minimize [Pere10]: 1 2 mine + λj 2 Isto é eito iterativamente com camo vetorial G. O valor inicial de G é zero. G l+ 1 Proj Proj cli signiica saturar os valores em -1 e +1. l l G τ div G / λ
4 IMGCPX cliimgcpx a { IMGCPX da; or int i0; i<a.n; i++ { double rerealai; double imimagai; i re<-1.0 re-1.0; i re>1.0 re1.0; i im<-1.0 im-1.0; i im>1.0 im1.0; dicpxreim; return d; Na teoria deve-se ter τ 1/8 ara obter a convergência. [Chambolle04] nota que na rática resultado melhor oi obtido com τ1/4. Nos meus testes usando τ1/4 e λ adatativo tv3 o algoritmo ou oscila ou diverge. Algoritmo com λ io arece uncionar bem com τ1/4. A imagem restaurada é -lambda*divg. IMGDBL tv1imgdbl double lambda int nit { double tau 1.0/8.0; IMGCPX G.nl.nc0.0; IMGCPX dg; or int i0; i<nit; i++ { dg grad divg - 1.0/lambda* ; G cli G + tau*dg ; return - lambda*divg; Se quiser obter as imagens restauradas intermediárias da iteração: IMGDBL tv2imgdbl double lambda int nit { double tau 1.0/8.0; IMGCPX G.nl.nc0.0; IMGCPX dg; IMGDBL ; or int i0; i<nit; i++ { - lambda*divg; dg grad -1.0/lambda* ; G cli G + tau*dg ; - lambda*divg; // ode eliminar return ;
5 Chamando: IMGDBL 0; double sigma0.1; or int l0; l<0.nl; l++ or int c0; c<0.nc; c++ lc0lc+sigma*mgauss; IMGDBL a2tv ; Obtém: original ruidosa restaurada com lambda io
6 É ossível calcular automaticamente λ a artir do desvio-adrão σ do ruído w. l l λ + 1 λ Nσ onde N é o lado da imagem. Se imagem não or quadrada N m onde m é o número de iels da imagem. O valor inicial de λ ode ser qualquer número ositivo. IMGDBL tv3imgdbl double sigma int nit { double tau 1.0/8.0; IMGCPX G.nl.nc0.0; IMGCPX dg; IMGDBL ; double lambda0.2; or int i0; i<nit; i++ { - lambda*divg; dg grad -1.0/lambda* ; G cli G + tau*dg ; double dcomrimento-; // Na 1a vez d0 i d>esilon lambda lambda * sigma * sqrtdouble.n / d; - lambda*divg; // ode eliminar return ; Imagem restaurada com cálculo automático de λ a artir de σ.
7 Reerências bibliográicas: [Chambolle04] A. Chambolle "An Algorithm or Total Variation Minimization and Alications" Journal o Mathematical Imaging and Vision vol [Pere10] "Total Variation Regularization with Chambolle Algorihtm" htt:// [Rudin92] L. Rudin S. Osher and E. Fatemi "Nonlinear total variation based noise removal algorithms" Phsica D: Nonlinear Phenomena vol [Selesnick09] I. Selesnick I. Baram "Total Variation Filtering" vol htt://assthru.cn.org/lone/content/m31292/1.1/ [Tao] htt:// [Ozgen2012] Özgen C COMPRESSED SENSING BASED COMPUTERIZED TOMOGRA- PHY IMAGING Doctoral dissertation MIDDLE EAST TECHNICAL UNIVERSITY. htts://etd.lib.metu.edu.tr/uload/ /inde.d
8 Atenuação de ruído gaussiano C:\haei\iltro\tv\tvart: Vamos tentar achar o iltro mais adequado ara iltrar uma imagem constante or regiões contaminada or ruído gaussiano. imagem original antom.tga Vamos colocar ruído gaussiano com desvio-adrão 0.1: img ruidogag antom.tga ruido10.tga ruido10.tga MAE ma100%...: 6.99% RMSE ma100%...: 9.29% PSNR considering highest255...: db
9 1 TV com sigma: img tv ruido10.tga ruido10tv.tga sigma MAE ma100%...: 1.99% RMSE ma100%...: 2.97% PSNR considering highest255...: db Interessante que o melhor resultado não oi obtido com sigma0.1 mas com sigma TV com lambda: img tv ruido10.tga ruido10la.tga lambda MAE ma100%...: 1.93% RMSE ma100%...: 2.84% PSNR considering highest255...: db O resultado é quase igual ao TV com sigma. O roblema é que tem que chutar lambda sem saber o que reresenta. A qualidade visual é ior.
10 3 Diusão anisotróica intercalado com oucas medianas: img ad ruido10.tga ruido10ad.tga t AD ent.tga sai.tga mat sigma [metodo lambda eemediana cdqto] MAE ma100%...: 0.96% RMSE ma100%...: 2.24% PSNR considering highest255...: db A qualidade é melhor do que TV tanto medido quando ercetual. 4 Mediana + TV + AD: img tv ruido10.tga ruido10me.tga mla TV ent.gm sai.gm metodo nit aram [tee mat sigma] MAE ma100%...: 1.21% RMSE ma100%...: 2.14% PSNR considering highest255...: db Praticamente idêntico ao item 3. Não há vantagem em usar TV Conclusão: AD é melhor que TV ara eliminar ruído gaussiano.
11 Atenuação de ruído gaussiano + sal-imenta C:\haei\iltro\tv\tvart: Vamos tentar achar o iltro mais adequado ara iltrar uma imagem constante or regiões contaminada or ruído gaussiano + ruído sal e imenta. Este tio de contaminação é comum em dierentes áreas. Por eemlo na tomograia. imagem original antom.tga Vamos colocar ruído gaussiano com desvio-adrão 0.1 e sal-e-imenta estragando 1 em 40 iels: img ruidogag antom.tga ruigs14.tga img ruidosg ruigs14.tga ruigs14.tga 40 8 ruigs14.tga MAE ma100%...: 8.04% RMSE ma100%...: 12.81% PSNR considering highest255...: db
12 1 Usar 4 vezes iltro mediana 33: img medianag ruigs14.tga ruigs14mg.tga 3 3 img medianag ruigs14mg.tga ruigs14mg.tga 3 3 img medianag ruigs14mg.tga ruigs14mg.tga 3 3 img medianag ruigs14mg.tga ruigs14mg.tga 3 3 img distg antom.tga ruigs14mg.tga MAE ma100%...: 2.24% RMSE ma100%...: 3.71% PSNR considering highest255...: db Elimina bem ruído sal-imenta. Não consegue eliminar ruído gaussiano.
13 2 Diusão anisotróica: img ad ruigs14.tga ruigs14a1.tga t 1 1 img distg antom.tga ruigs14a1.tga MAE ma100%...: 2.73% RMSE ma100%...: 9.55% PSNR considering highest255...: db Elimina bem ruído gaussiano. Não elimina ruído sal-imenta. 3 Diusão anisotróica intercalado com iltro mediano: img ad ruigs14.tga ruigs14ad.tga t 1 3 img distg antom.tga ruigs14ad.tga MAE ma100%...: 1.28% RMSE ma100%...: 3.19% PSNR considering highest255...: db Elimina bem ruído gaussiano e ruído sal-imenta. PSNR é o mais alto até agora.
14 4 TV com lambda: img tv ruigs14.tga ruigs14la.tga lambda img distg antom.tga ruigs14la.tga MAE ma100%...: 2.97% RMSE ma100%...: 4.61% PSNR considering highest255...: db Elimina bem ruído gaussiano. Não consegue eliminar ruído sal-imenta. O arâmetro lambda tem que ser ajustado sem ter ideia do que reresenta. 5 TV com sigma: img tv ruigs14.tga ruigs14tv.tga sigma img distg antom.tga ruigs14tv.tga MAE ma100%...: 2.62% RMSE ma100%...: 5.60% PSNR considering highest255...: db Elimina bem ruído gaussiano. Não consegue eliminar ruído sal-imenta. O arâmetro sigma é ácil de ajustar se conhecer o desvio-adrão do ruído.
15 7 mediana + TV com lambda: img tv ruigs14.tga ruigs14mt.tga mla img distg antom.tga ruigs14mt.tga MAE ma100%...: 1.91% RMSE ma100%...: 3.29% PSNR considering highest255...: db Eecutando iltro mediana antes de TV consegue eliminar ruído sal-imenta e gaussiana. PSNR icou bem alto. Mas há variação de nível de cinza de undo. 8 mediana + TV com lambda + AD img tv ruigs14.tga ruigs14me.tga mla img distg antom.tga ruigs14me.tga MAE ma100%...: 1.16% RMSE ma100%...: 2.59% PSNR considering highest255...: db Eecutando iltro mediana+tv+ad consegue eliminar ruído sal-imenta e gaussiana. Obteve o maior PSNR.
16 9 Diusão anisotróica intercalado com oucas medianas img ad ruigs14.tga ruigs14a2.tga t img distg antom.tga ruigs14a2.tga MAE ma100%...: 0.98% RMSE ma100%...: 2.49% PSNR considering highest255...: db Elimina bem ruído gaussiano e ruído sal-imenta. PSNR é o mais alto até agora. Não aresenta ruídos. Conclusão: AD intercalado com medianas é a melhor solução. Não valeu a ena usar TV.
ESCOAMENTO ANUAL 1 DISTRIBUIÇÃO ESTATÍSTICA
ESCOAMENTO ANUAL 1 DISTRIBUIÇÃO ESTATÍSTICA O escoamento anual numa secção de um rio tem essencialmente uma natureza aleatória não sendo ortanto ossível rever deterministicamente os seus valores futuros
Leia maisFunção par e função ímpar
Pré-Cálculo Humberto José Bortolossi Deartamento de Matemática Alicada Universidade Federal Fluminense Função ar e função ímar Parte 3 Parte 3 Pré-Cálculo 1 Parte 3 Pré-Cálculo 2 Função ar Definição Função
Leia mais3. ANÁLISE DE DADOS EXPERIMENTAIS
3. AÁLISE DE DADOS EXPEIMETAIS 3. Introdução. Todo dado eerimental deve ser analisado através de algum tio de rocedimento. Um bom eerimentalista deve fazer todo o esforço ossível ara eliminar todos os
Leia maisRESTAURAÇÃO E RECONSTRUÇÃO DE IMAGENS. Nielsen Castelo Damasceno
RESTAURAÇÃO E RECONSTRUÇÃO DE IMAGENS Nielsen Castelo Damasceno Restauração de imagem Procura recuperar uma imagem corrompida com base em um conhecimento a priori do fenômeno de degradação. Restauração
Leia maisOperadores (ou filtros) restritos à janela
Operadores (ou filtros) restritos à janela Um operador (ou filtro) restrito à janela (W-operador) é uma transformação de imagem onde a cor de um pixel da imagem de saída é escolhida em função das cores
Leia maisM odulo de Potencia c ao e D ızimas Peri odicas Nota c ao Cient ıfica e D ızimas Oitavo Ano
Módulo de Potenciação e Dízimas Periódicas Notação Científica e Dízimas Oitavo Ano Exercícios Introdutórios Exercício. Escreva os seguintes números na notação científica: a) 4673. b) 0, 0034. c). d) 0,
Leia maisNoções de Testes de Hipóteses
Noções de Testes de Hióteses Outro tio de roblema da Inferência Estatística é o de testar se uma conjectura sobre determinada característica de uma ou mais oulações é, ou não, aoiada ela evidência obtida
Leia maisUNIVERSIDADE DE COIMBRA - FACULDADE DE CIÊNCIAS E TECNOLOGIA DEPARTAMENTO DE MATEMÁTICA ALGORITMO DO PONTO MÉDIO PARA
UNIVERSIDADE DE COIMBRA - FACULDADE DE CIÊNCIAS E TECNOLOGIA DEPARTAMENTO DE MATEMÁTICA ALGORITMO DO PONTO MÉDIO PARA A RASTERIZAÇÃO DA ELIPSE OBJECTIVO: O resente trabalho tem or objectivo ilustrar o
Leia maisTópicos: 1. Introdução sobre fmri; 2. Pré-processamento de fmri; 3. Modelo linear geral; 4. Difusão anisotrópica robusta (RAD); 5.
Tópicos:. ntrodução sobre MR;. Pré-processamento de MR; 3. Modelo linear geral; 4. Diusão anisotrópica robusta (RAD); 5. Filtragem de MR pela RAD. . ntrodução sobre MR 970s - Uso de MR estrutural na medicina.
Leia maisProblemas com ABP Desbalanceamento progressivo
Árvores Binárias de Pesquisa Árvores Balanceadas Aresentam uma relação de ordem A ordem é definida ela chave Oerações: inserir consultar 5 excluir 3 8 15 4 6 9 Problemas com ABP Exemlo: Problemas com ABP
Leia maisEstudo sobre decodificação iterativa usando códigos de treliça
Revista de Engenharia e Pesquisa Aplicada, Volume 2, Número 1, 2016 Estudo sobre decodificação iterativa usando códigos de treliça Souza, I. M. M. Escola Politécnica de Pernambuco Universidade de Pernambuco
Leia maisRememorando. Situação-problema 5. Teorema do Limite Central. Estatística II. Aula II
UNIVERSIDADE FEDERAL DE RONDÔNIA CAMPUS DE JI-PARAN PARANÁ DEPARTAMENTO DE ENGENHARIA AMBIENTAL Rememorando Estatística II Aula II Profa. Renata G. Aguiar 1 Figura 7 Distribuição de uma amostra (n = 150).
Leia maisEliminação de Ruídos e Extração de Bordas em Imagens Digitais via Equação de Difusão não-linear
Eliminação de Ruídos e Extração de Bordas em Imagens Digitais via Equação de Difusão não-linear Wallace Correa de Oliveira Casaca DCCE-IBILCE-UNESP Rua Cristóvão Colombo, 2265 15054-000 - São José do Rio
Leia maisDecomposição de Imagens Digitais em Cartoon e Textura Através de Uma Equação de Difusão Não Linear
Decomposição de Imagens Digitais em Cartoon e Textura Através de Uma Equação de Difusão Não Linear Wallace Correa de Oliveira Casaca DCCE-IBILCE-UNESP Rua Cristóvão Colombo, 2265 15054-000 - São José do
Leia maisConjunto de Valores. A Função de Probabilidade (fp)
Prof. Lorí Viali, Dr. viali@ucrs.br viali@mat.ufrgs.br htt://www.ucrs.br/famat/viali/ htt://www.mat.ufrgs.br/~viali/ Bernoulli Binomial Binomial Negativa ou Pascal Geométrica Hiergeométrica Uniforme Poisson
Leia maisElectrónica /2007
6/7 FEUP/DEEC 4º/MIEEC Vítor Grade Tavare Aula 4: Filtro umário: Função de Aroimação: Butterorth. Chebyhev. Beel. Filtro Elítico. Caracterítica marcante do dierente iltro. Tranormação de requência. O Problema
Leia maisConjunto de Valores. A Função de Probabilidade (fp)
Prof. Lorí Viali, Dr. viali@mat.ufrgs.br htt://www.mat.ufrgs.br/~viali/ Bernoulli Binomial Binomial Negativa ou Pascal Geométrica Hiergeométrica Uniforme Poisson Eerimento Qualquer um que corresonda a
Leia maisFundamentos de Telecomunicações 2004/05
Pretende contabilizar as notas dos testes? sim não Assinatura A resolução do exame é feita no enunciado que acaba de lhe ser distribuído. Não se esqueça de reencher todos os cabeçalhos com a sua identificação.
Leia maisMestrado em Finanças e Economia Empresarial Microeconomia - 6 a Lista de Exercícios Prof.: Carlos Eugênio Monitora:Amanda Schutze
Mestrado em Finanças e Economia Emresarial Microeconomia - 6 a Lista de Exercícios Prof.: Carlos Eugênio Monitora:Amanda Schutze (schutze@fgvmail.br) Parte I - Exercícios Básicos a Questão As funções de
Leia maisPROTOCOLO PARA ESTIMAR ERROS DE DISCRETIZAÇÃO EM CFD: VERSÃO 1.1. Carlos Henrique Marchi. Curitiba, UFPR, setembro de 2005.
PROTOCOLO PARA ESTIMAR ERROS DE DISCRETIZAÇÃO EM CFD: VERSÃO. Carlos Henrique Marchi Curitiba, FPR, setembro de 2005. O objetivo deste rotocolo é adronizar o rocesso de Verificação de soluções numéricas
Leia maisGabarito da Lista 6 de Microeconomia I
Professor: Carlos E.E.L. da Costa Monitor: Vitor Farinha Luz Gabarito da Lista 6 de Microeconomia I Eercício Seja Y um conjunto de ossibilidades de rodução. Dizemos que uma tecnologia é aditiva quando
Leia maisTeste de hipóteses para médias e proporções amostrais
Teste de hióteses ara médias e roorções amostrais Prof. Marcos Pó Métodos Quantitativos ara Ciências Sociais Questão rática Abrir a lanilha Alunos MQCS_16-18 e calcular a média, o desvio adrão e o tamanho
Leia maisMATEMÁTICA Professores: Adriano, Andrey, Aurélio e Rodrigo Comentário Geral Prova bem abrangente como todos os anos, mas com dois detalhes que
MTEMÁTIC rofessores: driano, ndrey, urélio e Rodrigo Comentário Geral rova bem abrangente como todos os anos, mas com dois detalhes que chamaram a atenção. rimeiro a ausência de uma questão de trigonometria
Leia maisNa aula anterior vimos a noção de derivada de uma função. Suponha que uma variável y seja dada como uma função f de uma outra variável x,
Elementos de Cálculo Dierencial Na aula anterior vimos a noção de derivada de uma unção. Supona que uma variável y seja dada como uma unção de uma outra variável, y ( ). Por eemplo, a variável y pode ser
Leia mais1. Introdução sobre fmri
. Introdução sobre fmri ópicos:. Introdução sobre fmri;. Pré-processamento de fmri; 3. Modelo linear geral; 4. Difusão anisotrópica robusta (RAD); 5. Filtragem de fmri pela RAD. 970s - Uso de MRI estrutural
Leia maisEliminação de Ruído Impulsivo Usando um Filtro Mediano Seletivo e Difusão Isotrópica
Eliminação de Ruído Impulsivo Usando um Filtro Mediano Seletivo e Difusão Isotrópica Marcos Proença de Almeida 1 Maurílio Boaventura 1 Resumo: Neste trabalho apresenta-se um algoritmo combinando-se uma
Leia maisUma Prova Vetorial da Fórmula de Heron
Uma Prova Vetorial da Fórmula de Heron Fernando Neres de Oliveira 1 de janeiro de 015 Resumo Neste trabalho aresentaremos uma rova ara a famosa fórmula de Heron, usando algumas das oerações básicas da
Leia mais1. Em cada caso, obtenha a equação e esboce o grá co da circunferência.
3.1 A Circunferência EXERCÍCIOS & COMPLEMENTOS 3.1 1. Em cada caso, obtenha a equação e esboce o grá co da circunferência. (a) Centro C ( 2; 1) e raio r = 5: (b) Passa elos ontos A (5; 1) ; B (4; 2) e
Leia maisPMR2560 Visão Computacional Filtragem e Suavização. Prof. Eduardo L. L. Cabral
PMR50 Visão Computacional Filtragem e Suavização Prof. Eduardo L. L. Cabral Objetivos Processamento de imagens: Convolução; Filtragem D; Suavização de imagens. Convolução Definição de convolução no tempo
Leia maisRedes Neurais e Sistemas Fuzzy
Conceitos básicos de redes neurais recorrentes Redes eurais e Sistemas Fuzzy Redes eurais Recorrentes A Rede de Hofield A suressão do ruído numa memória auto-associativa linear ode ser obtida colocando-se
Leia maisMATEMÁTICA COMENTÁRIO DA PROVA
COMENTÁRIO DA PROVA Os objetivos desta rova discursiva foram lenamente alcançados. Os conteúdos rinciais foram contemlados, inclusive comlementando os tóicos abordados na ª. fase, mostrando uma conveniente
Leia maisAULA 16 Esboço de curvas (gráfico da função
Belém, 1º de junho de 015 Caro aluno, Seguindo os passos dados você ará o esboço detalhado do gráico de uma unção. Para achar o zero da unção, precisamos de teorias que você estudará na disciplina Cálculo
Leia maisDiferenciais Parciais
Tendências em Matemática Aplicada e Computacional, 3, No. 2 (2002), 1-13. c Uma Publicação da Sociedade Brasileira de Matemática Aplicada e Computacional. Restauração e Análise de Imagens via Equações
Leia maisout II - Algoritmo Back-Propagation II - Algoritmo BackPropagation II - Algoritmo Back-Propagation Modelo de Rede Neural com Multiplas Camadas
Modelo de Rede Neural com Multilas Camadas SCE 5809 REDES NEURAIS REDE NEURAL DO TIPO MULTI- CAMADAS Profa Inut First Hidden Second Roseli Hidden Romero Outut II - Algoritmo Bac-Proagation Out(x) = g(
Leia maisProjeções Multi-dimensionais
Prof. Fernando V. Paulovich http://www.icmc.usp.br/~paulovic paulovic@icmc.usp.br Instituto de Ciências Matemáticas e de Computação (ICMC) Universidade de São Paulo (USP) 23 de setembro de 2010 Introdução
Leia mais4.1 Resolvendo o Sistema Linear
4 Solução Numérica 4.1 Resolvendo o Sistema Linear Resolveremos o sistema (2 7) pelo método de Usawa acelerado por Gradiente Conjugado (ver [15, pp. 202]). Primeiro eliminamos a variável u e depois resolvemos
Leia maisUma Prova Vetorial da Fórmula de Heron
Uma Prova Vetorial da Fórmula de Heron Fernando Neres de Oliveira Resumo Neste trabalho aresentaremos uma rova ara a famosa fórmula de Heron, usando algumas das oerações básicas da álgebra vetorial. Palavras
Leia maisPor outras palavras, iremos desenvolver a operação inversa da derivação conhecida por primitivação.
RIMITIVS Definições No caítulo anterior, centramos a nossa atenção no seguinte roblema: dada uma função, determinar a sua função derivada Neste caítulo, vamos considerar o roblema inverso, ou seja, determinar
Leia maisFILTROS ESPACIAIS PASSA-BAIXA
UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL PROGRAMA DE PÓS-GRADUAÇÃO EM COMPUTAÇÃO CMP65 - INTRODUÇÃO AO PROCESSAMENTO DE IMAGENS PROFESSOR JACOB SCARCHANSKI FILTROS ESPACIAIS PASSA-BAIXA POR DANIEL NEHME
Leia maisIntrodução aos Métodos Numéricos
Introdução aos Métodos Numéricos Instituto de Computação UFF Departamento de Ciência da Computação Otton Teixeira da Silveira Filho Conteúdo Erros e Aproximações Numéricas Sistemas de Equações Lineares.
Leia maisInformação sobre a Disciplina CODIFICAÇÃO DE CANAL PARA SISTEMAS DE COMUNICAÇÃO DIGITAL. Programa Previsto. Bibliografia
Informação sobre a Discilina CODIFICAÇÃO DE CANAL PARA SISTEMAS DE COMUNICAÇÃO DIGITAL INTRODUÇÃO Evelio M. G. Fernández - 2 Quartas feiras das 8:3 às :3 horas Professor: Evelio Martín García Fernández
Leia mais5. PRINCIPAIS MODELOS CONTÍNUOS
5. RINCIAIS MODELOS CONTÍNUOS 04 5.. Modelo uniforme Uma v.a. contínua tem distribuição uniforme com parâmetros α e β α β se sua função densidade de probabilidade é dada por f, β α 0, Notação: ~ Uα, β.
Leia maisLição de Processamento Digital de Sinais. Operação de Zooming em Processamento de Imagem. Rui Jesus
Lição de Processamento Digital de Sinais Operação de Zooming em Processamento de Imagem Rui Jesus ISEL, Julho 22 .INTRODUÇÂO. Enquadramento Esta lição destina-se aos alunos da disciplina de Processamento
Leia maisProblemas Inversos em Transferência Radiativa - Uma Formulação Implícita
Capítulo 3 Problemas Inversos em Transferência Radiativa - Uma Formulação Implícita AntônioJosédaSilvaNeto Haroldo Fraga de Campos Velho 3.1 O Que é um Problema Inverso? Em primeiro lugar vamos definir
Leia maisAlocação de Unidades via Relaxação Lagrangeana
Alocação de Unidades via Relaxação Lagrangeana Prof. Antonio Simões Costa Grupo de Sistemas de Potência EEL - UFSC Relaxação Lagrangeana: Conceitos Iniciais 2 1 Alocação de Unidades via Relaxação Lagrangeana
Leia maisDistribuição de uma proporção amostral
Distribuição de uma roorção amostral Estatística II Antonio Roque Aula 4 Exemlo Ilustrativo: Suonha que se saiba que em uma certa oulação humana uma roorção de essoas igual a = 0, 08 (8%) seja cega ara
Leia maisExercícios DISCURSIVOS -3
Exercícios DISCURSIVOS -3. (Ufr 0) Sabemos que essoas com iermetroia e essoas com mioia recisam utilizar lentes de contato ou óculos ara enxergar corretamente. Exlique o que é cada um desses roblemas da
Leia maisAnálise de Sensibilidade. Fernando Nogueira Análise de Sensibilidade 1
Análise de Sensibilidade Fernando Nogeira Análise de Sensibilidade Consiste em esqisar a estabilidade da solção em vista de ossíveis variações dos arâmetros a ij, b i e c j tilizados na Programação Linear,
Leia maisCapítulo 2 Estática dos Fluidos
Caítulo 2 Estática dos Fluidos ME4310 e MN5310 26/08/2009 O QUE IREMOS ESTUDAR NESTE CAPÍTULO? QUAIS AS RESTRIÇÕES? VAMOS ESTAR PRESSÃO, ALGUMAS DAS SUAS LEIS BÁSICAS, ALGUMAS APLICAÇÕES E ALGUNS APARELHOS
Leia mais4. O algoritmo LMS e variantes
Apontamentos de Processamento Adaptativo de Sinais 4. O algoritmo LMS e variantes Família de algoritmos do gradiente Na prática usam-se estimativas do gradiente, ˆ (n), em vez do verdadeiro gradiente (n),
Leia maisIntrodução à Economia 2018/2019 Pedro Telhado Pereira Frequência 4/1/2019 (Duração - 90 minutos)
Introdução à Economia 2018/2019 Pedro Telhado Pereira Frequência 4/1/2019 (Duração - 90 minutos) Nome comleto: Nº: As resostas devem ser dadas na folha de enunciado. I Pense que um gruo hoteleiro está
Leia maisGibbs Sampler para ANOVA e Misturas
Gibbs Sampler para ANOVA e Misturas Renato Assunção - DCC, UFMG Outubro de 014 1 Modelo ANOVA: componentes de variância Suponha que temos K grupos ou classes. Em cada grupo, temos um certo número de dados
Leia maisPRINCIPAIS MODELOS CONTÍNUOS
RINCIAIS MODELOS CONTÍNUOS 0 5.. Modelo uniforme Uma v.a. contínua tem distribuição uniforme com parâmetros α e β α β se sua função densidade de probabilidade é dada por, f β α 0, Notação: ~ Uα, β. 0,
Leia maisKanade-Lucas-Tomasi Tracker
COPPE-UFRJ Kanade-Lucas-Tomasi Tracker Ricardo Marroquim data entrega: pós-graduação: 18/05/2016 graduação: 27/05/2016 1 NOTAÇÕES Uma imagem é definida como uma função f (x, y), x, y Z, onde f (x, y) :
Leia maisOutras Técnicas que Utilizam o Escore de Propensão
Técnicas Econométricas ara Avaliação de Imacto Outras Técnicas que Utilizam o Escore de Proensão Rafael Perez Ribas Centro Internacional de Pobreza Brasília, 28 de maio de 2008 Introdução O Escore de Proensão
Leia maisUNIVERSIDADE DO ESTADO DE MATO GROSSO - UNEMAT. Faculdade de Ciências Exatas e Tecnológicas FACET / Sinop Curso de Bacharelado em Engenharia Elétrica
REDES NEURAIS ARTIFICIAIS REDE ADALINE e REGRA DELTA Prof. Dr. André A. P. Biscaro 2º Semestre de 2017 Aspectos históricos O ADALINE foi idealizado por Widrow & Hoff em 1960. Sua principal aplicação estava
Leia maisForecasting e ti O i Otim Oti ização de ã d Carteiras com Matlab AULA 3
Forecasting e Otimização i de Carteiras com Matlab AULA 3 Guia de Estudo para Aula 03 Modelos Discretos Exercícios - Formulação de um modelo - Programação de modelos com for - A simulação de um modelo
Leia mais1 LIMITES FUNDAMENTAIS NA TEORIA DA INFORMAÇÃO
LIMITES FUNDAMENTAIS NA TEORIA DA INFORMAÇÃO O trabalho de Shannon sobre a teoria da informação, ublicado em 948, estabelece a base teórica ara que sistemas de comunicações seam eficientes e confiáveis.
Leia maisCálculo Numérico. Sistemas lineares Métodos Iterativos: Introdução Método Iterativo de Jacobi-Richardson
Cálculo Numérico Sistemas lineares Métodos Iterativos: Introdução Método Iterativo de Jacobi-Richardson Métodos como: Métodos exatos Método de eliminação de Gauss Método de decomposição LU Método de Cholesky
Leia maisPSI / Dispositivos e formatos para imagens
PSI-2651 2005/2006 Hae Yong Kim hae@lps.usp.br http://www.lps.usp.br/~hae Tópicos a serem abordados: 1. Dispositivos e formatos para imagens; 2. Halftoning; 2.1. ; 2.2. Ordered dithering; 1. Dispositivos
Leia maisCOLORAÇÃO DE VÉRTICES COM FOLGA
COLORAÇÃO DE VÉRTICES COM FOLGA Abel R. G. Lozano UERJ UNIGRANRIO arglozano@terra.com.br Clícia V. P. Friedmann UERJ UNIGRANRIO cliciav@terra.com.br Christina F. E. M. Waga UERJ waga@ime.uerj.br Lilian
Leia maisMICROECONOMIA II ( ) João Correia da Silva
MICROECONOMIA II 1E108 (2011-12) 29-02-2012 João Correia da Silva (joao@fe.u.t) 1. A EMPRESA 1.1. Tecnologia de Produção. 1.2. Minimização do Custo. 1.3. Análise dos Custos. 1.4. Maximização do ucro. 2
Leia maisProcessamento de Imagens CPS755
Processamento de Imagens CPS755 aula 06 - sistemas não lineares Antonio Oliveira Ricardo Marroquim 1 / 38 laboratório de processamento de imagens tópicos RANSAC métodos iterativos (não-lineares) gradientes
Leia maisCap. 1 Semicondutores Homogéneos 1
Ca. 1 Semicondutores Homogéneos 1 Os semicondutores são materiais cujas condutividades se situam entre as dos metais (10 6 a 10 8 S/m) e as dos isoladores (10-0 a 10-8 S/m). Quando uros designam-se or
Leia maisAula 4 de Exercícios
Aula 4 de Eercícios. Eercício : Uma carga q está uniformemente distribuída no segmento de reta de = 0 a = L sobre o eio, com densidade linear = q=l: Qual o camo elétrico gerado or este segmento de reta
Leia maisAA-220 AERODINÂMICA NÃO ESTACIONÁRIA
AA- AERODINÂMICA NÃO ESTACIONÁRIA Introdução e conceitos básicos da teoria Prof. Roberto GIL Email: gil@ita.br Ramal: 648 1 AERODINÂMICA NÃO ESTACIONÁRIA Objetivo: Partir das equações de Navier-Stokes
Leia maisInvariantes de Laço. Profa. Sheila Morais de Almeida. junho DAINF-UTFPR-PG
Invariantes de Laço Profa. Sheila Morais de Almeida DAINF-UTFPR-PG junho - 2018 Sheila Almeida (DAINF-UTFPR-PG) Invariantes de Laço junho - 2018 1 / 28 Este material é preparado usando como referências
Leia maisProjecto de Filtros Digitais IIR
Sistemas de Processamento Digital Engenharia de Sistemas e Informática Ficha 7 005/006 4.º Ano/.º Semestre Projecto de Filtros Digitais IIR Projecto de Filtros IIR O rojecto de filtros IIR digitais assa
Leia mais6 Análise e tratamento dos resultados
6 Análise e tratamento dos resultados Com as medidas realizadas, foram calculados os valores de campo elétrico para cada modelo de propagação. Como dispomos de dois bancos de dados para predição do campo,
Leia maisq 2 r 2 ( 1 1 ( r 2 r 1 r 1 r 2
Determine o otencial elétrico de um diolo a Num onto P qualquer, a uma distância r da carga ositiva e a uma distância r da carga negativa; b Obtenha a eressão ara ontos muito afastados do diolo. c Determine
Leia maisRESOLUÇÃO - 1ª PROVA ICIN 2º/2012
Deartamento de Engenharia Elétrica Prof. Adolfo Bauchsiess Faculdade de Tecnologia Laboratório de Automação e Robótica Universidade de Brasília 63848 INTRODUÇÃO AO CONTROLE INTELIGENTE NUMÉRICO - 2 /22
Leia maisProcessamento MTI Moving target indicator
Processamento MTI Moving target indicator Conceito introduzido na WWII Técnica de rocessamento de sinal desenvolvida desde a década de 195-6 Introdução de rocessamento digital levou à generalização do
Leia maisAprendizagem de Dados Simbólicos e/ou Numéricos. Francisco Carvalho
Arendizagem de Dados Simbólicos e/ou Numéricos Francisco Carvalho Inut n objetos formando uma artição em m classes cada objeto é descrito or variáveis modais de semântica robabilística. Objetivo Descrever,
Leia maisMÉTODOS NEWTON E QUASE-NEWTON PARA OTIMIZAÇÃO IRRESTRITA
MÉTODOS NEWTON E QUASE-NEWTON PARA OTIMIZAÇÃO IRRESTRITA Marlon Luiz Dal Pasquale Junior, UNESPAR/FECILCAM, jr.marlon@hotmail.com Solange Regina dos Santos (OR), UNESPAR/FECILCAM, solaregina@fecilcam.br
Leia maisRESTAURAÇÃO DE IMAGENS: OUTROS FILTROS E NOVAS TÉCNICAS PARA FILTRAGEM DE RUÍDO (DENOISING)
RESTAURAÇÃO DE IMAGENS: OUTROS FILTROS E NOVAS TÉCNICAS PARA FILTRAGEM DE RUÍDO (DENOISING) Non-local Means Wavelets Block-matching 3D POLYANA F. NUNES HELDER C. R. DE OLIVEIRA Realce: método subjetivo
Leia mais14 Estimador assintótico
Teoria de Controle (sinopse) 4 J. A. M. Felippe de Souza Neste capítulo continuaremos no estudo de que foi iniciado no capítulo anterior. Estimadores de Estado, A exemplo dos capítulos anteriores será
Leia maisRedes Neurais. Redes Neurais Recorrentes A Rede de Hopfield. Prof. Paulo Martins Engel. Memória associativa recorrente
Redes eurais Redes eurais Recorrentes A Rede de Hofield Memória associativa recorrente A suressão do ruído numa memória auto-associativa ode ser obtida colocando-se uma função de limiar na saída de um
Leia maisTeste de hipóteses para médias e proporções amostrais
Teste de hióteses ara médias e roorções amostrais Prof. Marcos Pó Métodos Quantitativos ara Ciências Sociais Hiótese estatística Hiótese é uma exlicação rovisória roosta ara um fenômeno, assível de ser
Leia maisEstática dos Fluidos. Prof. Dr. Marco Donisete de Campos
UFMT- UNIVERSIDADE FEDERAL DE MATO GROSSO CUA - CAMPUS UNIVERSITÁRIO DO ARAGUAIA ICET - INSTITUTO DE CIÊNCIAS EXATAS E DA TERRA BACHARELADO EM ENGENHARIA CIVIL Estática dos Fluidos Prof. Dr. Marco Donisete
Leia maisANEXOS. r : raio do tubo (externo se o liquido molhar o tubo) g : aceleração da gravidade. m g (Lei de Tate) eq. A1
254 ANEXOS Anexo A: Método da gota endente ara medir tensão interfacial Introdução As moléculas na suerfície de um líquido estão sujeitas a fortes forças de atração das moléculas interiores. A resultante
Leia maisRUÍDOS EM IMAGENS FILTRAGEM DE RUÍDOS. o Flutuações aleatórias ou imprecisões em dados de entrada, precisão numérica, arredondamentos etc...
RUÍDOS EM IMAGENS FILTRAGEM DE RUÍDOS RUÍDOS EM IMAGENS Em Visão Computacional, ruído se refere a qualquer entidade em imagens, dados ou resultados intermediários, que não são interessantes para os propósitos
Leia maisSegunda aula de laboratório de ME4310. Primeiro semestre de 2014
Segunda aula de laboratório de ME4310 Primeiro semestre de 2014 Vamos voltar a instalação de recalque reresentada ela bancada do laboratório. 2 Foto das bancadas! Esquematicamente temos: Vamos recordar
Leia maisCréditos. SCC0173 Mineração de Dados Biológicos. Aula de Hoje. Desempenho de Classificação. Classificação IV: Avaliação de Classificadores
SCC0173 Mineração de Dados Biológicos Classificação IV: Avaliação de Classificadores Créditos O material a seguir consiste de adaptações e extensões dos originais: gentilmente cedidos pelo rof. André C..
Leia maisAnálise e Complexidade de Algoritmos
Análise e Complexidade de Algoritmos Professor Ariel da Silva Dias Algoritmos Divisão e Conquista Construção incremental Resolver o problema para um sub-conjunto dos elementos de entrada; Então, adicionar
Leia maisSistemas Inteligentes de Inferência
istemas Inteligentes de Inferência enominação correta: Redes eurais com Treinamento Baesiano Carlos Hall ois tios de statística: statística Clássica: lida com freqüências de ocorrência statística Baesiana:
Leia maisFICHA de AVALIAÇÃO de MATEMÁTICA A 12.º Ano de escolaridade Versão.1
FICHA de AVALIAÇÃO de MATEMÁTICA A.º Teste.º Ano de escolaridade Versão. Nome: N.º Turma: Professor: José Tinoco 6//08 Evite alterar a ordem das questões Nota: O teste é constituído or duas artes Caderno
Leia maisFiltros de Média Movente
Processamento Digital de Sinais Filtros de Média Movente Prof. Dr. Carlos Alberto Ynoguti Características É o filtro ótimo para a tarefa de remover ruído aleatório de um sinal, e manter uma resposta a
Leia maisTeoria dos Jogos. Prof. Maurício Bugarin Eco/UnB 2014-I. Aula 5 Teoria dos Jogos Maurício Bugarin. Roteiro. Horário da disciplina: 12h15 a 12h45
Teoria do Jogo Pro. Maurício Bugarin Eco/UnB 04-I Aula 5 Teoria do Jogo Maurício Bugarin Roteiro Horário da dicilina: h5 a h45 Caítulo : Jogo etático com inormação comleta. Alicaçõe.. Duoólio de Cournot..
Leia maisToy models de supercondutores topológicos
Toy models de suercondutores toológicos November 9, 05 Introdução Começamos com uma banda metálica simétrica H 0 = σ ε() c σc σ, () ou escrito como matriz H 0 = ψ ( ) ε() 0 ψ 0 ε(), () com os sinors ψ
Leia maisProgramação I Aula 7 Resolução numérica de equações
Programação I Aula 7 Resolução numérica de equações Pedro Vasconcelos DCC/FCUP 2018 Pedro Vasconcelos (DCC/FCUP) Programação I Aula 7 Resolução numérica de equações 2018 1 / 20 Nesta aula 1 Resolução numérica
Leia maisUma nova taxa de convergência para o Método do Gradiente
Proceeding Series of the Brazilian Society of Applied and Computational Mathematics, Vol. 2, N. 1, 2014. Trabalho apresentado no CMAC-Sul, Curitiba-PR, 2014. Uma nova taxa de convergência para o Método
Leia maisFis.Rad.I /1 Notas de aula (Prof. Stenio Dore) (Dated: May 28, 2004)
INTRODUÇÃO À ESTATÍSTICA DE CONTAGEM Fis.Rad.I - 24/1 Notas de aula (Prof. Stenio Dore) (Dated: May 28, 24) I. PROBABILIDADE: E E OU Vimos que, para nossas finalidades podemos definir a probabilidade de
Leia maisTeoria dos Jogos. Prof. Maurício Bugarin Eco/UnB 2015-II. Aula 4 Teoria dos Jogos Maurício Bugarin. Roteiro
Teoria do Jogo Pro. Maurício Bugarin Eco/UnB 05-II Aula 4 Teoria do Jogo Maurício Bugarin Roteiro Caítulo : Jogo etático com inormação comleta. A orma Normal e o Conceito de Equilíbrio de Nah.. A orma
Leia maisFísica III. João Francisco Fuzile Rodrigues Garcia Maiara Fernanda Moreno
Física III João Francisco Fuzile Rodrigues Garcia 8549323 Maiara Fernanda Moreno 8549344 Eercício 23.85 Ao longo do eio central de um disco carregado uniformemente, em um onto a 0,60m do centro do disco,
Leia maisFig. 1 - Resposta em Malha Aberta
MODOS DE CONROLE Modo ou ação de controle é a forma através da qual o controlador age sobre o rocesso com o objetivo de manter a variável controlada no setoint. A ação de controle ara um rocesso deende
Leia maisCC-226 Aula 07 - Estimação de Parâmetros
CC-226 Aula 07 - Estimação de Parâmetros Carlos Henrique Q. Forster - Instituto Tecnológico de Aeronáutica 2008 Estimação de Parâmetros Para construir o classificador bayesiano, assumimos as distribuições
Leia maisDevemosconsiderardoiscasos: 7 k ou7 k+1. Alémdisso, lembremo-nosdoseguintefato:
Polos Olímicos de Treinamento Curso de Teoria dos Números - Nível Prof. Samuel Feitosa Aula 18 Resíduos Quadráticos Definição 1. Para todos a tais que mdc(a,m) = 1, a é chamado resíduo quadrático módulo
Leia maisA seguir veremos o conceito de limites das funções de duas ou mais variáveis.
Limites de Função de várias variáveis. Limites: No curso de CDI-I estudamos ite de uma função real de uma variável. A definição rigorosa de ite é dada or: f ( L, ( / se A seguir veremos o conceito de ites
Leia maisMasterclass do LHCb: Medir o tempo de vida do D 0 no LHC
Masterclass do LHCb: Medir o temo de vida do D 0 no LHC 1 Introdução O Grande Colisor de Hádrons (Large Hadron Collider, ou LHC) não é aenas uma ferramenta de busca de novas artículas exóticas, mas também
Leia maisEstruturas de Repetição
Estruturas de Repetição Disciplina: Algoritmos e Programação Luciano Moraes Da Luz Brum Universidade Federal do Pampa Unipampa Campus Bagé Email: lucianobrum18@gmail.com Horários de atendimento: (outros
Leia mais