Restauração de imagens astronômicas utilizando redes neurais, wavelets e regularização

• Ano de defesa: 2021
• Autor(a) principal: Vinicius Schmidt Monego
• Orientador(a): Haroldo Fraga de Campos Velho, Alice de Jesus Kozakevicius
• Banca de defesa: Stephan Stephany, Gilberto Ribeiro de Queiroz, Antônio José da Silva Neto, Ana Paula Abrantes Castro Shiguemori
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Instituto Nacional de Pesquisas Espaciais (INPE)
• Programa de Pós-Graduação: Programa de Pós-Graduação do INPE em Computação Aplicada
• País: BR
• Resumo em Inglês: In this work, different image restoration techniques are studied, involving regularization methods, wavelet filters, and neural networks. More specifically, the techniques chosen were regularization by Tikhonov, regularization by entropy, total variation regularization, Wiener filter, wavelet filtering, convolutional neural networks and multiscale neural filter. The images of interest are astronomical images from the HubbleSite source, which makes images from the Hubble space telescope available under a license compatible with the public domain. The images are degraded with standard deviation Gaussian noise of 5%, 10% and 15%. The performance of each of the restoration method is evaluated using the following metrics: Normalized Root- Mean-Squared Error (NRMSE), Peak Signal-to-Noise Ratio (PSNR) and Structural Similarity Index Measure (SSIM).
• Link de acesso: http://urlib.net/sid.inpe.br/mtc-m21c/2021/03.11.20.53

Neste trabalho são estudadas diferentes técnicas de restauração de imagens, envolvendo métodos de regularização, filtros wavelets e redes neurais. Mais especificamente, as técnicas escolhidas foram regularização por Tikhonov, regularização por entropia, regularização da variação total, filtro de Wiener, filtragem wavelet, redes neurais convolucionais e filtro neural multiescala. As imagens de interesse são imagens astronômicas, provenientes da fonte HubbleSite, que disponibiliza imagens do telescópio espacial Hubble sob uma licença compatível a domínio público. As imagens são degradadas com ruído gaussiano de desvio padrão de 5%, 15% e 25%. A performance de cada um dos métodos de restauração é avaliada através das métricas: NRMSE (Normalized Root-Mean-Square Error Erro Médio Quadrático Normalizado), PSNR (Peak Signal-to-Noise Ratio Razão de pico sinal-ruído) e SSIM (Structural Similarity Index Measure Medida do índice de similaridade estrutural).