TI_3_Proposta_de_Pesquisa

Prévia do material em texto

SUMÁRIO
1 APRESENTAÇÃO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2 INTRODUÇÃO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.1 JUSTIFICATIVA DO TRABALHO . . . . . . . . . . . . . . . . . . . . . 6
2.2 OBJETIVOS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.2.1Objetivo Geral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.2.2Objetivos Específicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
3 TRABALHOS RELACIONADOS . . . . . . . . . . . . . . . . . . . . . . . . 8
3.1 Classificação Morfológica de Galáxias Por Meio de Redes Neurais . . 8
3.2 Galaxy detection and identification using deep learning and data aug-
mentation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
3.3 Neural computation as a tool for galaxy classification: methods and
examples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
4 METODOLOGIA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
5 RESULTADOS ESPERADOS . . . . . . . . . . . . . . . . . . . . . . . . . . 10
Referências Bibliográficas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
4
1 APRESENTAÇÃO
Essa proposta de pesquisa tem como principal objetivo desenvolver um estudo sobre a
remoção de ruídos em imagens astronômicas. O conteúdo da disciplina Processamento e
Análise de Imagens é trabalhado nos cursos de Ciência da Computação e Engenharia da
Computação e os conteúdos referente a astronomia, técnicas de observação, observação
do céu, entre outros são trabalhados no curso de Física na disciplina de Astronomia e
durante o curso os alunos da física podem participar de projetos como o grupo GAIA,
fundado pelo professor Peter Leroy Faria, que tem como um de seus objetivos disseminar
o conhecimento da astronomia.
Como segundo objetivo, apos o estudo ser concretizado, planejamos desenvolver um
material em forma de tutorial, usando o recurso de vídeo para introduzir a manipulação
de imagens com programação de uma maneira mais leve, dando recursos aos interessados
para começar a manipular imagens através de códigos. Para auxiliar pretendemos dispo-
nibilizar, também, um repositório de imagens e um de códigos. O desenvolvimento desse
material irá se apoiar no estudo de resultados já obtidos e expostos em artigos e pesquisas
anteriores, cujo conteúdo será objeto de nossas investigações.
Portanto, partiremos de resultados de algumas pesquisas já existentes na área, em
busca de desenvolver um material para introduzir o a manipulação de imagens usando de
linguagens de programação, talvez, com a participação de alunos colaboradores do curso
de Física que sejam integrantes do grupo GAIA.
5
2 INTRODUÇÃO
O que é uma imagem? Essa é uma pergunta muito ampla que
depende do ponto de partida do nosso raciocínio, na computação
podemos pensar em uma imagem como uma matriz de pixels por
exemplo, pois essa é uma representação mais próxima do compu-
tador. A tela do computador, mesmo que não consigamos ver,
é dividida em vários pedaços aos quais individualmente podemos
chamar de pixel, e o pixel é a menor unidade para representar
uma cor no display de um dispositivo. Ao lado, temos um exem-
plo que mostra mais claramente a disposição de pixels em uma
imagem
Podemos pensar ainda, de uma maneira muito mais ampla,
que uma imagem é uma função, esse raciocínio pode ser estranho
e não muito imediato mas existem algumas abstrações e ideias
matemáticas, que muitas vezes partem do mundo real, que nos
ajudam a trabalhar mais facilmente com essa ideia no computa-
dor. E podemos pensar em uma função como um objeto transfor-
mador. Na matemática, entramos com um valor de x para uma
função f de x qualquer e temos como saída um valor y, temos como entrada um valor e
como saída outro.
Sendo as imagens um registro de um instante, um recorte específico de um intervalo de
tempo os objetos nesse registro absorvem e refletem a luz ambiente na cor que conseguimos
enxergar e as câmeras, ou até mesmo nossos olhos, podem ser vistos como sensores que
vão capturar todas essas informações luminosas e de alguma forma transformá-las em
uma imagem. Em imagens preto e branco, cada pixel possui um valor que determina o
brilho do mesmo sendo, tal valor varia de 0 a 255 e é um dos primeiros processos para a
captura de uma imagem.
O ruído em imagens é o correspondente ao chiado que se pode ouvir em uma música
quando é ouvida em um volume muito alto ou quando estamos tentando sintonizar em
alguma estação de radio e até encontrar a numeração correta ouvimos certos chiados. Nas
imagens digitais esse ruído se apresenta na forma de manchas aleatórias. Em aparelhos
que transmitem ou recebem sinais, sempre há presença de algum nível de ruído, nas
câmeras o sinal recebido é a luz que é captada pelo seu sensor, a câmera então capta
a luz do seu ambiente para registrar uma fotografia e em um ambiente que esteja mais
iluminado é mais fácil fazer a captação da imagem do que em um ambiente com menos
luz.
Em fotos digitais ISO mede a sensibilidade do sensor da câmera a luz. Valores al-
tos de de ISO caracterizam uma sensibilidade maior a luz dos sensores, ou seja, uma
foto com ISO 600 gastará metade do tempo que uma foto com ISO 300, para chegar ao
mesmo nível de exposição. Contudo o aumento do ISO significa também uma amplificação
dos ruídos nas imagens, assim a quantidade de ruído nas imagens é proporcional à sensi-
bilidade escolhida (aumento ou redução do ISO) quando é realizada a captura da imagem.
A seguir serão detalhados os objetivos da pesquisa e algumas justificativas.
6
2.1 JUSTIFICATIVA DO TRABALHO
Imagens digitais são frequentemente usadas para várias aplicações e em quase todos os
tipos de áreas, e em decorrência disso tecnologias e técnicas de processamento de imagens
se fazem necessárias para que se obtenham imagens de qualidade, independente da areá
em que a imagem será usada. Porém, nessa proposta, como já foi dito, trataremos de
imagens capturadas no campo da astronomia.
Muitas vezes é necessário captar imagens noturnas e como exposto os sensores das
câmeras captam luz. Com a ausência de luz no ambiente se faz necessário o aumento do
ISO das câmeras no momento da captura da imagem pois, se o ISO é maior, a sensibilidade
do sensor também aumenta e com menos luz pode-se capturar a imagem pretendida.
Porém quanto maior o ISO mias granulada a imagem fica, ou seja, é maior a ocorrência
de ruído.
Figura 1 – Comparação entre variações de ISO em uma imagem
Para refinar a qualidade das imagens obtidas, podemos fazer uso de algoritmos que
possibilitam tratar as regiões da imagem que apresentam as granulações indesejadas.
No âmbito da astrofotografia, imagens digitais são extremamente importantes para a
análise de sistemas, planetas e eventos astronômicos, porque fotografias consomem menos
tempo (e espaço em disco) para serem obtidas além de serem rapidamente transmitidas
entre satélites e estações espaciais.
Não só imagens se mostram essenciais mas também a qualidade da imagem também
é de extrema importância, pois permite uma maior obtenção de detalhes sobre o que está
sendo fotografado, como por exemplo a profundidade de uma certa cratera marciana, ou
a interação entre gases presentes em uma nébula.
7
2.2 OBJETIVOS
2.2.1 Objetivo Geral
Atualmente, a maior parte do processo de remoção de ruido em imagens é feita por
mãos humanas, através de programas especializados em edição de imagens digitais.
O objetivo desse projeto é investigar os processos de remoção de ruídos presentes
na área da astrofotografia e com base nos resultados obtidos na investigação, sugerir
melhoramentos no processo. Pretende-se desenvolver, também, um material no formato
de tutorial, para introduzir a manipulação de imagens através de algoritmos.
2.2.2 Objetivos Específicos
• Investigar como é feito o tratamento de ruído nas imagens astronômicas.
• Desenvolver tutorial de como manipular de imagens programando.• Criar um repositório de imagens para auxiliar no estudo de manipulação das ima-
gens.
• Criar um repositório com exemplos de códigos.
8
3 TRABALHOS RELACIONADOS
Aqui são apresentados alguns trabalhos na mesma linha de pesquisa que podem dar
sustentação teórica a Proposta.
3.1 Classificação Morfológica de Galáxias Por Meio de Redes Neurais
Artigo de Silva e Ventura (2019) que propõe o desenvolvimento de uma rede neural
convolucional para a classificação de galáxias por meio de imagens ópticas, utilizando
técnicas de Deep Learning e Data Augmentation para o aprimoramento da rede neural
convolucional.
O artigo foi de grande importância para o nosso projeto, pois deu início a nossas
pesquisas ao citar métodos de classificação que usam inteligência artificial como o Hubble
Tuning Fork. Outra adição importante foi a citação que introduziu o nosso grupo ao
projeto Galaxy Zoo, adicionando mais uma motivação para a nossa proposta de pesquisa.
3.2 Galaxy detection and identification using deep learning and data augmen-
tation
Trabalho que apresenta um método de detecção e classificação automática de galáxias
que incluem um novo algoritmo de Data Augmentation destinado a melhorar os modelos
treinados para dados originados de diversos instrumentos.
Graças a divulgação de projetos como o AstroCV e aplicação de métodos de detecção
de objetos como o YOLO (you only look once). O trabalho de (LAHAV et al., 1996)
foi de extrema importância para o nosso projeto, introduzindo diversos conceitos novos
para o nosso time de pesquisadores e apresentando novas abordagens para o uso de Deep
Learning no presente Projeto.
3.3 Neural computation as a tool for galaxy classification: methods and exam-
ples
O artigo apresenta e compara diversas redes neurais artificiais e outros algoritmos
para a classificação automática de galáxias. Além das comparações entre algoritmos, o
artigo é de fácil leitura, e introduz diversos tópicos de forma clara, se tornando benéfico
ao desenvolvimento da nossa pesquisa.
9
4 METODOLOGIA
Após pequisas sobre os métodos de pré-processamento de imagens astronômicas usa-
dos no Grupo de Astronomia e Astrofísica (Gaia) foi percebido a quantidade de trabalho
manual usado no pré-processamento de imagens. Nossa proposta visa a utilização de me-
todologias já conhecidas a fim de criar algoritmos que automatizem o pré-processamento
de dados e consequentemente direcionar os recursos humanos para outras funções como
na classificação de planetas, galáxias ou outros corpos celestes.
Utilizaremos algoritmos de classificação e pre-processamento de dados já existentes,
juntamente com linguagens de programação que facilitem a automatização de processos,
como Python, e bibliotecas já existentes destinadas ao processamento de imagens como a
OpenCV.
10
5 RESULTADOS ESPERADOS
Após diversas pesquisas, vindas principalmente da literatura presente na bibliogra-
fia, esperamos como resultado o desenvolvimento de um algoritmo eficiente para o pré-
processamento de imagens astronômicas. Opcionalmente, pretendemos contribuir com os
processos de pré-processamento e, possivelmente, classificação de imagens astronômicas
através dos nossos resultados e pesquisas.
11
Referências Bibliográficas
LAHAV, O. et al. Neural computation as a tool for galaxy classification: methods and
examples. Monthly Notices of the Royal Astronomical Society, v. 283, n. 1, p. 207–221, 10
1996. ISSN 0035-8711. Disponível em: <https://doi.org/10.1093/mnras/283.1.207>. 8
SILVA, M.; VENTURA, T. Classificação morfológica de galáxias por meio de
redes neurais. In: Anais da X Escola Regional de Informática de Mato Grosso.
Porto Alegre, RS, Brasil: SBC, 2019. p. 31–36. ISSN 0000-0000. Disponível em:
<https://sol.sbc.org.br/index.php/eri-mt/article/view/8590>. 8