Questo sito utilizza cookie di terze parti per inviarti pubblicità in linea con le tue preferenze. Se vuoi saperne di più clicca QUI 
Chiudendo questo banner, scorrendo questa pagina, cliccando su un link o proseguendo la navigazione in altra maniera, acconsenti all'uso dei cookie. OK

Apprendimento automatico di pattern grafici

Sintetizzare una tessitura significa riprodurne le peculiarità di base generandone un’altra che sia diversa da quella in input ma che percettivamente sembri essere espressione dello stesso processo stocastico.
Scopo di questa tesi è confrontare due tecniche per l’analisi e la sintesi di tessiture con l’obiettivo di valutarne le prestazioni, sia dal punto di vista qualitativo (cioè la capacità di riprodurre fedelmente un dato pattern grafico) sia dal punto di vista più strettamente legato alla complessità computazionale.
Le due tecniche oggetto di studio sono l’algoritmo di De Bonet [6] e l’algoritmo di sintesi basato sul clustering di Gallo e Battiato [13]. In entrambi i casi l’analisi delle tessiture viene realizzata apprendendone le caratteristiche peculiari a vari livelli di risoluzione, utilizzando a tale scopo la cosiddetta piramide Laplaciana [3].
Tale approccio è giustificato dal fatto che le immagini di tipo texture possono essere caratterizzate individuando ai vari livelli di risoluzione le “features” più importanti.
Si è partiti dall’algoritmo di De Bonet al quale si sono introdotte diverse ottimizzazioni che, nel rispetto dell’idea di base, velocizzano il processo di sintesi. Tale algoritmo è stato poi generalizzato per ottenere da una tessitura in input una immagine di sintesi di dimensioni maggiori.
I tempi ed i risultati di tali implementazioni sono stati confrontati con quelli dall’algoritmo di Gallo e Battiato. Ne è scaturita una netta superiorità di prestazioni del secondo algoritmo specialmente in fase di sintesi, anche se comunque dal punto di vista qualitativo l’algoritmo di De Bonet riesce ad ottenere risultati migliori.
Si è anche implementata una versione “mista” dei due algoritmi che ha permesso di ottenere sintesi di tessiture combinando insieme i vantaggi di entrambi (gli ottimi risultati visivi di De Bonet e i tempi veloci di Gallo e Battiato), ottenendo alla fine un ottimo strumento per la manipolazione e la sintesi di tessiture.
Una descrizione dettagliata di tali risultati sperimentali può essere trovata nel capitolo 3. Il capitolo 1 introduce i concetti a cui fanno riferimento le due procedure, ed il capitolo 2 descrive in maniera esaustiva tali algoritmi.

Mostra/Nascondi contenuto.
4 Introduzione Sintetizzare una tessitura significa riprodurne le peculiarità di base generandone un’altra che sia diversa da quella in input ma che percettivamente sembri essere espressione dello stesso processo stocastico. Scopo di questa tesi è confrontare due tecniche per l’analisi e la sintesi di tessiture con l’obiettivo di valutarne le prestazioni, sia dal punto di vista qualitativo (cioè la capacità di riprodurre fedelmente un dato pattern grafico) sia dal punto di vista più strettamente legato alla complessità computazionale. Le due tecniche oggetto di studio sono l’algoritmo di De Bonet [6] e l’algoritmo di sintesi basato sul clustering di Gallo e Battiato [13]. In entrambi i casi l’analisi delle tessiture viene realizzata apprendendone le caratteristiche peculiari a vari livelli di risoluzione, utilizzando a tale scopo la cosiddetta piramide Laplaciana [3].

Tesi di Laurea

Facoltà: Scienze Matematiche, Fisiche e Naturali

Autore: Filippo Stanco Contatta »

Composta da 61 pagine.

 

Questa tesi ha raggiunto 1467 click dal 20/03/2004.

Disponibile in PDF, la consultazione è esclusivamente in formato digitale.