Resumo: Este trabalho propõe uma aplicação de uma rede neural convolucional profunda em remoção de ruı́do gaussiano de imagens. Redes profundas têm obtido êxito em diversas tarefas de classificação e regressão. Em particular, a Densely Connected Convolutional Network têm apresentado resultados competitivos em bases de dados padrão usadas em medidas de desempenho. Por isso, essa rede foi escolhida como modelo de regressão com o objetivo de remoção de ruı́do gaussiano. A metodologia para treinamento da rede foi iniciada pela criação de uma base de dados de imagens ruidosas. Essas imagens foram, então, colocadas na entrada da rede para filtragem e a saı́da foi comparada com a versão sem ruı́do a partir de uma função custo. Os parâmetros da rede foram, em seguida, alterados a partir de um método baseado em descida de gradiente a fim de minimizar o custo. Dessa forma, a rede treinada aprende a remover o ruı́do aplicado. O resultado final, comparado a outros métodos, possuiu melhores indicadores de desempenho em duas das três imagens de teste e obteve resultados próximos em uma terceira.

Banca:
Flávio Luis de Mello, DSc. (Presidente)
Heraldo Luis Silveira de Almeida, DSc.
José Gabriel Rodríguez Carneiro Gomes, PhD. (Examinador)
Pedro Henrique Pamplona Savarese, MSc. (Examinador)