Ultimamente venho observando que toda ação PIV que faço converge pra uma otimização.
Não é simplesmente uma aplicação, mas uma aplicação com adaptações e melhorias.
Não é simplesmente uma aplicação, mas uma aplicação com adaptações e melhorias.
De maneira rasa e superficial, otimização é:
"Em matemática, o termo otimização refere-se ao estudo de problemas em que se busca minimizar ou maximizar uma função através da escolha sistemática dos valores de variáveis reais ou inteiras dentro de um conjunto viável " (Fonte)
Tem também esse:
"Problema de otimização, em matemática ou ciência da computação, é um problema de encontrar a melhor solução de todas as soluções viáveis. O problema de otimização pode ser dividido em duas categorias dependendo se as variáveis são continuas ou discretas." (Fonte)
Em PIV, é possível encontrar vários trabalhos com o nome Otimização:
Além disso, dá uma busca em "Optimization" no Livro de Raffel 2018.
Mesmo com esses históricos apresentados em revistas e/ou livros bem conceituadas, alguns colegas acham "PIV Optimization" inapropriado por se tratar de análise de imagem.
Uma das dúvidas mais frequentes é: "Posso melhorar uma imagem, mas não otimizá-la por não ter uma função objetivo".
Ok... Dá uma olhada aqui nesse link.
1. Qual o nome do livro?
2. Vai na Pág 12 do PDF.
Nela, temos:
"...The given problem can often be expressed as one which could be solved by optimization. Within this process of optimization, one or several “objective functions” are defined. The aim of this process is to minimize the “objective function” in relation to all parameters concerned."
"...The domain of optimization is also very interesting when it comes to its functions within the field of application. In the domain of optimization, the processing of signals and images is especially varied, which is due to its large number of different applications as well as the fact that it gave rise to specific theoretical approaches..."
Na Pág 13, temos:
" – the first group (Chapters 1 to 5) illustrates several general optimization tools related to signals and images;"
"Chapter 1 deals with the benefits of modelization and optimization in the analysis of images. After the introduction of modelization techniques for complex scenes, the analysis of images has become much more accurate. In particular, traditional means of image analysis, such as the segmentation of an image, need to be revised..."
Sim.... Mas... o que seria a nossa função objetivo em Otimização PIV?
Se você analisar os papers lá em cima, irá observar que a maioria dos exemplos de Otimização PIV usam o erro, ou seja, a minimização do erro como função objetivo. Entretanto, erro não existe na nossa realidade. Erro é uma resposta em um universo extremamente controlado cheios de estruturas condicionais. Observe novamente nos papers lá em cima que a maioria (ou todos) usam imagens PIV sintéticas.
Ai lascou... como seria então em experimentos reais de PIV? Se erro não pode ser uma função objetiva da minha otimização, então oq seria?
Aqui eu fujo de incerteza (incerteza = distribuição de probabilidade do erro. Onde possivelmente esse filha-da-mãe tá), e vamos para um parâmetro prático/mais simples pra definirmos algo como função objetivo
E o escolhido é a relação sinal ruido (SNR) ou métrica SNR!!! A mais simples e usada em PIV é razão de pico.
Pq? Já falei sobre isso aqui
Então, nossa função objetivo na prática pode ser maximizar o SNR.
Existe só essa, Rodrigo?
- Não. Geralmente, trabalhamos com três:
- maximizar o SNR.
- maximizar a resolução espacial
- maximizar a coerência espacial
Prepare-se que vamos usar Otimização PIV com mais frequência!!
Deixem as coisas claras no texto.
Flw
