Técnicas recientes de procesado geométrico de imágenes y de secuencias de vídeo. Philippe Salembier
|
|
- Rosa María San Segundo Palma
- hace 6 años
- Vistas:
Transcripción
1 Técnicas recientes de procesado geométrico de imágenes y de secuencias de vídeo Philippe Salembier JORNADA CIENTÍFICA RSME TELECOMUNICACIONES Y MATEMÁTICAS Junio 2005
2 Estructura de la Presentación 1. Introducción 1. Necesidad del filtrado basado en regiones 2. Representación de señales y procesado geométrico 3. Estrategias clásicas de filtrado 4. Operadores conexos 2. Operadores conexos basados en procesos de reconstrucción 1. anti-extensiva 2. auto-dual 3. Operadores conexos basados en técnicas de poda de árboles 1. Representación mediante árboles 2. Técnicas de poda 4. Conclusión
3 Introducción Necesidad del filtrado basado en regiones Representación de señales y procesado geométrico Estrategias clásicas de filtrado Operadores conexos Introducción
4 Necesidad del filtrado basado en regiones Representaciones clásicas: Imagen : conjunto de píxeles o combinación lineal de componentes frecuenciales Vídeo : conjunto de imágenes Aplicaciones multimedia: Compresión: noción de objetos, codificación selectiva, interactividad con el contenido Indexación: descripción semántica del contenido, creación de tablas de contenido e índice Una parte importante de la percepción es geométrica Las regiones (espacial, temporal, espacio-temporal) juegan un papel central Introducción
5 Representación de señales y procesado geométrico Modelo de imagen Procesado Conjunto de píxeles Procesado individual de los píxeles Histograma, Contraste, Color Espacio-frecuencial Filtros lineales Transformadas de Fourier, DCT, Wavelet Geométrico: regiones Morfología matemática Difusión EDP Operadores conexos Objetos: Segmentación, modelo contorno/textura Introducción
6 Introducción Representación de señales y procesado geométrico Señal o Imagen = apilamiento de sus conjuntos de niveles f() t { / ( ) λ} X = t f t λ
7 Introducción Representación de señales y procesado geométrico Morfología matemática: (1960) Difusión mediante EDP: (1980) Retículo Dilatación / erosión de conjuntos binarios Dilatación / erosión de funciones a nivel de gris Apertura, cierre, etc. X B = { p+ b} p X b B xn [ ] bn [ ] = ( xk [ ] + bn [ k]) k= Geometría diferencial EDP para transformar las líneas de niveles Difusión anisotrópica, filtros de choque. Dilatación = Flujo normal de velocidad constante C = β N t x = β x t
8 Estrategias clásicas de filtrado Original Apertura Mediana Promedio Cierre Difusión anisotrópica Uso de señales externas (respuesta impulsional, ventana o elemento estructurante) o desplazamiento de los contornos: Distorsión Estructuras no presentes en la señal original Introducción
9 Introducción Operadores conexos Noción de zona plana: Zonas donde la señal es constante Crea una partición del espacio Definición intuitiva de los operadores conexos: Operador que actúa por fusión de las zonas planas No puede introducir o desplazar los contornos Definición formal: Un operador ψ es conexo si la partición de zonas planas de su entrada f es siempre más fina que la partición de zonas planas de su salida: Ρ f Ρ ψ (f Una partición A es más fina que una partición B si ) x,y R A x,y R B
10 Introducción Ejemplo 1: filtrar / preservar (binario) Apertura por reconstrucción binaria (Klein 76) Original Erosión Salida Y Y 0 k = ε ( X ) B = δ ( Y C k 1 ) X, Iterar X Y 0 Y k
11 Ejemplo 2: filtrar / preservar (nivel de gris) Introducción Apertura por reconstrucción de erosión (Serra 88) Y Y 0 k = εb( X ) = δ ( Y C k 1 ) X, Iterar g g 0 k = ε ( f ) h = δ ( g C k 1 ) f, Iterar Erosión Original Salida
12 Operadores conexos basados en procesos de reconstrucción anti-extensiva auto-dual Introducción
13 Introducción Proceso de reconstrucción Definición: Anti-extensivo (ψ(f) f), Extensivo (f ψ(f)) g k = ρ ( g f ) = lim ( g δc k 1 k = εc k 1 k ) g k f g ρ ( g f ) = lim ( g k ) f g k f f f g o g 1 g g k g Filtrado con reconstrucción: ψ ( f ) = ρ ( α( f ) f ), ψ ( f ) = ρ ( α( f ) f )
14 Introducción Ejemplo 1: filtros de tamaño de erosión del marcador Original 150 Original Salida Nivel de gris Erosión Nivel de gris Marcador Muestra ψ ( f ) = ρ ( ε ( f ) f ) h Muestra f, si ρ ( ε ( f ) f ) ( f ) m h = ε = h 0, otro caso ψ ( f ) = ρ ( m f )
15 Introducción Ejemplo 1: filtros de tamaño Erosión de erosión Marcador del marcador
16 Introducción Ejemplo 2: filtros de contraste 200 de f-c 150 Original Nivel de gris de f-c Original - c Muestra ψ ( f ) ρ ( f c f ) = f, si ρ ( f c f ) = f m = 0, otro caso ψ ( f ) = ρ ( m f ) c del marcador
17 Introducción Tamaño versus contraste Filtrado de tamaño Filtrado de contraste
18 Introducción auto-dual Definición (Meyer 98): ρ g k Filtrado: = δ ( g C = ε ( g C ( g f ) = lim k 1 k 1 k ) ) g k [ εc ( gk 1) f ] [ δ ( g ) f ] C k 1 Nivel de gris Original ψ ( f ) = ρ ( α( f ) f ) Marcador Muestra
19 Introducción Filtros con reconstrucción auto-dual Apertura Cierre de Apertura Cierre Filtro de mediana del filtro de mediana Proporciona una versión conexa de cualquier filtro!
20 Operadores conexos basados en procesos de reconstrucción Trabaja directamente sobre una representación muestreada de la señal Implementación simple (Implementaciones eficientes a base de colas de tipo FIFO) Procesado en dos pasos: Simplificación (casi con cualquier operador) Pueden proporcionar una versión conexa de cualquier filtro Pero imponen restricciones en el criterio de simplificación Introducción
21 Operadores conexos basados en técnicas de poda de árboles Representación mediante árboles Técnicas de poda Introducción
22 Estrategia de procesado Creación de una representación jerárquica de regiones (árbol) Simplificar el árbol por poda Restituir la imagen filtrada a partir del árbol podado Imagen Creación árbol Poda Restitución imagen Imagen Max-tree Min-tree Árbol binario de partición Introducción
23 Max-tree, Min-tree Max-tree Min-tree Representación orientada a los máximos o mínimos (Árbol(f) Árbol(-f)) Nodos: zonas planas; Jerarquía: relación de inclusión Existen algoritmos eficientes Introducción
24 Árbol binario de partición Imagen original Fusión nº1 Fusión nº2 Fusión nº3 Representación auto-dual (Árbol(f) = Árbol(-f)) Secuencia de fusión de pares de regiones Flexibilidad en el proceso de fusión Introducción
25 Introducción Árbol binario de partición con criterios de color y de movimiento Fusión con criterio de movimiento E Fusión con criterio de color
26 Comparación Min-Tree Árbol binario de partición Nivel de gris Señal original Max-Tree Introducción
27 Introducción Filtrado: Poda Imagen Creación árbol Poda Restitución imagen Imagen Criterio creciente Criterio no creciente Si R1 R2 C( R1) C( R2)
28 Introducción Criterio no creciente: modificaciones de las decisiones Modificar el número mínimo de decisiones para definir una poda Problema de programación dinámica (algoritmo de Viterbi) N1 Eliminar coste:1 N1 Mantener coste:0 N2 N3 Eliminar coste:0 N2 Mantener coste:1 Eliminar coste:0 N3 Mantener coste:1 N4 N5 Eliminar coste:1 N4 Mantener coste:0 Mantener coste:1 N5 Mantener coste:0 Árbol original (Max-Tree, Min-Tree or Árbol bin. de partición) Estructura para el algoritmo de Viterbi
29 Introducción Ejemplo de optimización N1 Remove cost:1 N1 C=1 Preserve cost:0 N2 N3 Remove cost:0 N2 Preserve cost:1 Remove cost:0 N3 Preserve cost:1 N4 N5 Remove cost:1 N4 Preserve cost:0 Remove cost:1 N5 Preserve cost:0 Árbol original (Max-Tree, Min-Tree o Árbol bin. de partición) Estructura para el algoritmo de Viterbi
30 Introducción Ejemplos Criterio creciente: Área Original Apertura de área (Max-tree) Cierre de área (Min-tree)
31 Introducción Ejemplos Criterio no-creciente: DFD Original Simplificación de movimiento Dual Diferencia
32 Introducción Optimización con restricción Minimización de un criterio C(.) con restricción K(.) (C y K: aditivos) Min N i N ( ), con K( N ) * * ( i ) + λ K( Ni ), con λ tal que K( Ni ) TK C N Min N i i C N i N i i T K N i N1 N0 N2 N3 * * ( ) + λ K( N ) < C( N ) + λ K( N ) Si C N0 Podar 0 { Ni } i = 1, 2, 3 N i i N i i
33 Introducción Ejemplo: SE = ( ψ(f)(x) f(x) ) N i x N i 2 Original: zonas planas: > Perímetro: > Criterio: Número de zonas planas C(N i ) = 1 Restricción: PSNR > 31 db Criterio: Perímetro de las zonas planas: C(N i ) = Perímetro de N i Restricción: PSNR > 31 db Zonas planas: 87 Zonas planas: 219 Perímetro: 4491 Perímetro: 3684
34 Introducción Otras aplicaciones Propagación y Segmentación Optimización con restricción (aplicación a la codificación) Detección de objetos (caras) F. Marqués, V. Vilaplana
35 Operadores conexos basados en técnicas de poda de árboles Trabaja sobre una representación estructurada de la señal Procesado en tres pasos: Creación del árbol Simplificación mediante poda Restitución de la imagen Flexibilidad: Criterios de creación del árbol (color, movimiento, etc.) Criterios de poda: Filtrado: área, contraste, características geométricas, textura, movimiento, etc. Propagación y segmentación automática o interactiva Optimización con restricción (ejemplo de aplicación: codificación) Detección de objetos Introducción
36 Conclusión Filtrado basado en regiones Operador conexo Representación píxel Cualquier filtro Versión conexa Representación región Árbol: Max-tree, ABP,... Filtrado Poda Flexibilidad Creación y poda Criterio creciente Poda directa Criterio no creciente Programación dinámica (Viterbi) Optimización con restricción Optimización con técnicas de Lagrange Otras aplicaciones Segmentación Detección de objetos (cara) Introducción
37 Extensiones Aspectos teóricos Estudio de la propiedades teóricas de los filtros: Creciente, extensivo, idempotente, reglas de composición, etc. (importante para crear nuevos filtros) Combinar con técnicas alternativas Operadores conexos fusionan zonas planas sin desformarlas Morfología matemática y técnicas de procesado mediante Ecuaciones en Derivadas Parciales: deformación de las zonas planas Combinación de las dos técnicas alternativas Aplicaciones Extender los criterios de los filtros Estudiar el interés de la versión conexa de los filtros clásicos Análisis multiescala Introducción
38 Extensiones Laplacian pyramid S S S Gaussian pyramid
39 Extensiones Frecuencia Tamaño (max) Contraste (max)
40 MUCHAS GRACIAS
Extensión de la Morfología Matemática a imágenes en Color
Departamento de Física, Ingeniería de Sistemas y Teoría de la Señal Grupo de Automática, Robótica y Visión Artificial Extensión de la Morfología Matemática a imágenes en Color Introducción. Imágenes en
Más detallesPDI - Procesamiento Digital de Imagen
Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 2017 205 - ESEIAAT - Escuela Superior de Ingenierías Industrial, Aeroespacial y Audiovisual de Terrassa 739 - TSC - Departamento
Más detallesAnálisis de imágenes digitales
Análisis de imágenes digitales FILTRADO DE LA IMAGEN Operadores morfológicos INTRODUCCIÓN La palabra morfología comúnmente denota una rama de la biología que trata de la forma y estructuras de plantas
Más detallesContenido Capítulo 1 Introducción Capítulo 2 Conceptos Básicos Capítulo 3 Procesamiento de Imágenes en el Dominio Espacial
Contenido Capítulo 1 Introducción 1.Introducción 1 1.1 Sistema Visual Humano 1 1.2 Modelo de Visión por Computadora 3 1.3 Procesamiento Digital de Imágenes 3 1.4 Definición de Imagen Digital 4 Problemas
Más detallesCapítulo III: Aperturas, Cierres
Capítulo III: Aperturas, Cierres Aperturas y cierres por adjunción Aperturas y cierres algebráicos Transformación Top-Hat Granulometría J. Serra Ecole des Mines de Paris (2000 ) Morfología Matemática III.1
Más detallesCapítulo VII. Residuos y familias de primitivas. Construcción de familias de primitivas. Erosión última Esqueleto Bisectriz condicional
Capítulo VII Residuos y familias de primitivas Construcción de familias de primitivas Erosión última Esqueleto Bisectriz condicional J. Serra Ecole des Mines de Paris (2000 ) Morfología Matemática VII.1
Más detallesAnálisis de imágenes digitales
Análisis de imágenes digitales FILTRADO DE LA IMAGEN Filtros espaciales suavizantes INTRODUCCIÓN El uso de máscaras espaciales para el procesamiento de imágenes se denomina filtrado espacial y a las propias
Más detallesPROCESAMIENTO DIGITAL DE IMÁGENES
PROCESAMIENTO DIGITAL DE IMÁGENES Nombre de la materia: Procesamiento Digital de Imágenes Profesor: Dr. Wilfrido Gómez Flores Número de horas: 60 horas (4 horas semanales). Sitio web: http://www.tamps.cinvestav.mx/~wgomez/teaching.html
Más detallesSegmentación de imágenes a través de reconstrucción morfológica en niveles de gris.
Segmentación de imágenes a través de reconstrucción morfológica en niveles de gris. Moler Emilce, Pastore Juan Ignacio, Bouchet Agustina Laboratorio de Procesos y Medición de Señales Facultad de Ingeniería,
Más detallesTema 8. Análisis morfológico en imágenes
1 Div. Ingeniería de Sistemas y Automática Universidad Miguel Hernández Tema 8. Análisis morfológico en imágenes GRUPO DE TECNOLOGÍA INDUSTRIAL Tabla de Contenidos 2 Definición Nomenclatura Erosión Dilatación
Más detallesAnálisis de imágenes digitales
Análisis de imágenes digitales SEGMENTACIÓN DE LA IMAGEN Transformada watershed CONCEPTOS BÁSICOS En la morfología matemática, se define una técnica de segmentación basada en regiones denominada transformada
Más detallesTema 5: Morfología. Segunda parte
Tema 5: Morfología Segunda parte 1. Imágenes binarias Morfología Operaciones morfológicas:» Dilatación, erosión, Transformada Hit-or-Miss, apertura y cierre. Aplicaciones:» Extracción de fronteras y componentes
Más detallesConceptos Básicos para el Procesamiento Digital de Imágenes
ELO 313 Procesamiento Digital de Señales con Aplicaciones Conceptos Básicos para el Procesamiento Digital de Imágenes Matías Zañartu, Ph.D. Departamento de Electrónica Universidad Técnica Federico Santa
Más detallesPráctica 5: Operadores locales II
Práctica 5: Operadores locales II Apellidos, nombre Grupo Puesto Fecha Apellidos, nombre El objetivo de esta práctica es presentar al alumno las técnicas para realizar operadores morfológicos sobre imágenes
Más detallesCapítulo VIII : Adelgazamientos. Adelgazamiento y espesamientos homotópicos
Capítulo VIII : Adelgazamientos Todo-nada adelgazamiento espesamiento Homotopía Homotopia y conectividad Adelgazamiento y espesamientos homotópicos J. Serra Ecole des Mines de Paris (2000 ) Morfología
Más detallesPorqué analizar imágenes?
Porqué analizar imágenes? Medidas que requieren estudiar un número demasiado elevado de imágenes. Análisis cuantitativo: La visión humana no cuantifica por si sola. El análisis automático es más repetitivo
Más detallesTema 3. Transformaciones de imágenes
Div. Ingeniería de Sistemas y Automática Universidad Miguel Hernández Tema 3. Transformaciones de imágenes GRUPO DE TECNOLOGÍA INDUSTRIAL Tabla de Contenidos 2 Operaciones Puntuales Operaciones Locales
Más detallesProcesamiento Digital de Imágenes. Pablo Roncagliolo B. Nº 18
Procesamiento Digital de Imágenes Pablo Roncagliolo B. Nº 18 Orden de las clases... CAPTURA, DIGITALIZACION Y ADQUISICION DE IMAGENES TRATAMIENTO ESPACIAL DE IMAGENES TRATAMIENTO EN FRECUENCIA DE IMAGENES
Más detallesFundamentos de Visión por Computador
Fundamentos de Visión por Computador Sistemas Informáticos Avanzados Índice Introducción Conectividad Operaciones matemáticas básicas OR AND NOT XOR Operadores morfológicos Dilatación Erosión Cierre Apertura
Más detallesTema 2: PROCESAMIENTO EN EL DOMINIO ESPACIAL (Parte 2)
Tema 2: PROCESAMIENTO EN EL DOMINIO ESPACIAL (Parte 2) 1 I N G E N I E R Í A I N F O R M Á T I C A D P T O. M A T E M Á T I C A A P L I C A D A I 2 ÍNDICE: Filtrado espacial Filtros de suavizado Filtros
Más detallesCapítulo 3. Fundamentos de Morfología Matemática
Capítulo 3 Fundamentos de Morfología Matemática Procesamiento Morfológico de Imágenes en Color. Aplicación a la Reconstrucción Geodésica 3.1 Introducción La descripción básica de la Morfología Matemática
Más detallesÍndice 1. Introducción Imagen digital. Formación imagen Histograma de una imagen digital 2. Transformaciones puntuales. Introducción.
Índice 1. Imagen digital. Formación imagen Histograma de una imagen digital 2. Transformaciones puntuales Procesamiento de imágenes digitales Transformaciones basadas en el histograma Ecualización del
Más detallesProcesamiento Digital de Imágenes
Procesamiento Digital de Imágenes Operaciones Orientadas a Punto Contenido Fundamentos Operaciones Elementales Operador Identidad Negativo de una Imagen Transformaciones funcionales Filtros Fundamentos
Más detallesOrden de las clases...
Procesamiento Digital de Imágenes Pablo Roncagliolo B. Nº 10 Orden de las clases... CAPTURA, DIGITALIZACION Y ADQUISICION DE IMAGENES TRATAMIENTO ESPACIAL DE IMAGENES TRATAMIENTO EN FRECUENCIA DE IMAGENES
Más detalles4. Ecuaciones lineales de orden n 5. Ecuación de Euler 6. Oscilaciones 6.1. Oscilaciones libres 6.2. Oscilaciones forzadas 7. Problemas 7.1. Problemas
Índice Capítulo 1. Ecuaciones diferenciales de primer orden 2. Nociones generales 2.1. Definiciones básicas 2.2. Observaciones generales sobre las soluciones 2.3. Formación de ecuaciones diferenciales
Más detallesCálculo en varias variables
Cálculo en varias variables Dpto. Matemática Aplicada Universidad de Málaga Resumen Límites y continuidad Funciones de varias variables Límites y continuidad en varias variables 1 Límites y continuidad
Más detallesPresenta: Norma Atriano Pérez
Presenta: Norma Atriano Pérez Introducción Es posible que desee cambiar la resolución de un la imagen, reducir el tamaño de la imagen, ampliarla o en otro caso no se sabe que resolución poner en la imagen
Más detallesFiltrado no lineal: morfología
Filtrado no lineal: morfología Gonzalez & Woods, cap 8.4 morfología 1 Fundamentada en la teoría de conjuntos: las imágenes se consideran como conjuntos. Imágenes binarias: conjuntos de pixels corresponden
Más detallesINDICE Prologo Capitulo 1. Algoritmos y programas Capitulo 2. La resolución de los problemas con computadoras y las herramientas de programación
INDICE Prologo XI Capitulo 1. Algoritmos y programas 1.1. Configuraciones de una computadora 1 1.2. Lenguajes de programación 2 1.3. Resolución de problemas 1.3.1. Fase de resolución del problema 3 1.3.1.1.
Más detallesRealzado de Imagen. 11 de junio de El histograma de una imagen digital con niveles de gris en la amplitud de [0, L 1], es función discreta
Realzado de Imagen 11 de junio de 2001 Una operación clásica en el procesado de imagen es realzar una imagen de entrada de alguna manera para que la imagen de salida sea más fácil de interpretarla. La
Más detallesProcesamiento Digital de Imágenes
Unidad VI: Compresión de imágenes II p. 1/24 Procesamiento Digital de Imágenes Unidad VI (b): Compresión de imágenes con pérdidas Departamento de Informática - FICH Universidad Nacional del Litoral 20
Más detallesProcesamiento Digital de imágenes: Procesamiento morfológico de imágenes
Procesamiento Digital de imágenes: Procesamiento morfológico de imágenes Prof. Hernán Darío Benítez Restrepo Departamento de Electrónica y Ciencias de la Computación Pontificia Universidad Javeriana Cali
Más detallesAnálisis de imágenes digitales
Análisis de imágenes digitales REPRESENTACIÓN Y DESCRIPCIÓN Momentos INTRODUCCIÓN En general, la relación entre una imagen ideal f(x,y) y una imagen observada g(x,y) se describe como g =D( f ) donde D
Más detallesVisión de Alto Nivel
Visión de Alto Nivel Dr. Luis Enrique Sucar INAOE esucar@inaoep.mx ccc.inaoep.mx/~esucar Sesión 4 Características 1 Visión de Alto Nivel Obtiene una interpretación consistente de las características obtenidas
Más detallesII.3. Retoque (enhancement) de imágenes médicas (Bankman I. N. (Ed.), Handbook of medical imaging, Academic Press, 2000)
II.3. Retoque (enhancement) de imágenes médicas (Bankman I. N. (Ed.), Handbook of medical imaging, Academic Press, 2000) Las técnicas de retoque de imágenes son técnicas matemáticas diseñadas para mejorar
Más detallesAnálisis de imágenes digitales
Análisis de imágenes digitales REPRESENTACIÓN Y DESCRIPCIÓN Rasgos morfológicos RASGOS GEOMÉTRICOS El área y perímetro de un objeto son dos rasgos primarios que se utilizan cuando el tamaño de las regiones
Más detallesReconocimiento automático a través de visión artificial, correlación estadística y Matlab aplicado a las matrículas de vehículos
Reconocimiento automático a través de visión artificial, correlación estadística y Matlab aplicado a las matrículas de vehículos Orlando Barcia * obarcia@ups.edu.ec Introducción Existen muchas investigaciones
Más detallesM.C. ENRIQUE MARTÍNEZ PEÑA
Tema 4.5 Operaciones morfológicas fundamentales 2 1 3 Introducción Los filtros morfológicos fueron originalmente concebidos para ser usados sobre imágenes binarias (1/0; blanco/negro). Estas se encuentran
Más detallesTema 6: Morfología. Primera parte
Tema 6: Morfología Primera parte Morfología La morfología matemática se basa en operaciones de teoría de conjuntos. En el caso de imágenes binarias, los conjuntos tratados son subconjuntos de Z 2 y en
Más detallesMorfología matemática
Morfología matemática Aplicación a procesado de imágenes binarias y monocromáticas Autores: José Luis Alba, Fernando Martín - Universidad de Vigo Jesús Cid - Universidad Carlos III de Madrid Inmaculada
Más detallesMétodos Avanzados para Análisis y Representación de Imágenes
Morfología Matemática p. 1/24 Métodos Avanzados para Análisis y Representación de Imágenes Morfología Matemática en niveles de gris Departamento de Informática - FICH Universidad Nacional del Litoral Septiembre
Más detallesVPC - Visión por Ordenador
Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 2017 205 - ESEIAAT - Escuela Superior de Ingenierías Industrial, Aeroespacial y Audiovisual de Terrassa 739 - TSC - Departamento
Más detallesAnálisis de imágenes digitales
Análisis de imágenes digitales SEGMENTACIÓN DE LA IMAGEN Segmentación basada en texturas INTRODUCCIÓN La textura provee información sobre la distribución espacio-local del color o niveles de intensidades
Más detallesPROBLEMAS COMPUTACIONALES DE MECÁNICA DE FLUIDOS EN GEOMETRÍAS COMPLEJAS
PROBLEMAS COMPUTACIONALES DE MECÁNICA DE FLUIDOS EN GEOMETRÍAS COMPLEJAS Modelización del problema fluido. Problemas físicos: Cálculo estacionario de fuerzas en una aeronave. Cálculos no estacionarios:
Más detallesHerramientas matemáticas básicas para el procesamiento de imágenes
Herramientas matemáticas básicas para el procesamiento de imágenes Fundamentos de procesamiento de imágenes IIC / IEE 3713 1er semestre 2011 Cristián Tejos Basado en material desarrollado por Marcelo Guarini,
Más detallesExplotación de imágenes aéreas y espaciales con fines cartográficos. Realce radio-métrico y espacial. Realce de Imagen: Índice (1/3)
Explotación de imágenes aéreas y espaciales con fines cartográficos Realce radio-métrico y espacial. Realce de Imagen: Índice (1/3) Definiciones. Cuantificación. Muestreo. Histograma. Brillo y contraste.
Más detallesAnálisis de imágenes digitales
Análisis de imágenes digitales MEJORAMIENTO DE LA IMAGEN Transformaciones de intensidad INTRODUCCIÓN Mejoramiento es el proceso de manipulación de la imagen tal que el resultado sea más útil que la imagen
Más detallesProfesor: Javier Ruiz del Solar 6
1. Introducción al Procesamiento de 6 1.1. Definiciones y Conceptos Básicos Nomenclatura Acquisition Communication Display Sorage Image Procesing Image Image Procesing, Computer Vision, Image Analysis
Más detallesFiltrado lineal. Digital image processing, Gonzalez & Woods, chpt 4 Digital Image Processing, WK Pratt, part 3. filtrado lineal 1
Filtrado lineal Digital image processing, Gonzalez & Woods, chpt 4 Digital Image Processing, WK Pratt, part 3 filtrado lineal 1 Filtrado es la operación de eliminar o resaltar componentes de la representación
Más detallesMODELO DE ESTUDIO PRESENCIAL Y VIRTUAL
Su autorrealización es nuestro principal objetivo MODELO DE ESTUDIO PRESENCIAL Y VIRTUAL Manual de usuario - PDF Horario de clases 4 simuladores de 160 preguntas / 2 meses D. Matemático 25 Evaluaciones
Más detallesSEGMENTACIÓN DE IMÁGENES DE RESONANCIA MAGNÉTICA DE CEREBROS A TRAVÉS DE OPERADORES MORFOLÓGICOS Y DISTANCIA GEODÉSICA
SEGMENTACIÓN DE IMÁGENES DE RESONANCIA MAGNÉTICA DE CEREBROS A TRAVÉS DE OPERADORES MORFOLÓGICOS Y DISTANCIA GEODÉSICA Lic. Pastore, J., Dra. Moler, E. y Dra. Ballarin, V. Laboratorio de Procesos y Medición
Más detallesExtracción de Regiones
Visión por Computadora Unidad V Extracción de Regiones Rogelio Ferreira Escutia Contenido ) Conceptos sobre Regiones 2) Binarización mediante detección de umbral 3) Etiquetado de componentes conexas 4)
Más detallesSistema de filtrado espacial de imágenes en sistemas embebidos
Sistema de filtrado espacial de imágenes en sistemas embebidos Auramaria Londoño Cano, Juan David Chica Herrera, Luis Miguel Capacho Valbuena, Hernan Felipe Garcia Arias Ingeniería Electrónica, Universidad
Más detallesAsignatura: Horas: Total (horas): Obligatoria X Teóricas 3.0 Semana 3.0 de elección Optativa Prácticas Semanas 48.0
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE INGENIERÍA PROGRAMA DE ESTUDIO PROCESAMIENTO DIGITAL DE IMÁGENES 0753 8º, 9º 06 Asignatura Clave Semestre Créditos Ingeniería Eléctrica Procesamiento
Más detallesDCT(x[n]) C[u] α(u) x[n] cos (2n 1) π u 2N
UNIVERSIDAD DE CASTILLA LA MANCHA Escuela Universitaria Politécnica de Cuenca Ingeniería Técnica de Telecomunicación (Especialidad de Sonido e Imagen) Vídeo Digital Examen de Junio de 2005 PRACTICAS: Del
Más detallesProcesamiento Morfológico de Imágenes
Procesamiento Morfológico de Imágenes Morfología Matemática Se usa para extraer componentes de imágenes útiles para la representación y descripción de forma de regiones, tales como Extracción de límites
Más detallesÍndice general. Agradecimientos Resumen Abstract
Índice general Agradecimientos Resumen Abstract Índice general Índice de figuras 1 Introducción 1.1. Contexto 1.2. Marco de la tesis 1.3. Estructura de la tesis 2 Planificación de secuencia de desensamblado
Más detallesFILTRADO DE IMÁGENES
FILTRADO DE IMÁGENES 1 INDICE RUIDO Qué es el ruido? Tipos de ruido TECNICAS DE FILTRADO EN DOMINIO ESPACIAL Promediado de imágenes Filtros de orden Filtros de medias DOMINIO FRECUENCIAL FUNCIONES EN MATLAB
Más detallesExamen correspondiente a la evaluación alternativa. Procesamiento de imágenes digitales curso 2007/2008
Examen correspondiente a la evaluación alternativa Procesamiento de imágenes digitales curso 2007/2008 Cada respuesta correcta puntúa 0.25. Cada respuesta incorrecta puntúa -0.05. 1. Cuál de las siguientes
Más detallesSegmentación de Imágenes Parte 2
Segmentación de Imágenes Parte 2 Visión Artificial Andrea Rueda Pontificia Universidad Javeriana Departamento de Ingeniería de Sistemas Parcial - respuestas Descripción del Color Tres atributos: - Brillo
Más detallesAnálisis de Señales y Sistemas. Dr. Grover Zurita
Análisis de Señales y Sistemas Dr. Grover Zurita OBJETIVO: Hoy en día, hay una creciente demanda de conocimientos sobre los sistemas y señales. El conocimiento obtenido en este curso se puede aplicar
Más detallesESTIMACIÓN N DE LA DISTANCIA RECORRIDA POR UN ROBOT MÓVIL M MEDIANTE LA UTILIZACIÓN N DE DESCRIPTORES SURF
ESTIMACIÓN N DE LA DISTANCIA RECORRIDA POR UN ROBOT MÓVIL M MEDIANTE LA UTILIZACIÓN N DE DESCRIPTORES SURF Autor: Juan Manuel Peraza Domínguez Tutor: Dr. Luis Moreno Lorente Noviembre de 2009 1 ÍNDICE
Más detallesPara lograrlo es requisito imprescindible desarrollar una serie de hitos que se pueden agrupar en 3 grandes puntos:
Introducción y objetivos El Departamento de Tecnología Electrónica está trabajando en el campo de la clasificación de imágenes de satélite y a su vez, el Departamento de Matemática Aplicada trabaja en
Más detallesTema 5: Elementos de geometría diferencial
Tema 5: Elementos de geometría diferencial José D. Edelstein Universidade de Santiago de Compostela FÍSICA MATEMÁTICA Santiago de Compostela, abril de 2011 Coordenadas locales y atlas. Funciones y curvas.
Más detallesPreguntas tema 4: MORFOLOGÍA
Preguntas tema 4: MORFOLOGÍA 1 I N G E N I E R Í A I N F O R M Á T I C A C U R S O 2 0 1 3-2 0 1 4 MORFOLOGÍA BINARIA 2 Ejemplo clausura: Corrección de texto escaneado - Imagen original: texto escaneado
Más detallesVisión por computadora Computer vision
Visión por computadora Computer vision Conjunto de algoritmos que permiten obtener una representación visual del mundo, suficiente para la realización de una tarea dada. Representación visual El mundo:
Más detallesProcesamiento de Imágenes
3. Procesamiento de Imágenes 3.1 Transformada discreta de Fourier en 2D Una señal periódica con períodos N 1 y N 2 en sus coordenadas x 1 y x 2, respectivamente, tiene una trasformada de Fourier definida
Más detalles1er. Taller. Introducción. XII JORNADA de FOTOGRAMETRIA 23/05/2013. Características principales. Software de. Madrid, 21 de Mayo de 2013
XII JORNADA de FOTOGRAMETRIA 1er. Taller Introducción Madrid, 21 de Mayo de 2013 Gabriel J. de Sousa Inácio gabriel.inacio@gtbi.net GeoToolBox Ibérica SL www.gtbi.net Características principales Software
Más detallesPERFIL PROFESIOGRÁFICO PARA IMPARTIR LAS ASIGNATURAS DE LA LICENCIATURA EN INGENIERÍA EN TELECOMUNICACIONES (PLAN DE ESTUDIOS 2005)
ASIGNATURAS SEMESTRE LICENCIATURA EN OTROS REQUERIMIENTOS Álgebra (1100) 1 Geometría Analítica (1102) 1 carreras cuyo contenido en el área de Cultura y Comunicación (1107) 1 Cálculo Diferencial (1108)
Más detallesPlan de Estudios 2010 Itinerario de Sonido e Imagen
Jornada de orientación 8 de mayo de 2017 Plan de Estudios 2010 Itinerario de Sonido e Imagen Julián Cabrera Departamento de Señales, Sistemas y Radiocomunicaciones (SSR) julian.cabrera@gti.ssr.upm.es UPM-SSR
Más detallesTécnicas de mejora de imágenes
Técnicas de mejora de imágenes Mejora o enhancement Restauración Reconstrucción Mejora de la imagen Dominio espacial Opera directamente sobre los píxeles g(x,y)=t entorno (f(x,y)) Dominio en el espacio
Más detallesProcesamiento digital de imágenes
Procesamiento digital de imágenes Querejeta Simbeni, Pedro Estudiante de Ingeniería Electricista Universidad Nacional del Sur, Avda. Alem 1253, B8000CPB Bahía Blanca, Argentina querejetasimbenipedro@gmail.com
Más detallesIntroducción al Procesamiento de Imágenes Satelitales con Software Libre. Módulo 03
Introducción al Procesamiento de Imágenes Satelitales con Software Libre Módulo 03 Dirección de Formación de Capital Humano Especializado en el Campo Espacial Agencia Espacial Mexicana www.gob.mx/aem Plan
Más detallesAnálisis Bioseñales I
Análisis Bioseñales I Prepaso Práctico 4 Mauricio Farías Gerardo Fasce Rodrigo Ortiz Gustavo Zomosa IMAGEN Colección de componentes de frecuencia Formación de imagen : Pixel, valor : luminosidad del punto
Más detallesFigura 1: Propiedades de textura: (a) Suavidad, (b) Rugosidad y (c) Regularidad
3 TEXTURA 3.1 CONCEPTO DE LA TEXTURA La textura es una característica importante utilizada en segmentación, identificación de objetos o regiones de interés en una imagen y obtención de forma. El uso de
Más detallesMATLAB para el Análisis Económico y Financiero Nivel Básico
MATLAB para el Análisis Económico y Financiero Nivel Básico Introducción: Este software está cada vez más difundido, tanto en el campo académico como en el laboral, usado por instituciones públicas como
Más detallesM É T O D O S A L T E R N A T I V O S P A R A E X T R A C C I O N D E V E C T O R C A R A C T E R I S T I C AS.
A P É N D I C E D M É T O D O S A L T E R N A T I V O S P A R A E X T R A C C I O N D E V E C T O R C A R A C T E R I S T I C AS. Código extendido de Sombras. Burr ha propuesto el código de sombras como
Más detallesOptimización lineal. Diego A. Patino. 2 de septiembre de Pontificia Universidad Javeriana 1/ 29
Optimización lineal Diego A. Patino Pontificia Universidad Javeriana 2 de septiembre de 2016 1/ 29 Introducción Formulación del problema Herramientes del análisis convexo Formas de las restricciones 2/
Más detallesCélulas en cultivos: Segmentación y seguimiento en secuencias de imágenes
Células en cultivos: Segmentación y seguimiento en secuencias de imágenes D S Comas 1, 2, A Bouchet 1, 2, J I Pastore 1, 2, M Rapacioli 2, 3, V Flores 2, 3 y V L Ballarin 1 1 Grupo de Procesamiento Digital
Más detallesVídeo Digital. 0. Presentación. Objetivos Temario Prácticas Evaluación Introducción
Vídeo Digital teleco.uclm.es/asignaturas/vd/ RedC@mpus Ángel Belenguer Despacho: 2.15 Angel.Belenguer@uclm.es Extensión: 4846 0. Presentación Objetivos Temario Prácticas Evaluación Introducción 1 0.1.
Más detallesEstéreo dinámico. Estéreo dinámico
Estéreo dinámico 1 Vectores locales de desplazamiento Dada una secuencia de imagenes Tomadas a intervalos Movimiento absoluto: movimiento independiente de la cámara Movimiento relativo: movimiento debido
Más detallesAplicación de Modelos Matemáticos en el Tratamiento de Imágenes de Ultrasonido
Aplicación de Modelos Matemáticos en el Tratamiento de Imágenes de Ultrasonido Dr. Marco MORA Investigador Les Fous du Pixel Image Procesing Group Departamento de Computación e Informática Universidad
Más detallesProcesamiento de imágenes
Procesamiento de imágenes Técnicas de realce de imágenes Técnicas de realce de imágenes Las imágenes digitalizadas no presentan siempre una calidad adecuada para su utilización, ello puede ser debido a
Más detallesÁrboles de Partición Quadtrees Octrees K-d trees
Árboles de Partición Quadtrees Octrees K-d trees Estructuras de Datos Andrea Rueda Pontificia Universidad Javeriana Departamento de Ingeniería de Sistemas Estructuras de Datos Geométricas Estructuras de
Más detallesUNIVERSIDAD DEL NORTE DIVISION DE INGENIERÍAS DEPARTAMENTO DE INGENIERIA ELÉCTRICA Y ELECTRÓNICA
UNIVERSIDAD DEL NORTE DIVISION DE INGENIERÍAS DEPARTAMENTO DE INGENIERIA ELÉCTRICA Y ELECTRÓNICA 1. IDENTIFICACIÓN DIVISIÓN ACADÉMICA Ingenierías DEPARTAMENTO Ingenierías eléctrica y electrónica PROGRAMA
Más detallesAlgebra Matricial y Teoría de Grafos
Algebra Matricial y Teoría de Grafos Unidad 3: Nociones de teoría de grafos Luis M. Torres Escuela Politécnica del Litoral Quito, Enero 2008 Maestría en Control de Operaciones y Gestión Logística p.1 Contenido
Más detallesCRRERA CORTA DE ESPECIALISTA EN EXCEL EMPRESARIAL
CRRERA CORTA DE ESPECIALISTA EN EXCEL EMPRESARIAL MODULO-I 1. MICROSOFT EXCEL 2016 NIVEL BÁSICO (20 horas cronológicas) 1.1. Sesión 1 Entorno de Excel 2016 Descripción de la ventana de Excel Libro, Hoja
Más detallesAprendé a encontrar objetos en videos. Docentes: Franco Ronchetti Facundo Quiroga
Aprendé a encontrar objetos en videos Docentes: Franco Ronchetti Facundo Quiroga TEMARIO Introducción al procesamiento de imágenes digitales Introducción a Python y numpy Imágenes color y Filtrado por
Más detallesModelo de flujo bidimensional en ríos y estuarios.
Modelo de flujo bidimensional en ríos y estuarios www.iberaula.es Modelo de flujo bidimensional en ríos y estuarios Esquemas numéricos Esquemas numéricos 1. Introducción 2. Mallas de cálculo 3. Volúmenes
Más detallesTema 9. Compresión de imágenes
1 Div. Ingeniería de Sistemas y Automática Universidad Miguel Hernández GRUPO DE TECNOLOGÍA INDUSTRIAL Tabla de Contenidos 2 Introducción Modelo del sistema de compresión Criterios de fidelidad Métodos
Más detallesIdentificación n de SIStemas
Identificación n de SIStemas Métodos de Estimación n Recursivos ISIS J. C. Gómez Métodos de Identificación n Recursivos Mínimos Cuadrados Recursivos ara una estructura de modelo de regresión lineal y n
Más detallesTABLA DE CONTENIDOS. Dedicatoria. Agradecimientos. Tabla de Contenidos. Índice de Figuras. Índice de Tablas. Resumen
TABLA DE CONTENIDOS página Dedicatoria Agradecimientos Tabla de Contenidos Índice de Figuras Índice de Tablas Resumen I II IV VII X XI 1. Introducción 13 1.1. Descripción del contexto.........................
Más detallesPROCESAMIENTO DE IMÁGENES DIGITALES
PROCESAMIENTO DE IMÁGENES DIGITALES 1 4 º C U R S O D E G R A D O I N G E N I E R Í A I N F O R M Á T I C A - T E C N O L O G Í A S I N F O R M Á T I C A S O P T A T I V A ( C U A T R I M E S T R E 1 )
Más detalles[20380] Visió per Computador Prueba 2 (2013) Teoria (10p) (una pregunta test fallada descuenta 1/4 de pregunta acertada)
102784 [20380] Visió per Computador Prueba 2 (2013) Teoria (10p) (una pregunta test fallada descuenta 1/4 de pregunta acertada) 1. En cuál de estas posibles aplicaciones podríamos utilizar una característica
Más detallesJornada de orientación
Jornada de orientación 13 de abril de 2015 Plan de Estudios 2010 Itinerario de Sonido e Imagen Narciso García Departamento de Señales, Sistemas y Radiocomunicaciones (SSR) narciso@gti.ssr.upm.es UPM SSR
Más detallesLicense Plate Detection using Neural Networks
License Plate Detection using Neural Networks Luis Carrera, Marco Mora Les Fous du Pixel Image Processing Research Group Department of Computer Science Catholic University of Maule http://www.lfdp-iprg.net
Más detallesLaboratorio de Visión para Robots. Práctica 2
1. Preparación del entorno de trabajo Laboratorio de Visión para Robots Práctica 2 La manera en la que trabajaremos será primero utilizando Eclipse para prototipar nuestro programa. Cuando podamos procesar
Más detallesTécnicas de inteligencia artificial. Visión Artificial Extracción de características
Técnicas de inteligencia artificial Visión Artificial Extracción de características Indice Transformada de Hough Características: SIFT Transformada de Hough Fundamentos: Motivación: Desarrollar técnicas
Más detallesDetección No-Paramétrica de Estructuras Geométricas Anómalas en Redes
Detección No-Paramétrica de Estructuras Geométricas Anómalas en Redes Quantil S.A.S. Septiembre - 2016 1 Descripción del Problema. 2 Preliminares. 3 Redes. Descripción y Motivación Detectar cadenas de
Más detallesTécnicas de filtrado. Tema 6
Tema 6 Técnicas de filtrado Se trata de métodos para resaltar o suprimir, de forma selectiva, información contenida en una imagen a diferentes escalas espaciales, para destacar algunos elementos de la
Más detalles