Universidad de Granada. Tema 1: Introducción al Problema de Registrado de Imágenes
|
|
- Natalia Villalba Godoy
- hace 5 años
- Vistas:
Transcripción
1 Universidad de Granada Tema 1: Introducción al Problema de de Imágenes Master en Soft Computing y Sistemas Inteligentes Curso:
2 Tema 1: Introducción al Problema de de Imágenes 3. Resolución del de Imágenes como un Problema de 4. Enfoques de Matching y 2/40
3 1. Imagen 2D: función f(x,y), donde x e y son coordenadas espaciales y la amplitud de f en cualquier par (x,y) se conoce como intensidad o nivel de gris Imagen digital: si x e y son discretas y finitas (compuesta por un número finito de elementos: píxeles) Procesamiento de imágenes digitales: tratamiento de imágenes digitales mediante el ordenador 3/40
4 1. Píxel: abreviatura de la expresión inglesa Picture Element (Elemento de Imagen), es la unidad más pequeña o primitiva elemental de las imágenes digitales 2D 4/40
5 1. Vóxel: extensión del concepto de píxel a las imágenes digitales 3D 5/40
6 1. IMÁGENES 3D: Imágenes digitales 3D volumétricas: compuestas por un conjunto de cortes o rebanadas (slices). Imágenes de rango: imagen 2D + valor de intensidad de cada píxel representa valor de profundidad 6/40
7 1. ÁREAS DE LA VISIÓN POR ORDENADOR: Nivel bajo o procesamiento: operaciones primitivas (reducción de ruido, etc.). Entrada y salida son imágenes Nivelmediooanálisis:segmentación, clasificación, etc. La entrada suele ser imagen, la salida, atributos de ésta Nivel alto o visión por ordenador: implica dar sentido a los objetos reconocidos y desarrollar funciones cognitivas relacionadas con la visión 7/40
8 1. APLICACIONES DE LA VISIÓN POR ORDENADOR (I) Teledetección: tratamiento de la imagen vía satélite Medicina: planificación cirugía, diagnóstico, tratamiento 8/40 Tráfico: control viario
9 1. APLICACIONES DE LA VISIÓN POR ORDENADOR (II) Robótica: sistemas de navegación Sistemas de seguridad: reconocimiento de huellas, caras, sistemas de vigilancia de edificios, detección explosivos 9/40 Control de calidad: inspección y verificación de motores, cristales, circuitos impresos, madera, alimentos, etc.
10 1. de imágenes (RI): tarea encargada de hacer coincidir/superponer dos imágenes similares en un mismo sistema de coordenadas PROBLEMA? Imágenes en sistemas de coordenadas diferentes Relación de correspondencia desconocida 10/40
11 1. APLICACIONES DEL RI (I) Planificación de intervenciones quirúrgicas Integración de imágenes: multimodalidad, 2D/3D, etc. 11/40
12 1. APLICACIONES DEL RI (II) Teledetección: mosaicos para cartografía Reconstrucción de piezas: en industria, arqueología, antropología forense, etc. 12/40
13 1. Producción científica en RI en los últimos años: consulta: image AND ( registration OR alignment ) 13/40
14 1. de imágenes (RI): tarea encargada de hacer coincidir/superponer dos imágenes similares en un mismo sistema de coordenadas Componentes de un sistema de RI: Imágenes escena (I e R 2 /R 3) y modelo (I m R 2 /R 3 ) (f: R 2 /R 3 R 2 /R 3 ) Métrica de similitud (F) Optimizador (búsqueda de f óptima) 14/40
15 1. Esquema genérico de un método de RI: Formalización teórica: 15/40
16 1. Transformaciones de Taxonomías centradas en la imagen Basados en intensidades / Basados en características Dimensionalidad 2D 2D, 3D 3D, 2D 3D, etc. Sistema adquisición: monomodalidad / multimodalidad Información de referencia: extrínsicos / intrínsecos RI médico: Intrasujeto / intersujeto 16/40
17 1. Transformaciones de Existen distintos grupos de transformaciones geométricas f El grupo lineal general: rotaciones, traslaciones, etc. Otras transformaciones no lineales: elásticas, fluidos, etc 17/40
18 1. Original Traslación Rotación Escalado Unif. Transformaciones de Esc. No Unif. Recorte Proyección Elástica 18/40
19 1. Transformaciones de Diversos grupos dentro de las transformaciones lineales: Transformaciones rígidas: rotación + traslación Similitudes: rotación + traslación + escalado uniforme Similitudes extendidas: rot. + traslación + S x +S y +S z SIMILITUDES Rotación Traslación Escalado f (R 3 R 3 )= α Axis x Axis y Axis z t x t y t z s 19/40
20 1. como Problema de como un Problema de La formulación del problema es análoga a la de otros de optimización en los que se precisa la selección de la configuración más apropiada de un conjunto de opciones Algoritmos de resolución: Exactos: encuentran la solución óptima. Imposible de aplicar en todos los problemas (NP-duros) Aproximados: consiguen soluciones próximas a la óptima en tiempo aceptable Métodos de RI clásicos atrapados en óptimos locales 20/40
21 1. como Problema de Limitaciones de los métodos de RI clásicos como un Problema de 21/40
22 1. como Problema de como un Problema de Concepto de metaheurística: familia de algoritmos aproximados basada en la extensión de métodos heurísticos básicos mediante su inclusión en un proceso iterativo Propiedades: Son estrategias que guían el proceso de búsqueda con el objetivo de explorar eficientemente el espacio de soluciones No exigen hacer uso de funciones derivables Intentan evitar el estancamiento en óptimos locales No son específicas de un problema concreto 22/40
23 1. como Problema de Algoritmos evolutivos: algoritmos metaheurísticos basados en principios inspirados en la genética de las poblaciones naturales para evolucionar sobre soluciones como un Problema de Son los algoritmos metaheurísticos que han abordado el problema de RI con mayor éxito 23/40
24 1. como Problema de como un Problema de Algoritmos Genéticos (AGs) EMPEZAR t 0. Inicializar P(0). Evaluar P(0) REPETIR MIENTRAS (NO condición de parada) INICIO Seleccionar P (t) desde P(t) Cruzar y mutar P (t) con prob. P c y P m Reemplazar P(t) con P (t) Evaluar P(t) t t+1 FIN Devolver el mejor individuo de P(t-1) FIN 24/40
25 1. Matching y de la Enfoques de resolución: definir un optimizador con su función objetivo y su esquema de codificación de soluciones Espacios de búsqueda: Correspondencia de primitivas de imagen: búsqueda del mejor conjunto de emparejamientos para estimar f * apartirdeél de registrado: búsqueda de f * directamente en el espacio de los parámetros de f Métodos de RI clásicos: suelen realizar una búsqueda monótona descendente atrapados en óptimos locales 25/40
26 1. Matching y de la Método numérico f f * f 26/40
27 1. Matching y de la La incorporación de información específica (heurística) del problema redunda en la mejora del rendimiento del proceso de búsqueda: Reducción drástica del espacio de búsqueda Orientación inteligente de la búsqueda Objetivo: extraer características de la forma relevantes como información para el registrado: 2D: información derivada del esqueleto 3D: información derivada de la curvatura 27/40
28 1. Matching y de la Concepto de esqueleto: analogía de Blum Esqueleto objeto 2D: formado por curvas unidas que acaban o en puntos intersección, o en puntos frontera 28/40
29 1. Matching y de la Inducir una partición del objeto en regiones con significado Definición de atributos basándonos en esta partición: Tamaño relativo de una parte del esqueleto, Variación del eje medio en una parte del esqueleto, 29/40
30 1. Matching y de la 30/40
31 1. Matching y de la Extracción de un conjunto de líneas de cresta en imágenes 3D, formadas por puntos característicos 3D con atributos curvatura mínima y máxima, k1 y k2, respectivamente 31/40
32 1. Matching y de la Búsqueda de los mejores parámetros de f (Método de optimización) f f * Evaluar f Rotación = {5, 25, 0 } Traslación = {2, 0, 1} Cálculo del punto del modelo más próximo a cada punto de la escena f 32/40
33 1. Matching y de la Búsqueda de los mejores parámetros de f (Método de optimización) Métodos clásicos de optimización: fuerte componente local Con/sin estimación de gradiente: Gradiente-conjugado, Quasi-Newton, Simplex, Powell,... Desalineaciones entre imágenes atrapados en óptimos locales 33/40
34 1. Besl, P. J. y McKay, N. D. (1992). A method for registration of 3D shapes. IEEE Trans. on Pattern Analysis and Machine Intelligence, 14: Iterative Closest Point (ICP): iterar los tres pasos siguientes hasta alcanzar un umbral de tolerancia: Hallar las correspondencias entre puntos escena y modelo mediante la regla de asignación del más próximo Calcular los parámetros de la transformación de registrado mediante mínimos cuadrados Aplicación de la transformación estimada a la escena y cálculo del ECM 34/40
35 1. ICP: algoritmodeterminista.consideracomocriteriode correspondencia la «asignación del punto más próximo» Eficiente y preciso, pero no garantiza la convergencia al óptimo cuando las imágenes tienen cierto grado de desalineación I C P 35/40
36 1. Limitaciones de ICP: Los estados iniciales de la puesta en correspondencia global juegan un papel crucial Sensibilidad a la presencia de datos aberrantes Elcostedeunajustelocalpuedeseraltoinclusosihay un porcentaje bajo de oclusión BuenaICP Estimación 36/40
37 1. Zhang, Z. (1994). Iterative point matching for registration of free form curves and surfaces. Intl. Journal of Computer Vision, 13(2): Variante de ICP de Zhang: estudiodeladistribucióndelas distancias para enfrentarse a puntos aberrantes, oclusiones, etc. Técnica robusta para descartar algunos emparejamientos analizando las estadísticas de las distancias La distancia entre cada pareja de puntos establecida razonablemente debería ser similar Para ello, en cada iteración se propone actualizar un parámetro de distancia máxima D Imax permitida 37/40
38 1. P i Q j 38/40
39 1. Además Zhang considera por primera vez el uso de una estructura de datos (el KD-Árbol) que acelera el cálculo del punto más próximo En un KD-Árbol 3D, el primer corte (rojo) divide el conjunto de puntos (blanco) en dos, cada uno de los cuales se divide entonces (verde) en dos subconjuntos. Por último, cada uno de los cuatro subconjuntos se divide (azul) en otros dos 39/40
40 1. Liu, Y. (2004). Improving ICP with easy implementation for free form surface matching. Pattern Recognition, 37(2): I-ICP se centra en la propuesta de un método con reglas de rechazo de falsas correspondencias en base a: Restricción de colinealidad: para cada posible correspondencia {x i,y i }, los puntos x i, y i y el centro óptico O deben aproximarse a ser colineales Se prefiere emparejar x con yi por colinealidad Restricción de proximidad: la distancia entre los puntos {xi,yi}, debe ser mínima, 40/40
Tema 4: Soft Computing en Identificación Forense
Universidad de Granada Tema 4: Soft Computing en Master en Soft Computing y Sistemas Inteligentes Curso: Contenidos 3. Registrado de, Incertidumbre e = Soft Computing Cráneos con Algoritmos Evolutivos
Más detallesTécnicas Avanzadas de Visión por Computador
Técnicas Avanzadas de Visión por Computador Sistemas Informáticos Avanzados Índice Introducción. Registrado basado en grises. Funciones criterio. Métodos de minimización. Registrado multimodal. Registrado
Más detallesSistemas de Percepción Visión por Computador
Nota: Algunas de las imágenes que aparecen en esta presentación provienen del libro: Visión por Computador: fundamentos y métodos. Arturo de la Escalera Hueso. Prentice Hall. Sistemas de Percepción Visión
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 detallesSistemas de Percepción
Visión por Computador Nota: Las imágenes que aparecen en esta presentación provienen del libro: Visión por Computador: fundamentos y métodos. Hueso. Prentice Hall. 1. Introducción 1 Definiciones: Introducción
Más detallesVisión artificial y Robótica. Depto. de Ciencia de la Computación e Inteligencia Artificial
Visión artificial y Robótica Depto. de Ciencia de la Computación e Inteligencia Artificial Contenidos Sensores 3D Métodos de registro 3D Iterative Closest Points Sensores 3D Permiten obtener la información
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 detallesExtracción de características
Extracción de características Gonzalez & Woods, Digital Image Processing, cap. 8 extracción de características 1 Propiedades de las características Tienen que ser robustos: la extracción debe ser insensible
Más detallesReconstrucción Tridimensional a Partir de Varias Imágenes
Reconstrucción Tridimensional a Partir de Varias Imágenes Dr. Luis Gerardo de la Fraga E-mail: fraga@cs.cinvestav.mx Sección de Computación Departamento de Ingeniería Eléctrica CINVESTAV 22 de noviembre,
Más detallesBIOINFORMÁTICA
BIOINFORMÁTICA 2013-2014 PARTE I. INTRODUCCIÓN Tema 1. Computación Basada en Modelos Naturales PARTE II. MODELOS BASADOS EN ADAPTACIÓN SOCIAL (Swarm Intelligence) Tema 2. Introducción a los Modelos Basados
Más detallesTema 5: SEGMENTACIÓN (II) I N G E N I E R Í A I N F O R M Á T I C A
Tema 5: SEGMENTACIÓN (II) 1 I N G E N I E R Í A I N F O R M Á T I C A Tema 5: Segmentación Los algoritmos de segmentación se basan en propiedades básicas de los valores del nivel de gris: 2 - Discontinuidad:
Más detallesTema 5: SEGMENTACIÓN (II) I N G E N I E R Í A I N F O R M Á T I C A
Tema 5: SEGMENTACIÓN (II) 1 I N G E N I E R Í A I N F O R M Á T I C A Tema 5: Segmentación Los algoritmos de segmentación se basan en propiedades básicas de los valores del nivel de gris: 2 - Discontinuidad:
Más detallesFrancisco J. Hernández López
Francisco J. Hernández López fcoj23@cimat.mx La salida de un algoritmo de seguimiento de objetos depende de la aplicación y la representación utilizada para describir el objeto que se desea seguir, dicha
Más detallesUNIVERSIDAD DE GRANADA
UNIVERSIDAD DE GRANADA Registrado de imágenes basado en características mediante metaheurísticas MEMORIA QUE PRESENTA Sergio Damas Arroyo PARA OPTAR AL GRADO DE DOCTOR Mayo de 2003 DIRECTOR Óscar Cordón
Más detallesMetaheurísticas. Seminario 3. Problemas de optimización con técnicas basadas en poblaciones
Metaheurísticas Seminario 3. Problemas de optimización con técnicas basadas en poblaciones 1. Estructura de un Algoritmo Genético/Memético y Aspectos de Implementación 2. Problemas de Optimización con
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 detallesUNIVERSIDAD DE CASTILLA-LA MANCHA ESCUELA POLITÉCNICA SUPERIOR INGENIERÍA EN INFORMÁTICA PROYECTO FIN DE CARRERA
UNIVERSIDAD DE CASTILLA-LA MANCHA ESCUELA POLITÉCNICA SUPERIOR INGENIERÍA EN INFORMÁTICA PROYECTO FIN DE CARRERA Algoritmo GRASP para la construcción automática de fotografías panorámicas Cristina Romero
Más detallesde Señales e Imágenes Departamento Bioingeniería Facultad de Ingeniería Universidad Nacional de Entre Ríos
Captura y Procesamiento Señales y SistemasDigital de Señales e Imágenes Introducción al Procesamiento Digital de Imágenes Departamento Bioingeniería Facultad de Ingeniería Universidad Nacional de Entre
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 detallesINDICE Prefacio 1. Introducción 2. Fundamentos de la imagen digital
INDICE Prefacio XVII 1. Introducción 1.1. Fundamentos 1 1.2. Representación digital de imágenes 6 1.3. Etapas fundamentales del procesamiento de imágenes 8 1.4. Elementos de los sistemas de procesamiento
Más detallesSegmentación. Representación segmentada: aquella en que los puntos que comparten una misma propiedad son agrupados para formar regiones.
Segmentación Representación segmentada: aquella en que los puntos que comparten una misma propiedad son agrupados para formar regiones. Segmentación: proceso de particionar una imagen (conjunto de datos)
Más detallesTécnicas de autolocalización en 3D con visión monocular
Técnicas de autolocalización en 3D con visión monocular Eduardo Perdices eperdices@gsyc.es Universidad Rey Juan Carlos 05 Abril 2016 Contenidos 1 Contenidos Introducción MonoSLAM PTAM SVO Futuro Próximo
Más detallesProcesamiento de Imágenes. Prof. Alexandra La Cruz, PhD
Procesamiento de Imágenes Prof. Alexandra La Cruz, PhD alacruz@ldc.usb.ve Contenido Conceptos básicos Modelo de una imagen Procesamiento digital de imágenes Operaciónes básicas Convolución Filtros Segmentación
Más detallesVisión por Computador: Introducción
Visión por Computador: Introducción Ciencia que desarrolla la base teórica y algorítmica mediante la que se extrae y analiza información útil sobre el mundo/ entorno, a partir de: una imagen un conjunto
Más detallesBÚSQUEDA INTELIGENTE BASADA EN METAHEURÍSTICAS
Departamento de Inteligencia Artificial Grupo de Análisis de Decisiones y Estadística BÚSQUEDA INTELIGENTE BASADA EN METAHEURÍSTICAS PRÁCTICAS 1 Existen varias características que pueden causar dificultades
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 detallesTema 1. Heurísticos en Optimización Combinatorial
Tema 1. Heurísticos en Optimización Combinatorial p. 1/2 Tema 1. Heurísticos en Optimización Combinatorial Abdelmalik Moujahid, Iñaki Inza y Pedro Larrañaga Departamento de Ciencias de la Computación e
Más detallesAprendizaje y Percepción
Aprendizaje y Percepción Facultad de Informática Universidad Politécnica de Valencia Tema 2: Preproceso y Extracción de Características: Imágenes Enrique Vidal, Alfons Juan, Roberto Paredes, Jorge Civera
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 detallesTécnicas de optimización en visión artificial
Técnicas de optimización en visión artificial Alberto Martín, Francisco Rivas y JoseMaría Cañas Máster en Visión Artificial Alberto Martín, Francisco Rivas y JoseMaría Cañas Técnicas de optimización en
Más detallesVISIÓN POR COMPUTADOR
VISIÓN POR COMPUTADOR Introducción Ingeniería de Sistemas y Automática Universidad Miguel Hernández Tabla de Contenidos 2 Definición de Visión por Computador Captación Información Luminosa Imagen Digital
Más detallesOPTIMIZACIÓN VECTORIAL
OPTIMIZACIÓN VECTORIAL Métodos de Búsqueda Directa Utilizan sólo valores de la función Métodos del Gradiente Métodos de Segundo Orden Requieren valores aproimados de la primera derivada de f) Además de
Más detallesAPLICACIÓN PARA EL REGISTRO EN NEUROCIRUGÍA UTILIZANDO EL ALGORITMO DE BÚSQUEDA ITERATIVA DE PUNTOS CERCANOS (ICP)
Modelos Computacionales en Ingeniería: Desarrollos Novedosos y Aplicaciones R. Chacón, F. León, V. Duarte, O. Verastegui (Editores) 2010 SVMNI odos los derechos reservados APLICACIÓN PARA EL REGISRO EN
Más detallesCompetencias del máster en matemática computacional
Competencias del máster en matemática computacional En el Máster Universitario en Matemática Computacional por la Universitat Jaume I, se garantizará el desarrollo por parte de los estudiantes de las competencias
Más detallesRECONOCIMIENTO DE RUTAS DE ESCALADA EN PAREDES DE PIEDRA
RECONOCIMIENTO DE RUTAS DE ESCALADA EN PAREDES DE PIEDRA PROCESAMIENTO DE IMÁGENES DIGITALES Curso 2013/2014 Carlos Falgueras García David Solís Martín Adrián Fernández Sola 1. Introducción Existen varios
Más detallesIntroduccion a la Optimizacion. Inteligencia Artificial II Rafael Vazquez Perez
Introduccion a la Optimizacion Inteligencia Artificial II Rafael Vazquez Perez Introduccion a la Optimizacion 1.1.- Búsqueda de la Mejor Solución 1.1.1.- Definición de Optimización 1.1.2.- Búsqueda de
Más detallesUN SISTEMA DE VIDEO VIGILANCIA PARA DETECCIÓN DE CAÍDAS
UNIVERSIDAD DE MÁLAGA ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA INFORMÁTICA INGENIERÍA SUPERIOR EN INFORMÁTICA ANTEPROYECTO UN SISTEMA DE VIDEO VIGILANCIA PARA DETECCIÓN DE CAÍDAS DIRECTOR DEL PROYECTO: FIRMA:
Más detallesFotogrametría de Objeto Cercano. Precisión estimada.
Fotogrametría de Objeto Cercano. Precisión estimada. Apellidos, nombre Balaguer Puig, Matilde (balaguer@upv.es) Departamento Centro Ingeniería Cartográfica, Geodesia y Fotogrametría ETSIGCT 1 Resumen En
Más detallesUnidad VI Algoritmos Genéticos
Unidad VI Algoritmos Genéticos Maestría en Sistemas Computacionales Clave: MPSCO-0108 6 Créditos Sesiones Viernes 18-21 Rafael Vázquez Pérez Agenda Cuando las leyes de la matemática se refieren a la realidad,
Más detallesCAPÍTULO 4 METODOLOGÍA PROPUESTA
CAPÍTULO 4 METODOLOGÍA PROPUESTA En este capítulo, se describen los métodos utilizados en el procedimiento propuesto para obtener soluciones del PLIDMC. En la actualidad, muchos de los problemas de optimización
Más detallesTema 4: MORFOLOGÍA (Parte I) I N G E N I E R Í A I N F O R M Á T I C A
Tema 4: MORFOLOGÍA (Parte I) 1 I N G E N I E R Í A I N F O R M Á T I C A 2 La morfología matemática se basa en operaciones de teoría de conjuntos. En el caso de imágenes binarias, los conjuntos tratados
Más detallesMáster en Tecnologías de la Información
Máster en Tecnologías de la Información Asignaturas x concentración CONCENTRACIÓN (Módulo) Informática en la Empresa - Grupo I 33 Effective Communication in Professional Environments 4 Estrategias para
Más detallesTécnicas de inteligencia artificial. Visión Artificial Detección de aristas y puntos característicos
Técnicas de inteligencia artificial Visión Artificial Detección de aristas y puntos característicos Indice Detección de aristas Algoritmo de Canny Algoritmo de Susan Aristas ( Edges ) Operadores de gradiente:
Más detallesAlgoritmos genéticos
Algoritmos genéticos Introducción 2 Esquema básico 3 El problema de la mochila 7 Asignación de recursos 0 El problema del viajante 3 Variantes del esquema básico 5 Por qué funciona? 9 Observaciones finales
Más detallesOptimización matemática en procesos industriales. Aplicación al estudio de aparatos de tratamiento de alimentos por campos eléctricos.
Optimización matemática en procesos industriales. Aplicación al estudio de aparatos de tratamiento de alimentos por campos eléctricos. Alfonso Fernández Bes Máster en Tratamiento Estadístico-Computacional
Más detallesReconstrucción tridimensional de vasos sanguíneos de retina de humanos
Reconstrucción tridimensional de vasos sanguíneos de retina de humanos Dra. María Elena Martínez Pérez Departamento de Ciencias de la Computación IIMAS-UNAM Colaboradores: Dr. Arturo Espinosa, M. en C.
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 detallesDeteccio n de monedas con el me todo de la transformada de Hough
Deteccio n de monedas con el me todo de la transformada de Hough G R U P O 10 C A R L O S H E R C E G U I L L E R M O G U T I É R R E Z Procesamiento de Imágenes Digitales Ingeniería en Informática. Enero
Más detallesEspecialidades en GII-TI
Especialidades en GII-TI José Luis Ruiz Reina (coordinador) Escuela Técnica Superior de Ingeniería Informática Mayo 2014 Qué especialidades tiene la Ingeniería Informática? Según las asociaciones científicas
Más detallesAprendizaje Automático
id3 id3 como búsqueda Cuestiones Adicionales Regresión Lineal. Árboles y Reglas de Regresión Ingeniería Informática Fernando Fernández Rebollo y Daniel Borrajo Millán Grupo de Planificación y Aprendizaje
Más detallesAplicaciones de Técnicas de IA. Ana Lilia Laureano-Cruces UAM-A
Aplicaciones de Técnicas de IA Ana Lilia Laureano-Cruces UAM-A Casi todas las ciencias de ingeniería Comparten técnicas disponibles en el domino de IA. Mencionaremos algunas aplicaciones donde la IA juega
Más detallesTEMA 1: INTRODUCCIÓN N AL PROCESADO Y ANÁLISIS DE DATOS
Procesado y Análisis de Datos Ambientales. Curso 2009-2010. José D. Martín, Emilio Soria, Antonio J. Serrano TEMA 1: INTRODUCCIÓN N AL PROCESADO Y ANÁLISIS DE DATOS ÍNDICE Introducción. Selección de variables.
Más detallesSkeletons y sus aplicaciones para la cuantificación de estructuras biológicas tipo árbol. Pablo Aguilar
Skeletons y sus aplicaciones para la cuantificación de estructuras biológicas tipo árbol Pablo Aguilar 11 de enero de 2011 Motivación El Núcleo de Morfogénesis Neuronal (NEMO) combina conocimiento de biología
Más detalles= v. = v. Restricciones geométricas. Restricciones geométricas. Restricciones geométricas. Restricciones de consistencia. m 1 m 2.
Índice Introducción Qué es la visión estereoscópica? Geometría de un sistema binocular Geometría de la proyección Geometría binocular. Matriz fundamental Rectificación 9 Restricciones Métodos de correspondencia
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 detallesVisión y áreas relacionadas
Visión y áreas relacionadas Dr. Luis Gerardo de la Fraga E-mail: fraga@cs.cinvestav.mx Departamento de Computación Cinvestav 28 de octubre, 2010 Dr. Luis Gerardo de la Fraga 9o. Simp. Computación Visión
Más detallesAplicaciones. Inteligencia Computacional Carrera de Ingeniería Informática
Aplicaciones Inteligencia Computacional Carrera de Ingeniería Informática Aplicaciones de IC Unidad VIII: Configuración del problema y aplicación de las técnicas de inteligencia computacional en: clasificación
Más detallesDetección y segmentación de objetos
24 de abril de 2013 ¾Qué es segmentación? Segmentación Objetivo El objetivo de la segmentación de una imagen es el agrupamiento de ciertos píxeles de la imagen en regiones correspondientes a objetos contenidos
Más detalles3. Métodos de resolución
1 3. Métodos de resolución Ecuaciones algebraicas lineales Ecuaciones algebraicas no lineales Métodos para una variable Métodos para multivariable 2 Ecuaciones Algebraicas Lineales No lineales Interval
Más detallesSistemas de Percepción Visión por Computador
5/9/7 Nota: Algunas de las imágenes que aparecen en esta presentación provienen del libro: Visión por Computador: fundamentos y métodos. Arturo de la Escalera Hueso. Prentice Hall. Sistemas de Percepción
Más detallesTECNOLOGÍA DE LAS IMÁGENES III MEDICINA NUCLEAR Lic. Amalia Pérez. LFM. Leandro Urrutia, LDI. Roberto Galli 2008
TECNOLOGÍA DE LAS IMÁGENES III MEDICINA NUCLEAR Lic. Amalia Pérez LFM. Leandro Urrutia, LDI. Roberto Galli 8 Capítulo III: Parámetros de calidad de las imágenes. Contraste. Resolución Espacial. El objetivo
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 detallesGeneración de modelos tridimensionales a partir de una secuencia de imágenes. Sergio Ricardo Murguia Santana
Generación de modelos tridimensionales a partir de una secuencia de imágenes Sergio Ricardo Murguia Santana 31 de julio de 2005 2 Índice general 1. Introducción* 5 1.1. Modelo de la cámara*........................
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 detallesDoble Grado en Ingeniería Informática Tecnologías Informáticas y en Matemáticas
Curso 1º 1 2470003 Álgebra Lineal y Geometría I 12 A 1 2470004 Cálculo Infinitesimal 12 A 1 2470008 Fundamentos de Programación 12 A 1 2470002 Álgebra Básica 6 C1 1 2470006 Circuitos Electrónicos Digitales
Más detallesProcesamiento digital de señales Semana 14. Procesamiento de Imágenes: introduccción
Procesamiento digital de señales Semana 14. Procesamiento de Imágenes: introduccción Versión 21 de Noviembre 2017 Dra. María del Pilar Gómez Gil Otoño 2017 Coordinación de computación INAOE Parte del material
Más detallesobtenido de la fusión de dos rutas y la posterior asignación a un vehículo con capacidad disponible.
El problema VRP, y por tanto su variante con flota heterogénea, son problemas de optimización combinatoria complejos que caen en la categoría de NP-completo (Choi and Tcha, 2007), lo que significa que
Más detallesSURFACE FROM POINT CLOUDS. Superficies a partir de nubes de puntos
SURFACE FROM POINT CLOUDS Superficies a partir de nubes de puntos Qué es una nube de puntos? Conjunto de vértices en un sistema de coordenadas tridimensional. Representaciones de la superficie externa
Más detallesUNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO PROGRAMA DE POSGRADO EN INGENIERÍA PROGRAMA DE ESTUDIO
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO PROGRAMA DE POSGRADO EN INGENIERÍA PROGRAMA DE ESTUDIO MATEMÁTICAS APLICADAS I 62506 6 Asignatura Clave Semestre Créditos INGENIERIA CIVIL GEOTECNIA MAESTRIA EN
Más detallesTema 8: Características de las Imágenes y su Tratamiento. (c) 2000 Universitat Politècnica de Catalunya 1
Tema 8: Características de las Imágenes y su Tratamiento (c) 2000 Universitat Politècnica de Catalunya 1 8.1. Parámetros de calidad y evaluación: Errores geométricos: - Exactitud entre la posición de un
Más detallesÍndice. Qué es la laplaciana? Filtros Laplaciana. Qué es la laplaciana? Sensibles al ruido
Índice Qué es la laplaciana? Introducción (5 min.) Qué es un borde? Pasos en la detección de bordes basados en gradiente ( h.) Qué es gradiente? Detectores de bordes basados en laplaciana ( h.) Qué es
Más detallesAnálisis aplicado. José Luis Morales. Departamento de Matemáticas. ITAM
Departamento de Matemáticas. ITAM. 2011. Consideraciones http://allman.rhon.itam.mx/ jmorales Temas del curso + bibliografía. Exámenes, proyectos. Aprender haciendo Trabajo individual Consideraciones http://allman.rhon.itam.mx/
Más detallesMiguel A. Realpe 1, Boris Vintimilla Burgos 2
HACIA LA NAVEGACIÓN AUTÓNOMA DE ROBOTS A PARTIR DE LA IMPLEMENTACIÓN DE UN MÉTODO DE LOCALIZACIÓN Y MAPEO SIMULTÁNEOS (SLAM) MEDIANTE EL USO DE UN SISTEMA DE VISIÓN 3D Miguel A. Realpe 1, Boris Vintimilla
Más detallesUniversidad Autónoma de Guerrero Unidad Académica de Ingeniería. Visión por Computadora 1. Contenido. Presentación. Qué es visión?
Contenido Visión por computadora: Introducción Eric Rodríguez Peralta Maestría en computación Plan 2003 Presentación Qué es visión? Psicología de la percepción visual Formación y representación de la imagen
Más detallesAnálisis de Datos. Introducción al aprendizaje supervisado. Profesor: Dr. Wilfrido Gómez Flores
Análisis de Datos Introducción al aprendizaje supervisado Profesor: Dr. Wilfrido Gómez Flores 1 Conceptos básicos Desde la antigüedad, el problema de buscar patrones en datos es fundamental en diversas
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 detallesMatemáticas de la Especialidad de Ingeniería Mecánica
Matemáticas de la Especialidad de Ingeniería Mecánica Módulo 1: Introducción Plan 2010: Programa curso 2013 14 Clase 01 Introducción a la asignatura. Introducción a Matlab. Clases 02, 03 Primer ejemplo
Más detallesTEMA 4 Regresión logística
TEMA 4 Regresión logística José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Análisis de Datos - Grado en Biología Esquema del tema Variable respuesta dicotómica. Ejemplo. El
Más detallesSEGUNDO DE BACHILLERATO MATEMÁTICAS II
SEGUNDO DE BACHILLERATO MATEMÁTICAS II La asignatura Matemáticas II, de segundo de bachillerato, en una materia troncal de acuerdo con el Real Decreto 1105/2104, de 26 de diciembre, (BOE 3-I- 2015), por
Más detallesMetaheurísticas y heurísticas. Algoritmos y Estructuras de Datos III
Metaheurísticas y heurísticas Algoritmos y Estructuras de Datos III Metaheurísticas Heurísticas clásicas. Metaheurísticas o heurísticas modernas. Cuándo usarlas? Problemas para los cuales no se conocen
Más detallesMETAHEURÍSTICAS
METAHEURÍSTICAS 2017-2018 Tema 1. Introducción a las Metaheurísticas Tema 2. Modelos de Búsqueda: Entornos y Trayectorias vs Poblaciones Tema 3. Metaheurísticas Basadas en Poblaciones Tema 4: Algoritmos
Más detallesAnálisis de imágenes digitales
Análisis de imágenes digitales REPRESENTACIÓN Y DESCRIPCIÓN Preparación de regiones INTRODUCCIÓN Después que la imagen fue segmentada, los objetos deben ser representados y descritos en una forma conveniente
Más detallesPlanificación de Trayectoria. CI-2657 Robótica M.Sc. Kryscia Ramírez Benavides
Planificación de Trayectoria M.Sc. Kryscia Ramírez Benavides Problemas de Navegación de los Robots Dónde estoy? Localización. Dónde he estado? Mapa de decisiones. A dónde voy? Planificación de misiones.
Más detallesTratamiento de imágenes Operaciones con el histograma de una imagen
Tratamiento de imágenes Operaciones con el histograma de una imagen Héctor Alejandro Montes hamontesv@uaemex.mx http://scfi.uaemex.mx/hamontes Advertencia No use estas diapositivas como referencia única
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 detallesEstudio comparativo de dos modelos de visión estereoscópica humana: el de Kim y Aggarwal frente al PMF de Pollard, Mayhew y Frisby
Estudio comparativo de dos modelos de visión estereoscópica humana: el de Kim y Aggarwal frente al PMF de Pollard, Mayhew y Frisby Pilar Rubio de Lemus y Ramón Pérez Muñoz La visión en estéreo es un método
Más detalles4 Localización de terremotos
513430 - Sismología Apl. y de Explor. 31 4 Localización de terremotos 4.1 Localización de sismos locales Fig 30: Gráfico de la ruptura en la superficie de una falla. La ruptura se propaga desde el punto
Más detallesAnálisis de imágenes digitales
Análisis de imágenes digitales EXTRACCIÓN DE PATRONES Transformada de Hough La transformada de Hough es método de extracción de características patentado por Paul Hough en 1962 *, para la detección de
Más detallesMétodos de reconstrucción y análisis 3D de alta velocidad para inspección dimensional en entornos de fabricación. Mayo 2017
Métodos de reconstrucción y análisis 3D de alta velocidad para inspección dimensional en entornos de fabricación Mayo 2017 Datos relevantes 119 42 8,2 M Ubicación www.vicomtech.org Parque Científico-Tecnológico
Más detallesMatemáticas de la Especialdiad
Matemáticas de la Especialdiad Ingeniería Eléctrica Grado en Ingeniería en Tecnologías Industriales. Curso 2015-2016-3º Segundo semestre, 4,5 créditos ECTS Programa Fundamentos de los métodos numéricos
Más detallesMaría Lorena Bergamini, Jorge Kamlofsky. CAETI Facultad de Tecnología Informática. Universidad Abierta Interamericana
Herramientas de análisis de imágenes digitales para identificación y localización de objetos María Lorena Bergamini, Jorge Kamlofsky CAETI Facultad de Tecnología Informática. Universidad Abierta Interamericana
Más detallesTema 2: Algoritmos Genéticos
Tema 2: Algoritmos Genéticos p. 1/3 Tema 2: Algoritmos Genéticos Abdelmalik Moujahid, Iñaki Inza y Pedro Larrañaga Departamento de Ciencias de la Computación e Inteligencia Artificial Universidad del País
Más detallesIntroducción Clustering jerárquico Clustering particional Clustering probabilista Conclusiones. Clustering. Clasificación no supervisada
Clustering Clasificación no supervisada Javier G. Sogo 10 de marzo de 2015 1 Introducción 2 Clustering jerárquico 3 Clustering particional 4 Clustering probabilista 5 Conclusiones Introducción Objetivos
Más detallesProcesamiento de Imágenes Médicas
Procesamiento de Imágenes Médicas Benemérita Universidad Autónoma de Puebla Facultad de Ciencias de la Computación Daniel Alejandro Valdés Amaro, Ph.D Segmentación Definición Definición En general, la
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 detallesOptimización en Ingeniería
Optimización en Ingeniería Departamento de Computación CINVESTAV-IPN Av. IPN No. 2508 Col. San Pedro Zacatenco México, D.F. 07300 email: ccoello@cs.cinvestav.mx El Método de Marquardt Algoritmo Paso 1:
Más detallesBIOINFORMÁTICA
BIOINFORMÁTICA 2013-2014 PARTE I. INTRODUCCIÓN Tema 1. Computación Basada en Modelos Naturales PARTE II. MODELOS BASADOS EN ADAPTACIÓN SOCIAL (Swarm Intelligence) Tema 2. Introducción a los Modelos Basados
Más detalles