Problemas Inversos en Procesamiento Digital de Imágenes
|
|
- Vanesa Navarro Santos
- hace 6 años
- Vistas:
Transcripción
1 Problemas Inversos en Procesamiento Digital de Imágenes Carlos Milovic F. 1,2,3 1. PixInsight Project Developer, Pleiades Astrophoto S.L., España 2. Centro de Imágenes Biomédicas Pontificia Universidad Católica de Chile 3. Departamento de Ingeniería Eléctrica PUC Octubre de 2014
2 Problemas Inversos en Procesamiento Digital de Imágenes 1/42
3 Problemas Inversos en Procesamiento Digital de Imágenes Expectativas 1/42
4 Realidad
5 Realidad
6 Podemos resolver el problema inverso? Realidad / Mediciones Expectativas / Ideal
7 Degradaciones
8 Ruido
9 Modelo de Imagen
10 Problema Inverso
11 Modelo de Imagen Si A es isotrópico, puede modelarse el problema como una convolución. Problema inverso es una deconvolución. A = h, la respuesta al impulso (PSF). En el espacio de frecuencia (Fourier), las convoluciones son multiplicaciones punto a punto de matrices. FFT {g (t) h(t)}=g (f ) H (f )
12 Filtro Inverso
13 Amplificación de ruido Ejemplo: modelo de Hufnagel y Stanley [1964] Útil para modelos de degradación por turbulencia atmosférica. Es muy similar a un filtro gaussiano pasabajos
14 Recortar acción de H f_corte = 40
15 Recortar acción de H f_corte = 70
16 Recortar acción de H f_corte = 85
17 Otra alternativa: SVD o Valores propios
18 SVD
19 Ejemplo SVD en reconocimiento de caras.
20 Ejemplo SVD en reconocimiento de caras.
21 SVD
22 SVD Podemos truncar la sumatoria!
23 Otras formas de estabilizar con SVD
24 Filtro de Wiener Es equivalente a utilizar el espacio de Fourier como vectores propios y estabilizar la solución.
25 Filtro de Wiener
26 Filtro de Wiener
27 Cambio paradigma: Optimización
28 Cambio paradigma: Optimización sujeto a :Ω(f )<ϵ
29 Ejemplo: Tikhonov Si Q = Id, entonces esto es el filtro de Wiener.
30 Ejemplo: Constrained Least Squares
31 Ejemplo: Constrained Least Squares
32 Cambio paradigma: Optimización
33 Cambio paradigma: Optimización Consistencia de datos. Ej. Norma 2 (RMS), Suma error absoluto, etc. Depende del modelo de ruido. Regularizador o conocimiento previo. Multiplicador de Lagrance. Balance entre términos.
34 Regularizador
35 Enfoque Bayesiano Queremos encontrar la imagen ideal con mayor probabilidad dada una imagen capturada p(g f ) p( f ) argmax f p( f g)=argmax f p(g)
36 Enfoque bayesiano Queremos encontrar la imagen ideal con mayor probabilidad dada una imagen capturada p(g f ) p( f ) argmax f p( f g)=argmax f p(g) argmin f [ log( p( f g))] argmin f [ log ( p(g f )) log( p( f ))].=argmin f C ( f )+ R( f )
37 Ruido Gaussiano Sabemos que: 1 2 ( 2 ( Af i g i) ) 2σ n 1 p( g f )= ( )e i σ (2 π) n log( p(g f )) ( Af i g i ) = Af i g i 2 2 i2
38 Regularizadores más utilizados Tikhonov: Variación total (TV):
39 Tikhonov genera ringing Problema con las bases (Fourier) al ser eliminadas (aliasing) y el uso de la norma 2.
40 Tikhonov genera ringing Tikhonov y TSVD asumen que los datos son suaves y continuos. TV solo asume discontinuidades. Converge a soluciones constantes a pedazos.
41 Variación Total Ventajas: Preserva bien bordes. No presenta ringing. Desventajas: Mucho más dificil de resolver. (Usar algoritmos iterativos como el Gradiente Conjugado). Efecto escalera o cartoon. Cambios suaves se pierden. Funcional NO es diferenciable.
42 Regularizadores más utilizados
43 Variación Total
44 Variación Total
45 Paréntesis: Compressed Sensing
46 Paréntesis: Compressed Sensing
47 Paréntesis: Compressed Sensing Elegir bien el espacio ralo. TV es el espacio ralo del gradiente.
48 Variación Total
49 Restauración regularizada mediante TGV de Imágenes con ruido Poisson Artefactos tipo escalera 9/30
50 Variación Total Generalizada
51 Variación Total Generalizada
52 Variación Total Generalizada
53 Variación Total Generalizada
54 Variación Total Generalizada
55 Ejemplos Denoising con TGV Performance: Imagen 256x256, 100 iteraciones C++: 0.945s Matlab: 7.062s Imagen 1024x1024, 100 iteraciones C++: 2.233s Matlab: 317.9s
56 Ejemplos Denoising con TGV Imagen original Ruido uniforme 25% Resultado TGVDenoise
57 Ejemplos Denoising con TGV Resultado TGVDenoise Resultado ATrousWavelet
58 Ejemplos Denoising con TGV Resultado TGVDenoise Resultado GREYCstoration
59 Ejemplos Denoising con TGV Resultado TGVDenoise Resultado Multiscale Median Transform
60 Ejemplos Denoising con TGV Resultado TGVDenoise Resultado ACDNR
61 Ejemplos Denoising con TGV Original Resultado TGVDenoise
62 Ejemplos Denoising con TGV Original Resultado TGVDenoise
63 Ejemplos Denoising con TGV Original Resultado TGVDenoise
64 Ejemplos Denoising con TGV Original Resultado TGVDenoise
65 Imágenes astronómicas lineales Original Resultado TGVDenoise
66 Utilizando consistencia de datos espacialmente dependiente Original Resultado TGVDenoise
67 Color (CIE Lab) + LS Original
68 Color (CIE Lab) + LS Luminancia original
69 Color (CIE Lab) + LS Luminancia procesada
70 Color (CIE Lab) + LS Crominancia original
71 Color (CIE Lab) + LS Crominancia procesada
72 Color (CIE Lab) + LS Imagen procesada
73 Color (CIE Lab) + LS Original Resultado TGVDenoise
74 Color (CIE Lab) + LS Original Resultado TGVDenoise
75 Color (CIE Lab) + LS Original Resultado TGVDenoise
76 En MRI Compressed Sensing K = U W W es la transformada de Fourier (FFT2) U es el patrón de submuestreo K* = real( iw ) iw es la transformada de Fourier inversa. Estamos reconstruyendo imagen anatómica. Hay que forzar que sea real.
77 Cerebro factor 2
78 Cerebro factor 4
79 Angiografía factor 8
80 Inpainting
81 Inpainting (GREYCstoration)
82 Inpainting (GREYCstoration vs TGV)
83 Deconvoluciones Desenfoque y ruido gaussianos Resultado con VanCittert regularizado con wavelets Resultado con TGV
84 Marte con telescopio aficionado
85 Imagen de Cielo Profundo
86 Ringing
87 Ringing
88 Ringing
89 Otro problema inverso: HDR
90 Otro problema inverso: HDR Ejemplo: secuencia de 1/1000s a 1/4s Consejo: Usar formato RAW Mayor rango dinámico. Datos lineales (intensidad proporcional al tiempo de captura).
91 Gradient Domain HDR Compression A la imagen se le calcula el gradiente. Se determina qué bordes atenuar, gracias a un análisis multiescala. Se recalcula la imagen a partir del gradiente modificado.
92 Gradient Domain HDR Compression Cálculo del gradiente multiescala (gaussianas sucesivas, o con wavelets): Factores de atenuación dependiente de cada gradiente: Acumulación multiplicativa de factores:
93 Cómo devolverse al espacio de imagen? -> Problema inverso No es posible integrar directamente. No es un campo conservativo. Usamos criterio de minimizar el error cuadrático medio para encontrar una solución óptima: Esto tiene como solución la ecuación de Poisson: Que se puede resolver usando varios métodos, como el multigrilla o los solvers rápidos (FFT o DCT).
94 Ejemplos
95 Bibliografía Total Generalized Variation. K. Bredies, K. Kunisch & T. Pock Second Order Total Generalized Variation (TGV) for MRI. F. Knoll, K. Bredies, T. Poll & R. Stollberger Recovering piecewise smooth multichannel images by minimization of convex functionals with total generalized variation penalty. K. Bredies. Apr 2012 Spatially dependent regularization parameter selection in total generalized variation models for image restoration. K. Bredies, Y. Dong & M. Hintermüller. Feb 2012
96 Restauración regularizada mediante TGV de Imágenes con ruido Poisson Fin. Introducción Marco Teórico Preguntas de Investigación Solución Limitaciones Estado 42/42
Estirar la Imagen. Cómo ajustar el brillo y contraste. Carlos Milovic F.1,2 CAA 2011
Estirar la Imagen Cómo ajustar el brillo y contraste Carlos Milovic F.1,2 CAA 2011 1: PixInsight Development Team, Pleiades Astrophoto 2: Centro de Imágenes Biomédicas, Pontificia Universidad Católica
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 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 detallesProcesamiento de Señales 1D. 2.1 El mundo análogo de sistemas LIT. Se tiene un sistema H. se puede descomponer
2. Procesamiento de Señales 1D Generalizando, para sistemas lineales e Inv. a la traslación 2.1 El mundo análogo de sistemas LIT Se tiene un sistema H usando.:. En general la salida Si tenemos x 0(t),
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 detallesProcesamiento Digital de Imágenes
Unidad V (b): Restauración de imágenes II p. 1/16 Procesamiento Digital de Imágenes Unidad IV (2da. parte): Restauración de imágenes II Departamento de Informática - FICH Universidad Nacional del Litoral
Más detallesAnálisis de imágenes digitales
Análisis de imágenes digitales FILTRADO DE LA IMAGEN Ruido en imágenes FORMACIÓN DE LA IMAGEN La formación de una imagen (s) puede modelarse de la siguiente manera: s = p o + n PSF (point-spread function)
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 detallesFundamentos de Visión por Computador
Fundamentos de Visión por Computador Sistemas Informáticos Avanzados Índice Filtrado en el espacio Filtros lineales Tipos de ruido Filtro media Filtro mediana Filtros gausianos Filtrado en la frecuencia
Más detallesUNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE INGENIERÍA PROGRAMA DE ESTUDIO
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE INGENIERÍA PROGRAMA DE ESTUDIO PROCESAMIENTO DIGITAL DE IMÁGENES MÉDICAS: IMAGENOLOGÍA 0754 8 ó 9º 08 Asignatura Clave Semestre Créditos Ingeniería Eléctrica
Más detallesSeguimiento de los parámetros del modelo del tracto vocal
Algoritmos para el seguimiento de los parámetros del modelo de tracto vocal Monografía de Tratamiento Estadístico de Señales parias@fing.edu.uy Instituto de Ingeniería Eléctrica Facultad de Ingeniería
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 detallesProcesamiento y análisis de imágenes digitales II
Escuela Tecnología Médica Universidad de Chile Procesamiento y análisis de imágenes digitales II Alejandra García, TM Centro de Estudios Moleculares de la Célula, FONDAP, Facultad de Medicina, Universidad
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 detallesIntroducción al algoritmo de máxima pendiente. Análisis de estabilidad y convergencia
4.3 Algoritmo de máxima pendiente Introducción al algoritmo de máxima pendiente Aplicación al filtro de Wiener Análisis de estabilidad y convergencia Otras técnicas de optimización Newton-Raphson Levemberg-Marquardt
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 detallesIDENTIFICACION DE SISTEMAS IDENTIFICACION NO PARAMETRICA
IDENTIFICACION DE SISTEMAS IDENTIFICACION NO PARAMETRICA Ing. Fredy Ruiz Ph.D. ruizf@javeriana.edu.co Maestría en Ingeniería Electrónica Pontificia Universidad Javeriana 2013 SISTEMAS LTI En general un
Más detallesTransformada Discreta de Fourier (II)
Transformada Discreta de Fourier (II) 1 Más problemas...ahora computacionales La DFT de orden de una señal x(n) viene definida por la siguiente expresión #1 % X(k) = x(n) "e n= 0 # j"2"$ "k"n Para cada
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 detallesContenido. Capítulo 1. Capítulo 2. Capítulo 3. Prólogo
Contenido Prólogo XIII Capítulo 1 Acerca del procesamiento de imágenes 1 1.1 Introducción 2 1.2 Sistema de visión y procesamiento de imágenes 2 1.3 Procesamiento digital de imágenes 3 1.4 Relaciones básicas
Más detallesProcesamiento de la Señal
Filtrado IV: Filtrado en el Dominio del Espacio II 8 de abril de 2013 Filtrado en el dominio del Espacio II Repaso: Filtrado en el Dominio del Espacio: Convolución en Imágenes En 2D, la convolución en
Más detalles4.5 Algoritmo RLS (Recursive Least Squares)
4.5 Algoritmo RLS (Recursive Least Squares) Método de mínimos cuadrados (LS) Ecuaciones normales Pseudoinversa Variantes del LS Algoritmo RLS (Recursive Least Squares) Introducción Cálculo recursivo de
Más detalles1. PROBLEMAS INVERSOS
PROBLEMAS INVERSOS Y TECNICAS DE REGULARIZACION DORIS HINESTROZA SEPTIEMBRE 003 En esta presentación haremos una introducción a los problemas inversos mal puestos y daremos algunos ejemplos de interés
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 detallesUNIVERSIDAD DEL VALLE DE MÉXICO PROGRAMA DE ESTUDIO DE LICENCIATURA PRAXIS MES XXI
UNIVERSIDAD DEL VALLE DE MÉXICO PROGRAMA DE ESTUDIO DE LICENCIATURA PRAXIS MES XXI NOMBRE DE LA ASIGNATURA: PROCESAMIENTO DE IMÁGENES DIGITALES FECHA DE ELABORACIÓN: ENERO 2005 ÁREA DEL PLAN DE ESTUDIOS:
Más detallesREDUCCIÓN DEL RUIDO EN UNA IMAGEN DIGITAL
Div. Ingeniería de Sistemas y Automática Universidad Miguel Hernández REDUCCIÓN DEL RUIDO EN UNA IMAGEN DIGITAL Tabla de Contenidos Definición Filtros No Lineales Filtros Temporales Definición 3 G = Ruido:
Más detallesRestauración de imágenes usando el criterio de minimización de rizado en la imagen restaurada
CAPTURA Y PROCESAMIENTO DIGITAL DE SEÑALES E IMAGENES: TRABAJO FINAL 1 Restauración de imágenes usando el criterio de minimización de rizado en la imagen restaurada Allegri Carlos, Buruchaga Leandro Trabajo
Más detallesReducción del ruido de cuantificación en señales suaves usando proyecciones sobre conjuntos convexos reducibles. Luis Mancera Pascual DECSAI VIP
Reducción del ruido de cuantificación en señales suaves usando proyecciones sobre conjuntos convexos reducibles Luis Mancera Pascual DECSAI VIP ÍNDICE Motivación Introducción Teórica a POCS POCS y minimización
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 detalles4.1 Introducción al filtrado adaptativo
41 Introducción al filtrado adaptativo El problema del filtrado Clases básicas de estimación Filtrado adaptativo Estructuras de filtrado lineal Algoritmos Criterios para la elección del filtro adaptativo
Más detallesComunicaciones Digitales - Capítulo 3 - Ejercicios
CAPÍTULO 4. COMUNICACIONES DIGITALES. PROBLEMAS 1 Comunicaciones Digitales - Capítulo 3 - Ejercicios 1. Ejercicio 6.9 del libro: A. Artés, et al.: Comunicaciones Digitales. Pearson Educación, 007.. Ejercicio
Más detallesProcesamiento de Imágenes. Curso 2011 Clase 3 Eliminación del ruido mediante filtrado espacial
Procesamiento de Imágenes Curso 2 Clase 3 Eliminación del ruido mediante filtrado espacial Eliminación del ruido Entendemos por ruido en imágenes digitales cualquier valor de un píxel de una imagen que
Más detallesProcesamiento Digital de Imágenes
3. Procesamiento Digital 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
Más detallesFiltrado de imágenes (parte 2)
de imágenes (parte 2) Visión Artificial Andrea Rueda Pontificia Universidad Javeriana Departamento de Ingeniería de Sistemas Modificar el valor de cada pixel de la imagen en función de las intensidades
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 detallesEliminación del ruido mediante filtros no lineales. Minimización
Eliminación del ruido mediante filtros no lineales. Minimización de la variación total Contenidos Minimización mediante el método del gradiente Un ejemplo sencillo Eliminación de ruido en imágenes Difusión
Más detallesTema 4. Reducción del ruido
1 Div. Ingeniería de Sistemas y Automática Universidad Miguel Hernández GRUPO DE TECNOLOGÍA INDUSTRIAL Tabla de Contenidos 2 Definición Filtros Lineales Filtros No Lineales Filtros Temporales Realce Espacial
Más detallesLa importancia de las factorizaciones matriciales no negativas en la minería de datos y el procesamiento de
La importancia de las factorizaciones matriciales no negativas en la minería de datos y el procesamiento de imágenes Humberto Madrid, Irma García, Federico Garza Centro de Investigación en Matemáticas
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 detallesUn nuevo enfoque a la combinación de banda ancha y banda estrecha de datos Parte I: descripción del algoritmo
Un nuevo enfoque a la combinación de banda ancha y banda estrecha de datos Parte I: descripción del algoritmo Por Vicent Peris (PTeam) de datos RAW original adquirido por Jack Harvey, SSRO / INMEDIATA
Más detallesVariantes del LMS Algortimo LMA ( Least Mean Absolute ) Algoritmo LMS normalizado Algoritmo LMS regularizado Algoritmo LMS en frecuencia
4.4 Algoritmo LMS Introducción El algoritmo LMS Análisis de convergencia Variantes del LMS Algortimo LMA ( Least Mean Absolute ) Algoritmo LMS normalizado Algoritmo LMS regularizado Algoritmo LMS en frecuencia
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 detallesIntroducción. Existen dos aproximaciones para resolver el problema de clasificación: Aproximación Generativa (vista en el Tema 3) Basada en:
Introducción Eisten dos aproimaciones para resolver el problema de clasificación: Aproimación Generativa (vista en el Tema 3) Basada en: Modelar p(,w)=p( w)p(w) p( w) es la distribución condicional de
Más detallesClase 9 Programación No Lineal
Pontificia Universidad Católica Escuela de Ingeniería Departamento de Ingeniería Industrial y de Sistemas Clase 9 Programación No Lineal ICS 110 Optimización Profesor : Claudio Seebach Apuntes de Clases
Más detallesAnálisis de Señales en Geofísica
Análisis de Señales en Geofísica 8 Clase Facultad de Ciencias Astronómicas y Geofísicas, Universidad Nacional de La Plata, Argentina Todos los sistemas lineales e invariantes pueden ser pensados como filtros.
Más detallesTema 4. Reducción del ruido
Div. Ingeniería de Sistemas y Automática Universidad Miguel Hernández GRUPO DE TECNOLOGÍA INDUSTRIAL Tabla de Contenidos Definición Filtros Lineales Filtros Temporales Realce Espacial Definición Ruido:
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 detallesProcesamiento Digital de Imágenes. Pablo Roncagliolo B. Nº 5b
Procesamiento Digital de Imágenes Pablo Roncagliolo B. Nº 5b Orden de las clases... CAPTURA, DIGITALIZACION Y ADQUISICION DE IMAGENES TRATAMIENTO ESPACIAL DE IMAGENES TRATAMIENTO EN FRECUENCIA DE IMAGENES
Más detallesCONTENIDO Prefacio CAPITULO 1: Qué es la investigación de operaciones? CAPITULO 2: Introducción a la programación lineal...
CONTENIDO Prefacio XV CAPITULO 1: Qué es la investigación de operaciones? 1 1.1 Modelos de investigación de operaciones 1 1.2 Solución del modelo de investigación de operaciones.. 4 1.3 Modelos de colas
Más detallesFiltros senoc-enventanado Filtros personalizados. clase 11
Filtros senoc-enventanado Filtros personalizados clase 11 Temas Introducción a los filtros digitales Clasificación, Caracterización, Parámetros Filtros FIR (Respuesta al impulso finita) Filtros de media
Más detallesRestauración de imágenes con desensibilización de estimaciones
UNIVERSIDAD POLITÉCNICA DE MADRID ESCUELA TÉCNICA SUPERIOR DE INGENIEROS DE TELECOMUNICACIÓN Tesis Doctoral Restauración de imágenes con desensibilización de estimaciones MIGUEL ÁNGEL SANTIAGO CABELLO
Más detallesFiltros en el dominio espacial
Filtros en el dominio espacial Lección 5.2 Dr. Pablo Alvarado Moya CE521 Procesamiento y Análisis de Imágenes Digitales Área de Ingeniería en Computadores Tecnológico de Costa Rica I Semestre, 217 P. Alvarado
Más detallesAnálisis de imágenes digitales
Análisis de imágenes digitales SEGMENTACIÓN DE LA IMAGEN Segmentación basada en color INTRODUCCIÓN La segmentación de imágenes a color se puede realizar mediante técnicas de clasificación supervisada.
Más detallesProcesamiento Digital. 2.2 Muestreo o discretización
. Procesamiento Digital Una formulación general para las series de ourier es = donde se utiliza otro tipo de función φ k diferente a las funciones sinusoidales.. Interpolación Se puede expresar una función
Más detallesEstimación del parámetro SNR para el filtro de Wiener, usando algoritmos genéticos
83 Estimación del parámetro SNR para el filtro de Wiener, usando algoritmos genéticos HERNANDEZ-LOPEZ, Eynard*, GUTIERRES-Sergio y CRUZ-DIOSDADO, Leonardo Ingeniería industrial del Tecnológico de Estudios
Más detallesALN - SVD. In. Co. Facultad de Ingeniería Universidad de la República
ALN - SVD In. Co. Facultad de Ingeniería Universidad de la República Índice Definición Propiedades de SVD Ejemplo de SVD Métodos para calcular SVD Aplicaciones de SVD Repaso de matrices: m xm Una matriz
Más detallesproporcionan respuestas muy diferentes a este problema, obteniendo que la solución asociada a la norma l
6 Conclusiones Con la teoría de muestreo de Nyquist, a medida que el ancho de banda de la señal aumenta, también lo hace la frecuencia de muestreo, de forma que para ciertos tipos de señales la tarea de
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 detallesLas ecuaciones diferenciales parciales en el cálculo con imágenes.
Las ecuaciones diferenciales parciales en el cálculo con imágenes. Ángela Mireya León Mecías, Mariano Rodríguez Guerra Juan Luis Valerdi, Michel Borroto Universidad de La Habana Primer Encuentro Cuba-México
Más detallesUNIVERSIDAD TECNOLÓGICA DE PEREIRA FACULTAD DE INGENIERÍAS MAESTRÍA EN INGENIERÍA DE SISTEMAS Y COMPUTACIÓN
UNIVERSIDAD TECNOLÓGICA DE PEREIRA FACULTAD DE INGENIERÍAS MAESTRÍA EN INGENIERÍA DE SISTEMAS Y COMPUTACIÓN TEORÍA DE SEÑALES OBJETIVO GENERAL Estudiar los conceptos fundamentales de representación de
Más detallesTAREA N 2 SEPARABILIDAD DE FILTROS Y TRANSFORMADA DE FOURIER
Universidad de Chile Facultad de Ciencias Físicas y Matemáticas Departamento de Ingeniería Eléctrica EL7007 Introducción al Procesamiento Digital de Imágenes TAREA N 2 SEPARABILIDAD DE FILTROS Y TRANSFORMADA
Más detallesINDICE Capitulo 1. Variables y Leyes de Circuitos 1.1. Corriente, Voltaje y Potencia 1.2. Fuentes y Cargas (1.1) 1.3. Ley de Ohm y Resistores (1.
INDICE Capitulo 1. Variables y Leyes de Circuitos 1 1.1. Corriente, Voltaje y Potencia 3 Carga y corriente * Energía y voltaje * Potencia eléctrica * Prefijos de magnitud 1.2. Fuentes y Cargas (1.1) 11
Más detallesTratamiento de imágenes
Tratamiento de imágenes Ruido y Aliasing h.a.montes@fi.uaemex.mx http://fi.uaemex.mx/h.a.montes 1 Advertencia No use estas diapositivas como referencia única de estudio durante este curso. La información
Más detallesANX-PR/CL/ GUÍA DE APRENDIZAJE
PROCESO DE COORDINACIÓN DE LAS ENSEÑANZAS PR/CL/001 ASIGNATURA 105000165 - PLAN DE ESTUDIOS 10II - CURSO ACADÉMICO Y SEMESTRE 2017/18 - Segundo semestre Índice Guía de Aprendizaje 1. Datos descriptivos...1
Más detallesProcesamiento Avanzado de Imágenes Astronómicas. Filtrado Espacial
Procesamiento Avanzado de Imágenes Astronómicas Filtrado Espacial Fundamentos filtrar implica retener o remover ciertas componentes de la imagen. el filtrado se hace utilizando kernels (máscaras, ventanas,
Más detallesDIVP - Procesado Digital de Imagen i Vídeo
Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 2018 230 - ETSETB - Escuela Técnica Superior de Ingeniería de Telecomunicación de Barcelona 739 - TSC - Departamento de Teoría
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 detallesEn general, el diseño de cualquier filtro digital es llevado a cabo en 3 pasos:
En general, el diseño de cualquier filtro digital es llevado a cabo en 3 pasos: 1. Especificaciones: Antes de poder diseñar un filtro debemos tener algunas especificaciones, las cuales son determinadas
Más detallesTratamiento Digital de Señales TEMA 2 : DFT (I)
Tratamiento Digital de Señales TEMA 2 : DFT (I) Universidade de Vigo ETSE Telecomunicación CONTENIDOS 1. Repaso de conceptos asociados con la TF 2. Formulación de la DFT 3. Propiedades de la DFT 4. Métodos
Más detallesFiltros de Wiener. Tratamiento Estadístico de Señales. Pablo Musé & Ernesto López
Filtros de Wiener Tratamiento Estadístico de Señales Pablo Musé & Ernesto López {pmuse,elopez}@fing.edu.uy Departamento de Procesamiento de Señales Instituto de Ingeniería Eléctrica Facultad de Ingeniería
Más detallesOrden de las clases...
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 detallesProcesamiento Digital Tren de pulsos
2. Procesamiento Digital Una formulación general para las series de Fourier es = donde se utiliza otro tipo de función φ k diferente a las funciones sinusoidales. 2.1 Interpolación Se puede expresar una
Más detallesConvolucion discreta
Procesamiento Digital de Señales Licenciatura en Bioinformática FI-UNER discreta 15 de setiembre de 2011 Procesamiento Digital de Señales discreta Septiembre de 2011 1 / 42 Organización 1 Convolución 2
Más detallesALN - Curso 2007 Gradiente Conjugado
ALN - Curso 27 Gradiente Conjugado Cecilia González Pérez Junio 27 Métodos Iterativos Pueden ser: Métodos estacionarios Métodos no estacionarios Métodos no estacionarios hacen uso de información, evaluada
Más detallesANX-PR/CL/ GUÍA DE APRENDIZAJE. ASIGNATURA Fotografia computacional. CURSO ACADÉMICO - SEMESTRE Segundo semestre
ANX-PR/CL/001-01 GUÍA DE APRENDIZAJE ASIGNATURA Fotografia computacional CURSO ACADÉMICO - SEMESTRE 2016-17 - Segundo semestre GA_10II_105000165_2S_2016-17 Datos Descriptivos Nombre de la Asignatura Titulación
Más detallesTEMARIO DE CURSO PROCESAMIENTO DIGITAL DE SEÑALES INAOE OTOÑO 2014 Versión: 25 de Noviembre 2014
TEMARIO DE CURSO PROCESAMIENTO DIGITAL DE SEÑALES INAOE OTOÑO 2014 Versión: 25 de Noviembre 2014 INSTRUCTORA Dra. María del Pilar Gómez Gil OBJETIVO DEL CURSO Este curso ayudará al estudiante a comprender
Más detalles3. ANÁLISIS DE SEÑALES
3. ANÁLISIS DE SEÑALES 3.1 REGISTRO Y TRATAMIENTO DE SEÑALES Una señal se define como la historia de los valores de aceleración que mide un acelerómetro en determinado tiempo para un punto específico.
Más detallesPontificia Universidad Católica del Ecuador
1. DATOS INFORMATIVOS: MATERIA O MÓDULO: Procesamiento de Imágenes CÓDIGO: 14259 CARRERA: NIVEL: Sistemas sexto No. CRÉDITOS: CRÉDITOS TEORÍA: CRÉDITOS PRÁCTICA: SEMESTRE / AÑO ACADÉMICO: 2010-1 PROFESOR:
Más detallesProcesamiento de Estrellas
Procesamiento de Estrellas Javier Gómez Laina IV Seminario de Astrofotografía Madrid, noviembre 2008 - Las estrellas están presentes en todas las imágenes astronómicas realizadas por aficionados. - Su
Más detallesAcentuado de una imagen en el dominio JPEG
Acentuado de una imagen en el dominio JPEG Fortonani, Daniela - Peralta, Alejandro - Wilde, Ma. Lucila Facultad de Ingeniería y Ciencias Hídricas Universidad Nacional del Litoral 21 de junio de 2007 1
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 detallesFUNCIONES DE GENERACIÓN DE NÚMEROS ALEATORIOS NÚMEROS ALEATORIOS UNIFORMES
FUNCIONES DE GENERACIÓN DE NÚMEROS ALEATORIOS Hay muchos problemas de ingeniería que requieren números aleatorios para obtener una solución. En algunos casos, esos números sirven para crear una simulación
Más detallesINDICE Capitulo 1. Introducción Capitulo 2. Descripción matemática de señales 2.1. Introducción y objetivos
INDICE Prefacio XIII Capitulo 1. Introducción 1 1.1. Definición de señales y sistemas 1 1.2. Tipos de señales 1 1.3. Ejemplo de una señal y un sistema 8 1.4. Uso de MATLAB 13 Capitulo 2. Descripción matemática
Más detallesOptimización bajo Incertidumbre. 0. Revisión. Depto. Investigación Operativa. Instituto de Computación. Facultad de Ingeniería, UdelaR
Optimización bajo Incertidumbre 0. Revisión Carlos Testuri Germán Ferrari Depto. Investigación Operativa. Instituto de Computación. Facultad de Ingeniería, UdelaR 2003-17 Contenido 1 Revisión Probabilidad
Más detallesProcesamiento digital de imágenes
Procesamiento digital de imágenes Veroni Alsina Camila Estudiante de Ingeniería en Sistemas de Computación Universidad Nacional del Sur, Avda. Alem 1253, B8000CPB Bahía Blanca, Argentina cveroni@hotmail.com.ar
Más detallesSistemas Lineales e Invariantes a la Traslación
1. Sistemas Lineales e Invariantes a la Traslación 1.1 Motivación de las imágenes digitales Qué es una imagen digital? Es un arreglo de píxeles? 1.2 Las funciones sinusoidales Onda plana (viajera) que
Más detallesDetección Multiusuario para DS-CDMA basado en SVM
9 Otra técnica basada en el aprendizaje y más conocida que la anterior es la basada en. Vamos a realizar una pequeña comparativa teórica de sobre ambas técnicas de clasificación. Estudiaremos los conceptos
Más detallesFiltros digitales dominio del espacio dominio de la frecuencia
Tema 3: Filtros 1 Filtros digitales Los filtros digitales constituyen uno de los principales modos de operar en el procesamiento de imágenes digitales. Pueden usarse para distintos fines, pero en todos
Más detallesProcesamiento digital de señales Semana 5. DFT
Procesamiento digital de señales Semana 5. DFT Dra. María del Pilar Gómez Gil Otoño 7 Coordinación de computación INAOE Versión: de Octubre 7 c P.Gómez Gil, INAOE 7 Tema La transformada Discreta de Fourier
Más detallesIntroducción a la optimización con algoritmos. Ejercicios. 0 2 f(x + t(y x))(y x)dt. J(x + t(y x))(y x)dt siendo J la matriz Jacobiana de F.
Introducción a la optimización con algoritmos Ejercicios Preliminares 1. Demostrar que si f C 2 (IR n ), f : IR n IR entonces f(y) f(x) = 1 0 2 f(x + t(y x))(y x)dt. 2. Demostrar que si F C 1 (IR n ),
Más detallesUso de LS. Esta matriz de 3x3 simétrica y definida positiva es un tensor de difusión de hidrógeno. , con gi en R 3. i S 0 exp bgt i Dg i i
Uso de LS MX 2 min S, con gi en R 3 i S 0 exp bgt i Dg i i Esta matriz de 3x3 simétrica y definida positiva es un tensor de difusión de hidrógeno. En cada posición del cerebro tenemos una matriz Tractografía
Más detallesMétodos avanzados para análisis y representación de imágenes
Métodos avanzados para análisis y representación de imágenes Unidad II (b): Descomposición en valores singulares Departamento de Informática - FICH Universidad Nacional del Litoral 19 de setiembre de 2012
Más detallesINDICE 1. Panorama 2. Señales Analógicas 3. Señales Discretas 4. Sistemas Analógicos 5. Sistemas en Tiempo Discreto
INDICE Prefacio XI Del Prefacio a la Primera Edición XIII 1. Panorama 1.0. Introducción 1 1.1. Señales 1 1.2. Sistemas 3 1.3. El dominio de la frecuencia 4 1.4. Del concepto a la aplicación 7 2. Señales
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 detallesELO 385 Laboratorio de Procesamiento Digital de Señales Laboratorio 5: Transformada Discreta de Fourier Parte I
1 ELO 385 Laboratorio de Procesamiento Digital de Señales Laboratorio 5: Transformada Discreta de Fourier Parte I Este laboratorio está compuesto por dos sesiones en la cuales se estudiará la transformada
Más detallesProcesamiento y análisis de imágenes digitales I
Procesamiento y análisis de imágenes digitales I Alejandra García, TM Centro de Estudios Moleculares de la Célula, FONDAP, Facultad de Medicina, Universidad de Chile Procesamiento de Imágenes Digitales
Más detallesI.- DATOS DE IDENTIFICACIÓN Nombre de la asignatura Métodos Numéricos (465)
UNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN FACULTAD DE INGENIERÍA CIVIL SECRETARÍA ACADÉMICA Coordinación de Investigación, Innovación, Evaluación y Documentación Educativas. I.- DATOS DE IDENTIFICACIÓN Nombre
Más detalles