100% de satisfacción garantizada Inmediatamente disponible después del pago Tanto en línea como en PDF No estas atado a nada
logo-home
TEMA 13. Extracción de características. Procesamientos multiescala y métodos avanzados 7,06 €
Añadir al carrito

Otro

TEMA 13. Extracción de características. Procesamientos multiescala y métodos avanzados

 3 vistas  0 veces vendidas

UNIVERSIDAD DE LA RIOJA Postgrado al que pertenece: Máster Universitario en Inteligencia Artificial Denominación de la asignatura: Visión Artificial Contenido: BLOQUE 4. Extracción de características Guía de Estudio: TEMA 13. Extracción de características. Procesamientos multiescala y m...

[Mostrar más]

Vista previa 2 fuera de 5  páginas

  • 24 de mayo de 2024
  • 5
  • 2023/2024
  • Otro
  • Desconocido
Todos documentos para esta materia (15)
avatar-seller
ma_medina
UNIVERSIDAD DE LA RIOJA
Postgrado al que pertenece: Máster Universitario en Inteligencia Artificial
Denominación de la asignatura: Visión Artificial
Contenido: BLOQUE 4. Extracción de características
Guía de Estudio: TEMA 13. Extracción de características. Procesamientos multiescala y
métodos avanzados
Estas referencias proporcionan un punto de partida sólido para profundizar en los temas tratados
y mejorar la comprensión de las técnicas avanzadas de extracción de características.


a. ¿Cómo estudiar este tema?
Para abordar el estudio de la extracción de características y los procesamientos multiescala, es
aconsejable seguir una metodología estructurada que incluya:
1. Revisión de Conceptos Básicos: Familiarízate con los conceptos fundamentales de
procesamiento de imágenes y señales, como convolución, Fourier, y transformadas. Un
buen punto de partida serían textos introductorios sobre procesamiento de imágenes y
técnicas de análisis de señales.
2. Lectura de Literatura Avanzada: Consulta artículos científicos y libros especializados
sobre extracción de características, transformadas Wavelet, filtros de Gabor y SIFT.
Destacan textos como "Digital Image Processing" de Gonzalez y Woods y artículos en
revistas como IEEE Transactions on Image Processing.
3. Implementación Práctica: Utiliza lenguajes de programación como Python o MATLAB
para implementar y experimentar con los diferentes métodos. Bibliotecas como OpenCV y
Scikit-image son recursos valiosos.
4. Participación en Foros y Seminarios: Participa en conferencias, seminarios y foros en
línea especializados en inteligencia artificial y procesamiento de imágenes para mantenerte
actualizado con las últimas investigaciones y aplicaciones prácticas.


b. Introducción a la extracción de características basada en procesamientos multiescala
La extracción de características es una etapa crucial en el procesamiento de imágenes y visión
por computadora, que implica la identificación y descripción de formas, texturas y patrones dentro
de una imagen. El procesamiento multiescala, por otro lado, se refiere a la capacidad de procesar
y analizar imágenes a diferentes escalas o niveles de resolución, lo que permite capturar
características que pueden variar significativamente en tamaño.
El enfoque multiescala es esencial porque muchas características de las imágenes no son
evidentes a una sola escala. Por ejemplo, los bordes agudos pueden detectarse fácilmente en
escalas pequeñas, mientras que estructuras más grandes y complejas requieren análisis a
escalas mayores. Este enfoque mejora la robustez y precisión de los sistemas de reconocimiento
de patrones y análisis de imágenes.


c. Definición de transformada Wavelet

, La transformada Wavelet es una herramienta matemática que permite descomponer una señal en
componentes de diferente frecuencia y localización temporal. A diferencia de la transformada de
Fourier, que proporciona información global de la frecuencia, la transformada Wavelet ofrece una
representación local tanto en el dominio del tiempo como en el dominio de la frecuencia.
 Características: Proporciona información a múltiples resoluciones, es adecuada para
señales no estacionarias y permite una mejor compresión y eliminación de ruido.
 Ventajas: Alta precisión en la localización temporal y frecuencia, capacidad de análisis
multiescala, y compresión eficiente.
 Desventajas: Complejidad computacional y necesidad de seleccionar adecuadamente la
familia de wavelets para la aplicación específica.


d. Filtros de Gabor
Los filtros de Gabor son herramientas de procesamiento de imágenes que se utilizan para
analizar texturas y detectar bordes. Se basan en funciones senoidales moduladas por una
gaussiana y son similares a la respuesta de las células del cortex visual humano.
 Características: Respuesta espacialmente local, selectividad a la frecuencia y orientación.
 Ventajas: Excelente en la detección de bordes y análisis de texturas, robusto frente a
variaciones de iluminación y ruido.
 Desventajas: Alta demanda computacional y necesidad de ajustar parámetros como la
frecuencia central y la orientación.


e. Transformada SIFT
La transformada SIFT (Scale-Invariant Feature Transform) es un algoritmo para la extracción y
descripción de características locales en imágenes, que es invariante a escala, rotación y
parcialmente invariante a la iluminación y la perspectiva.
 Características: Detecta puntos clave a múltiples escalas, genera descriptores robustos a
cambios geométricos y de iluminación.
 Ventajas: Alta discriminación y robustez, ampliamente utilizado en aplicaciones de visión
por computadora como reconocimiento de objetos y emparejamiento de imágenes.
 Desventajas: Complejidad computacional y patente que restringe su uso en aplicaciones
comerciales.


Recomendaciones
1. Profundización Teórica: Es fundamental comprender las bases matemáticas de cada
técnica y sus implicaciones en el procesamiento de imágenes.
2. Implementación y Experimentación: Implementa los algoritmos en un entorno de
programación y realiza experimentos con diferentes tipos de imágenes para entender sus
comportamientos y limitaciones.
3. Actualización Continua: Mantente al tanto de las últimas investigaciones y desarrollos en
el campo mediante la lectura de artículos científicos y participación en conferencias.

Los beneficios de comprar resúmenes en Stuvia estan en línea:

Garantiza la calidad de los comentarios

Garantiza la calidad de los comentarios

Compradores de Stuvia evaluaron más de 700.000 resúmenes. Así estas seguro que compras los mejores documentos!

Compra fácil y rápido

Compra fácil y rápido

Puedes pagar rápidamente y en una vez con iDeal, tarjeta de crédito o con tu crédito de Stuvia. Sin tener que hacerte miembro.

Enfócate en lo más importante

Enfócate en lo más importante

Tus compañeros escriben los resúmenes. Por eso tienes la seguridad que tienes un resumen actual y confiable. Así llegas a la conclusión rapidamente!

Preguntas frecuentes

What do I get when I buy this document?

You get a PDF, available immediately after your purchase. The purchased document is accessible anytime, anywhere and indefinitely through your profile.

100% de satisfacción garantizada: ¿Cómo funciona?

Nuestra garantía de satisfacción le asegura que siempre encontrará un documento de estudio a tu medida. Tu rellenas un formulario y nuestro equipo de atención al cliente se encarga del resto.

Who am I buying this summary from?

Stuvia is a marketplace, so you are not buying this document from us, but from seller ma_medina. Stuvia facilitates payment to the seller.

Will I be stuck with a subscription?

No, you only buy this summary for 7,06 €. You're not tied to anything after your purchase.

Can Stuvia be trusted?

4.6 stars on Google & Trustpilot (+1000 reviews)

45,681 summaries were sold in the last 30 days

Founded in 2010, the go-to place to buy summaries for 14 years now

Empieza a vender
7,06 €
  • (0)
Añadir al carrito
Añadido