Otro

TEMA 12. Extracción de características. Caracterización de textura en imágenes

0 veces vendidas

Grado
Visión Artificial

Institución
UNIR Business School

[Mostrar más]

Vista previa 2 fuera de 5 páginas

Ver ejemplo

Subido en 24 de mayo de 2024
Número de páginas 5
Escrito en 2023/2024
Tipo Otro
Personaje Desconocido

extracción de características caracterización

6,84 €

También disponible en un lote de 29,12 €

Añadir al carrito

Guardar

100% de satisfacción garantizada
Inmediatamente disponible después del pago
Tanto en línea como en PDF
No estas atado a nada

Documento también disponible en un lote (1)

Investigación y Gestión de Proyectos en Inteligencia Artificial

€ 102,57 € 29,12 15 artículos

1. Otro - Tema 15. aplicaciones actuales del tratamiento de la señal
2. Otro - Tema 14. decisión. principios e implementación de algoritmos de ayuda en la toma de...
3. Otro - Tema 13. extracción de características. procesamientos multiescala y métodos avanz...
4. Otro - Tema 12. extracción de características. caracterización de textura en imágenes
5. Otro - Tema 11. extracción de características. propiedades estadísticas y frecuenciales d...
6. Otro - Tema 10. procesamiento de imagen. crecimiento de regiones
7. Otro - Tema 9. procesamiento de imagen. morfología matemática
8. Otro - Tema 8. procesamiento de señales. filtrado y análisis en frecuencia
9. Otro - Tema 7. preprocesamiento de imagen. operaciones espaciales
10. Otro - Tema 6. procesamiento de imagen. operaciones elementales
11. Otro - Tema 5. detección y cancelación de anomalías
12. Otro - Tema 4. fuentes y tipos de ruido
13. Otro - Tema 3. captura y digitalización de señales
14. Otro - Tema 2. elementos de un sistema de percepción
15. Otro - Tema 1. introducción a los sistemas de percepción
Mostrar más

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 12. Extracción de características. Caracterización de textura en
imágenes

a. ¿Cómo estudiar este tema?
Para estudiar la caracterización de textura en imágenes, es fundamental tener una comprensión
sólida de los conceptos básicos de procesamiento de imágenes y visión por computadora. Los
siguientes pasos pueden guiar su estudio:
1. Fundamentos de Procesamiento de Imágenes: Revise los conceptos básicos de
procesamiento de imágenes, como filtrado, segmentación y transformadas.
2. Matemáticas Aplicadas: Refuerce su conocimiento en álgebra lineal, estadística y teoría
de señales.
3. Lectura de Artículos Científicos: Lea artículos de investigación y libros especializados en
caracterización de texturas.
4. Implementación Práctica: Utilice software como MATLAB, Python con OpenCV o scikit-
image para implementar los algoritmos.
5. Comparación de Métodos: Realice experimentos comparativos para entender las
ventajas y limitaciones de cada método.

b. Matriz de Coocurrencia de Haralick
Definición
La matriz de coocurrencia de Haralick (GLCM, por sus siglas en inglés) es una técnica que mide
cómo se relacionan los píxeles de una imagen en función de su intensidad y posición espacial.
Características
 Espacialidad: Considera la relación espacial entre los píxeles.
 Direccionalidad: Puede calcularse en varias direcciones (0°, 45°, 90°, 135°).
 Dimensionalidad: La matriz es bidimensional y depende del número de niveles de gris en
la imagen.
Ventajas
 Rica en Información: Captura patrones complejos de textura.
 Versatilidad: Puede aplicarse a una amplia variedad de imágenes.
Desventajas
 Computacionalmente Costosa: El cálculo de la matriz puede ser intensivo en recursos.

,  Sensibilidad al Tamaño de Ventana: La elección del tamaño de ventana afecta
significativamente los resultados.

c. Patrones Binarios Locales (LBP)
Definición
Los patrones binarios locales (LBP) son un descriptor de textura que convierte la imagen en un
conjunto de valores binarios basados en el umbral de los píxeles vecinos.
Características
 Robustez: Insensible a cambios en iluminación.
 Localidad: Utiliza una vecindad de píxeles para caracterizar la textura.
 Histograma: Los valores binarios se agrupan en un histograma para análisis.
Ventajas
 Simplicidad: Fácil de implementar y computacionalmente eficiente.
 Eficiencia: Rápida en términos de cálculo y adecuada para aplicaciones en tiempo real.
Desventajas
 Limitación a Texturas Locales: Puede no capturar adecuadamente las texturas globales.
 Sensibilidad al Ruido: Puede ser susceptible a ruidos en la imagen.

d. Caracterización Basada en Transformadas Unitarias
Definición
La caracterización de textura basada en transformadas unitarias utiliza técnicas como la
Transformada de Fourier, Transformada de Wavelet y Transformada de Gabor para analizar la
textura.
Características
 Frecuencia y Escala: Analiza la frecuencia y escala de las texturas.
 Representación Global: Proporciona una visión global de la textura de la imagen.
Ventajas
 Precisión: Alta precisión en la caracterización de texturas complejas.
 Multiescala: Capacidad de analizar texturas a diferentes escalas.
Desventajas
 Complejidad Computacional: Requiere recursos computacionales elevados.
 Interpretabilidad: Puede ser difícil interpretar los resultados sin conocimientos avanzados.

Los beneficios de comprar resúmenes en Stuvia estan en línea:

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

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

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 6,84 €. 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 15 years now

Empieza a vender