flash departamento

Project: M茅todos adaptativos de reconocimiento de patrones. 
Responsable: Vitali  Kober 
Tipo de proyecto: Proyecto Conacyt
Resumen: LINEA DE INVESTIGACION: PROCESAMIENTO DIGITAL DE IMAGENES Y PROCESAMIENTO DE RECONOCIMIENTO DE PATRONES:
IMPACTO SOCIAL: Utilizarse en 谩reas como medicina, seguridad y donde sea necesaria la localizaci贸n, clasificaci贸n e identificaci贸n de diversos objetos.

I. ANTECEDENTES
Reconocimiento de patrones mediante filtros de correlaci贸n
En el reconocimiento de patrones se distinguen tres tipos de tareas esenciales: la detecci贸n de un objeto, la estimaci贸n de su posici贸n exacta y clasificaci贸n de patrones [1-4]. Para resolver 茅stas tareas se han propuesto varios m茅todos que se pueden clasificar en dos enfoques. El primero es el enfoque sint谩ctico en el que se consideran las relaciones estructurales entre las componentes de los patrones a reconocer. El segundo enfoque es el estad铆stico, que modela las variables en t茅rminos de probabilidad y busca maximizar un criterio 煤til al mismo tiempo que se minimiza la probabilidad de errores [5]. Muchos de los m茅todos estad铆sticos est谩n basados en el c谩lculo de una funci贸n de correlaci贸n entre un objeto que va a ser reconocido y una escena observada seguida de una comparaci贸n del plano de correlaci贸n con un umbral [6-16]. La correlaci贸n tiene una base te贸rica bien fundamentada para el reconocimiento de patrones [17-19]. La exactitud de la estimaci贸n de la posici贸n del objeto a reconocer es definida como la varianza de los errores en la localizaci贸n y puede evaluarse al tratar de reconocer un objeto ruidoso que est谩 incrustado en un fondo traslapado [2] as铆 como en un fondo no traslapado [4]. El desempe帽o de los filtros de correlaci贸n se puede mejorar utilizando un enfoque adaptativo en el dise帽o del filtro [20-23]. Este enfoque se basa en la premisa de que nos interesa un filtro con buenas caracter铆sticas de desempe帽o para una escena observada dada, es decir, con un conjunto fijo de patrones o de un fondo fijo a ser rechazado, en lugar de construir un filtro con par谩metros de desempe帽o promedio sobre un conjunto de im谩genes. Para el ruido de fondo no estacionario (datos variables en el espacio) e iluminaci贸n desconocida del objetivo es preferible utilizar un proceso adaptativo en una ventana deslizante. Se puede demostrar que la minimizaci贸n del error cuadr谩tico medio entre una imagen de entrada y una versi贸n desplazada del objetivo bajo ciertas suposiciones conduce a maximizaci贸n de la correlaci贸n lineal entre la imagen y el objetivo. Desde el punto de vista estad铆stico, uno puede afirmar que el criterio es 贸ptimo si la imagen de entrada est谩 contaminada por ruido aditivo de distribuci贸n Gaussiana. Sin embargo; los datos de la vida real se corrompen a menudo por ruido no Gaussiano que tienen colas pesadas en su distribuci贸n. Propusimos las correlaciones adaptativas no lineales para mejorar el desempe帽o de la correlaci贸n lineal con respecto a la robustez de situaciones donde existe gran cantidad de ruido [21,24-26]. Recientemente se propusimos filtros nuevos invariantes en posici贸n-rotaci贸n incluyendo filtros con y sin entrenamiento [22,23].
Vigencia: (2012-04-20 - 2015-04-20)

Carretera Ensenada-Tijuana No. 3918, Zona Playitas, C.P. 22860, Ensenada, B.C. Mexico. Phone: 01(646)175-05-00

w3cCSS w3cXML

CICESE, MÉXICO - © 2011