Ir al contenido

Documat


Perceptual grouping techniques for the detection of objects in digital images

  • Autores: Marta Penas Centeno Árbol académico
  • Directores de la Tesis: Manuel Francisco González Penedo (dir. tes.) Árbol académico, M. J. Carreira Nouche (dir. tes.) Árbol académico
  • Lectura: En la Universidade da Coruña ( España ) en 2005
  • Idioma: español
  • Tribunal Calificador de la Tesis: José Mira Mira (presid.) Árbol académico, Amparo Alonso Betanzos (secret.) Árbol académico, Diego Cabello Ferrer (voc.) Árbol académico, Majid Mirmehdi (voc.) Árbol académico, Ana Esperanza Delgado García (voc.) Árbol académico
  • Texto completo no disponible (Saber más ...)
  • Resumen
    • La Tesis Doctoral describe e implementa un sistema para la detección de objetos en imágenes en base a técnicas de organización perceptual, Tradicionalmente, todas las aproximaciones a este objetivo se han basado en los resultados producidos por los detectores de bordes como Canny o Sobel. Por el contrario, el sistema descrito estará basado en los resultados obtenidos por medio de la descomposición de Gabor. La introducción de la descomposición de Gabor, un proceso computacionalmente complejo. mejorará los resultados finales debido a dos motivos fundamentales: el primero es que la descomposición de Gabor proporciona información global y fiable acerca de la orientación de los bordes en la escena y la segunda es que no precisa de ajuste de parámetros por parte del usuario en base a las imágenes de entrada.

      El sistema descrito está dividido en varias etapas. La primera es la extracción de las primitivas direccionales de la imagen por medio de un banco de filtros de Gabor distribuídos en un conjunto de canales de frecuencia (*frecuencias) y de orientaciones (*orientaciones).

      Debido a que la descomposición de Gabor transforma la imagen de entrada en (*frecuencias x *orientaciones) imágenes de resultado, es necesario integrar la información de dichas imágenes en un único resultado. Para ello se utilizará un conjunto de estructuras auto-organizativas basadas en redes de neuronas artificiales, organizadas jerárquicamente hasta producir como resultado una única imagen pseudo-color en la que el color de un píxel definirá la orientación del borde correspondiente en la imagen de entrada.

      La tercera etapa consiste en la detección de segmentos en la imagen pseudo-color resultado de los procesamientos anteriores. Para ello se utiliza un detector de segmentos basado en la combinación de dos detectores de segmentos ampliamente utilizados, la transformada de Hough y el detector de segmentos de Burns.

      La última etapa cons


Fundación Dialnet

Mi Documat

Opciones de tesis

Opciones de compartir

Opciones de entorno