Aplicados a la herramienta de Matlab

Slides:



Advertisements
Presentaciones similares
Modelos ARMA.
Advertisements

Capitulo 9: Modelos unívariados de series temporales
Convertidores A/D y D/A
Curso FSE – Comunidad de Madrid
Variables Aleatorias Continuas
Variables Aleatorias Distribuciones
Resumen Modelos básicos
Por: Alex F. Guerrero E. Fecha: 04/02/2010
Filtros y Detectores de Borde
Procesos Estocásticos
KRIGING.
GEOESTADISTICA MULTIVARIADA
Variables Aleatorias ETSITGC Madrid. Variables Aleatorias ETSITGC Madrid Índice.
Caracterización de Variables Aleatorias
Caracterización de Variables Aleatorias
Pruebas de Especificación en el Modelo de Regresión Múltiple
MODELO DE REGRESIÓN MÚLTIPLE
4. 0 DISTRIBUCIONES DISCRETAS DE PROBABILIDAD 4
ESPOL – FIEC Presentación de Proyecto, Febrero 3, 2010
Modelo básico de regresión Lineal
Mario Bidegain (FC) – Alvaro Diaz (FI) – Marcelo Barreiro (FC)
Distribuciones de Probabilidad
Universidad de América
FUNCIONES DE DENSIDAD DE PROBABILIDAD
Universidad Mexicana en Línea Carrera: Administración Pública Asignatura: Estadística Tutor: Leonardo Olmedo Alumno: Alfredo Camacho Cordero Matrícula:
MÉTODO BOOTSTRAP Considere una muestra aleatoria de tamaño n = 10 con las siguientes observaciones: X1 = -2.41, X2 = 4.86, X3 = 6.06, X4 = 9.11 X5 = 10.2,
TIPOS DE MODELOS DE REGRESIÓN Y SUPUESTOS PARA EL MODELO A
Distribuciones Discretas
Procesos Estocásticos
Vectores Aleatorios 1 Distribución conjunta de un vector aleatorio
1 TECNOLOGÍA ELECTRÓNICARESISTORES LINEALES FIJOS II SERIES DE VALORES Y CÓDIGOS DE MARCADO CIRCUITOS EQUIVALENTES SIMBOLOGÍA NORMALIZADA.
Tema 4. Realzado de imágenes  Qué vamos a estudiar  ¿Qué vamos a estudiar? Un conjunto de técnicas que tratan de conseguir una imagen mejorada y más.
Elementos Básicos de Probabilidad y Estadística Javier Aparicio División de Estudios Políticos, CIDE Julio 2009
Tutorial Introductorio
Flujo Eléctrico El campo eléctrico debido a una distribución continua de cargas siempre puede calcularse a partir del campo generado por una carga puntual,
SEÑALES ALEATORIAS Y RUIDO.
Distribuciones Continuas de Probabilidad
AGENDA Distribuciones de probabilidad discreta
Statistic Filters El filtro de mediana. Este tipo de filtro pertenece al grupo de filtros de orden estadístico, los cuales son filtros que no cumplen con.
COMPRESIÓN AUTORREGRESIVA Y CASI SIN PERDIDA Autores: Antonio Fernández Carpio Francisco José Lamela Rincón.
LÍNEAS DE ESPERA Gabriel García Velazquez.
Análisis de regresión MCO MELI.
1º BACHILLERATO | Matemáticas © Oxford University Press España, S.A Hacer clic en la pantalla para avanzar VARIABLE ALEATORIA Errores comunes Es.
Variables aleatorias y sus distribuciones
Tema 3: Filtros.
Correccion de la iluminacion. Variaciones de iluminación en MRI debidas a no uniformidad de la bobina de radio frecuencia, corrientes parasitarias, anatomía.
Índice: Introducción Conceptos básicos Procesos elementales
Econometría Procesos Estocásticos Capitulo IV
Procesamiento Digital de Imágenes
Multiple Camera Tracking of Interacting and Occluded Human Motion SHILOH L. DOCKSTADER, STUDENT MEMBER, IEEE, AND A. MURAT TEKALP, SENIOR MEMBER, IEEE.
Procesamiento Digital de Imágenes
Teoría de Probabilidad Dr. Salvador García Lumbreras
Protocolo DHCP.. DHCP es un protocolo estándar propuesto. Su estado es electivo. Las especificaciones actuales de DHCP se pueden encontrar en el RFC 1541.
1. Informe de video como crear una página web completa en HTML
Aplicando Visión por Computador para Control de Acceso Vehicular
P y E 2012 Clase 6Gonzalo Perera1 Repaso de clase anterior Distribución de Poisson como aproximación de la Bin(n,p) cuando n es muy grande y p es muy chico.
Distribución de Probabilidades
Modelo La forma general del modelo de regresión multiple es: y t =  1 x t1 +  2 x t  k x tk + u t o y t = x t ’  2 + u t y t =
DISTRIBUCIONES DE PROBABILIDAD
1 1 Slide Universidad Diego Portales Facultad de Economía y Empresa y Empresa.
Alicia De Gyves López Licenciatura Tecnologías de la Información y Comunicación 3º. Cuatrimestre Estadística Descriptiva Distribuciones de Probabilidad.
MANUAL DE LABORATORIO DE CÓMPUTO ECONOMETRÍA I MODELO DE REGRESIÓN GENERAL 1 Profesor: Barland A. Huamán Bravo 2011 UNIVERSIDAD NACIONAL AGRARIA DE LA.
El objetivo de la segmentación es dividir (segmentar) y separar la información original para generar nuevas imágenes que representen las estructuras internas.
Todo con bits Transmisión de imágenes.
Medición y Metrología Medición. Base de la Instrumentación
Distribuciones de Probabilidad Discretas Las distribuciones discretas que se tratarán son: 1.Binomial 2.Multinomial 3.Hipergeométrica 4.Hipergeométrica.
Laboratorio de Estadística administrativa Distribución Poisson Distribución exponencial Febrero de 2007.
Licenciatura en Psicopedagogía: Métodos, Diseños y Técnicas de Investigación Psicológica Tema 9 Fiabilidad de las puntuaciones.
1 Distribución de Poisson Cuando en una distribución binomial el número de intentos (n) es grande y la probabilidad de éxito (p) es pequeña, la distribución.
CAPÍTULO 6: FILTRAJE ESPACIAL
Transcripción de la presentación:

Aplicados a la herramienta de Matlab Tipos de Ruido Aplicados a la herramienta de Matlab

Aplicación en Matlab Para agregar ruido a la imagen de ingreso en Matlab se considera a la función imnoise. Se detallan los siguientes tipos de Ruido: Ruido Gaussiano Ruido Poisson Ruido Sal & Pimienta (Salt&Pepper) Ruido Speckle

Ruido Gaussiano En la herramienta didáctica se asume para la función de ruido Gaussiano que el valor predeterminado es cero ruido media m(µ) y con una v( de valor 0,01 de varianza, donde I es la imagen a la cual se va a añadir el ruido. Se define ruido blanco como un proceso estocástico que presenta media nula, varianza constante y covarianza nula y si además la distribución es normal, se denomina Ruido Blanco Gaussiano. Los comandos que se usan para invocar a la función son:

Ej. Ruido Gaussiano

Ruido Sal y Pimienta Se define como ocurrencias aleatorias de pixeles completamente blancos y completamente negros. Añade el ruido a la imagen donde d es la densidad del ruido. Se afecta aproximadamente a los d*num(I) pixeles. Y en la función se define por defecto un valor de d=0,05.

Ej. Ruido Sal y pimienta

Ruido Speckle Se añade el ruido a la multiplicación de la imagen por medio de la siguiente ecuación: Donde n es de distribución uniforme de ruido aleatorio con media y con varianza v. El valor determinado de v = 0,04. Estos valores se definen por defecto en Matlab. La sintaxis para invocar a la función es:

Ej. Ruido Speckle