Darío Villadiego Fernández

Slides:



Advertisements
Presentaciones similares
Qué son: Operaciones entre pixels. Operaciones de punto Cuales son: Erosiones y dilataciones. Operaciones geométricas. Filtros espaciales. Operaciones.
Advertisements

Matemática Morfológica
Introducción al Procesamiento de Imagenes
Tecnología Biométrica: Escritura Manuscrita
Marcas de agua con FHT Fernando Pomares Reyes
Coincidencia de imagen a través de cadena de triángulos
Biopsias de músculo de ratón
INSTITUTO POLITÉCNICO NACIONAL
MÓDULO DE BÚSQUEDA DE PERSONAS DENTRO DE UNA BASE DE DATOS DE ROSTROS
Filtros y Detectores de Borde
DESARROLLO DE UNA APLICACIÓN DE REALIDAD AUMENTADA, PARA EDUCACIÓN Y TELE-EDUCACIÓN Javier Rivadeneira.
Reconocimiento de Patentes en automóviles
5. Morfología Universidad de Valladolid Visión Artificial Industrial
UNIDAD I. INTRODUCCIÓN A LA PROGRAMACIÓN ORIENTADA A OBJETOS EN JAVA.
Aproximación con imágenes 2D Binarias.
Detector de grietas en edificios Síntesis, Análisis y Visualización de Imágenes Máster Oficial en Ingeniería y Tecnología del Software Pedro Tomás Ibáñez.
Chantal de Leste Conde David Ramos Navarro
TD-33. EXTRACCIÓN DE SUPERFICIE BORDE DE UN CONJUNTO DE DATOS VOLUMÉTRICO Andrés Fernández Peralta Luis Franco Espín Ignacio Gordillo Díaz.
Temas importantes para el desarrollo de la segunda parte del TPE
Trabajo De Investigación (9 Créditos) Realizado Por: Raúl Montoliu
Capitulo 2 Filtrado Filtrado Espacial Visión de Máquina
Introducción al diseño gráfico
1 Detección de Movimiento en Imágenes Digitales “tracking” Por: Héctor Duque MISC - Universidad de Los Andes.
Morfología Matemática Binaria
Detección Automática de Nódulos Pulmonares
MÉTODO PARA AUTOMATIZAR LA SEGMENTACIÓN DE LA RETINA EN CAPAS
Morfología elemental en imágenes digitales binarias 3D
Preproceso de caracteres extraidos de documentos
Flujo óptico Omar Ocegueda 24 de Noviembre de 2003.
Identificación de Personas Mediante Imagen del Iris Fernando Llaca Romero Alberto Morales Calvo Alejandro Rojas López.
Detectores de Borde. Extracción de Características Detección de Líneas. Detección de Puntos de Borde. Detección de Contornos.
“PARTITURA 3D: Un modelo de sonificación de imágenes”
Using Incremental Principal Component Analysis to Learn a Gender Classifier Automatically M. Castrillón, O. DÉNIZ, D. Hernández, J. Lorenzo.
EXTRACCIÓN DE CARACTERISTICAS
Detección de Rostros en Imágenes a Color Leonardo Moreno B.
MÉTODOS DE BINARIZACIÓN DE IMÁGENES EN NIVELES DE GRIS
Simplificación de Mallados Ernesto Coto Laboratorio de Computación Grafica Universidad Central de Venezuela.
Segmentación de Curvas José Luis Salas Espina 28 de Septiembre de 2005.
Procesamiento Morfológico de imágenes
1 Nueva metodología de enseñanza de procesado digital de la señal utilizando la API “joPAS” J. VICENTE, B. GARCÍA, I. RUIZ, A. MENDEZ, O. LAGE Departamento.
Introducción Scalable Edge Enhancement With Automatic Optimization For Digital Radiographic Images Procesamiento de Imágenes Digitales 1.
Evaluación topológica de métodos de binarización
Corrección topológica de imágenes médicas Ignacio Moreno García Antonio José Narváez Ortega Maria del Carmen.
Informática Médica: Procesamiento de imágenes
CARPLATE Reconocimiento del marco de la matrícula de un coche
Estrategias basadas en grafos para el tratamiento de imágenes Juan Manuel Benítez Domínguez Carlos Cornejo González Francisco Fernández Álvarez 1 TD 1.6.
Trabajo PID Análisis de imágenes de biopsias de músculo humano. Segmentación de células para construir un grafo a partir de las adyacencias entre ellas.
Ingeniería de la Salud IMAGEN BIOMEDICA Morfología Matemática
Grupo 1 Rivero Bablé, Álvaro Monge Soto, Juan Francisco Díaz Romero, Manuel Alejandro.
Algoritmo de búsqueda de bordes en una imagen digital. Obtención del código de fisuras y de cadenas Grupo: José Manuel Berrio Morgado Francisco José Carrasquilla.
Curso de Lógica Difusa Prof. José Edinson Aedo Cobo, Msc. Dr. Ing.
RESTAURACIÓN DE IMAGENES (APLICACIÓN DE ANALISIS) RESTAURACION DE IMAGENES APLICANDO LA MATRIZ PESUDOINVERSA PID 2005/06 Adrián Salas Gavilán Jose Luis.
1 Image Segmentation Chapter 9 Dr. Mario Chacón DSP & Vision Lab.
Tema 6: Morfología Primera parte.
Tema 6: Morfología Segunda parte.
Departamento de Matemática Aplicada I Curso 2002/2003. Universidad de Sevilla Manuel Blanco Guisado David Martínez González Raúl Palomino Sánchez Procesamiento.
Aplicación de algoritmos morfológicos matemáticos, para el procesamiento de imágenes.
LOS QUEHACERES DE JORGE
Ingeniería de Software Agustín J. González ElO329: Diseño y Programación Orientados a Objeto Adaptado de: material asignatura CS169,Software Engineering,
LENGUAJES DE PROGRAMACIÓN 8.1 BREVE HISTORIA. Traducción-Ejecución Bajo nivel o 1º Nivel Se dice que el código binario es de "bajo nivel" o "primer nivel"
UNIVERSIDAD SIMÓN BOLIVAR – GRUPO GID-045 MODELAJE MATEMATICO Y SIMULACION /06/2012 Grupo de Modelaje Matemático y Simulación Profesores integrantes:
Reconocimiento de cara basado en “espectrocara”
El objetivo de la segmentación es dividir (segmentar) y separar la información original para generar nuevas imágenes que representen las estructuras internas.
API JDBC Java Database Connectivity. Conceptos básicos API de Conectividad a Bases de Datos Emplea SQL Standard Ventaja: los programas desarrollados en.
Proceso de desarrollo de Software
Todo con bits Transmisión de imágenes.
Procesamiento de Vídeo Digital Máster en Matemática Computacional Francisco Miguel Pérez Romero.
SEGMENTACIÓN DE CARACTERES EN PANELES LED EN IMÁGENES NATURALES Álvaro Vilches Díaz Giulia Sabatinelli Pablo Alamo González.
Fundamentos de Programación Unidad I Conceptos Básicos.
ALUMNO ALUMNO: DIEGO URES LEGAJO LEGAJO: La prueba unitaria es la herramienta para la Calidad Presentación Trabajo Final de Grado.
Transcripción de la presentación:

Darío Villadiego Fernández dariovifer@yahoo.es IMAGEN-A Revista del grupo de investigación de la Junta de Andalucía FQM-296 "Topología Computacional y Matemática Aplicada" Universidad de Sevilla (Andalucía, España) ISSN:  1885-4508 - Año I - n. 2, Grupo 09 Implementación de un Algoritmo para la Detección de Esquinas en Imágenes Binarias Darío Villadiego Fernández dariovifer@yahoo.es

IMAGEN-A, Año I, n. 2, Grupo 09 Detector de esquinas Introducción Problema teoría Problema práctico Conclusiones Bibliografía El uso de detectores de esquinas en el reconocimiento de objetos por ordenador es muy habitual. Algoritmos para la detección de esquinas Basados en la frontera (boundary-based): detectan la esquina a partir de la información del objeto en la frontera Tsai et al. 1999 Aproximados por nivel de gris (gray-level approach): trabajan directamente con imágenes de grises haciendo uso de la comprobaión con una plantilla de la esquina o de los gradientes en los píxeles del borde. Lee y Bien 1996 Singh y Shneier 1990 Laganiere 1998

Operación morfológica básica Operación morfológica regular Introducción Problema teoría Problema práctico Conclusiones Bibliografía El detector de esquinas que se estudia require de un conjunto de operaciones morfológicas binarias nuevas basadas en operaciones morfológicas nuevas. Operación morfológica básica Operación morfológica regular 1. EROSIÓN REGULADA ORIGINAL 2D

2. DILATACIÓN REGULADA ORIGINAL 2D Introducción Problema teoría Problema práctico Conclusiones Bibliografía 2. DILATACIÓN REGULADA ORIGINAL 2D

3. OPERACIONES MORFOLÓGICAS REGULADAS COMPUESTAS Introducción Problema teoría Problema práctico Conclusiones Bibliografía 3. OPERACIONES MORFOLÓGICAS REGULADAS COMPUESTAS Apertura regulada. Se aplica a la imagen original la erosión regulada, y al resultado de esta operación se le aplica una dilatación regulada. Cierre regulado. Se aplica a la imagen original la dilatación regulada, y al resultado de esta operación se le aplica una erosión regulada.

Para la detección de esquinas los pasos a seguir son: Introducción Problema teoría Problema práctico Conclusiones Bibliografía 4. DETECTOR DE ESQUINAS Para la detección de esquinas los pasos a seguir son:

Se han implementado las nuevas operaciones reguladas. Introducción Problema teoría Problema práctico Conclusiones Bibliografía Se ha desarrollado una aplicación donde exponer y someter el algoritmo. PROCESO DE CREACIÓN: Se han implementado las nuevas operaciones reguladas. Se crea la clase MorphologyRegulated.java que contiene todos los métodos que implementan las operaciones regulares y el método que detecta las esquinas. Tras esto se trabaja con la interfaz: CARACTERÍSTICAS DE LA APLICACIÓN: La aplicación está desarrollada en lenguaje JAVA (JSDK 1.4.2_05). Eclipse 3.1 Java SDK 1.4.2

Introducción Problema teoría Problema práctico Conclusiones Bibliografía

Trabajo de investigación complejo Introducción Problema teoría Problema práctico Conclusiones Bibliografía Trabajo de investigación complejo A partir de estudio teórico diseñar una implementación correcta para el detector de esquinas Componentes Java Swing La implementación del algoritmo es correcta, pero no tiene porqué ser la mejor

Introducción Problema teoría Problema práctico Conclusiones Bibliografía Shih, Frank Y.; Chuang, Chao-Fa; Gaddipati, Vijayalakshmi. "A modified regulated morphological corner detector". Pattern Recognition Letters, pp. 931-937, April 2005 D. M. Tsai, H.-T. Hou and H.-J. Su, 1999. “Boundary-based Corner Detection Using Eigenvalues of Covariance Matrics”" Pattern Recognition Letters, Vol. 20, 31-40 Lee, K.J., Bien, Z.N. "A Gray-Level Corner Detector Using Fuzzy-Logic". Pattern Recognition Letters, Vol. 17, pp. 939-950. Laganiere, R. "A Morphological Operator For Corner Detection". Pattern Recognition Letters, Vol. 31, pp. 1643-1652. The Java image processing API. http://www.ia.hiof.no/~por/imageprocAPI/version2/