Por favor, use este identificador para citar o enlazar este ítem:
http://cicese.repositorioinstitucional.mx/jspui/handle/1007/512| Correlación invariante de objetos utilizando filtros compuestos no lineales Invariant object correlation using non-linear composite filters | |
| Ricardo Enrique Guerrero Moreno | |
| JOSUE ALVAREZ BORREGO | |
| Acceso Abierto | |
| Atribución | |
| Correlación no lineal,Coeficiente de discriminación,Reconocimiento de patrones | |
| Ante la creciente demanda de la automatización de los procesos, la importancia del reconocimiento de objetos en las imágenes aumenta. En este trabajo se trabajará en la fabricación de filtros compuestos no lineales para utilizarlos en el reconocimiento de objetos aun cuando estos presenten distorsiones de rotación, escala, ruido e iluminación. Primero se buscó el máximo número de imágenes que pueden contener estos filtros. Se generaron 936 imágenes de las letras E, F, H, P y B respectivamente. Las imágenes generadas consisten de cada letra escalada del 70 al 130 % (en incrementos de 5%) y rotada 360˚ (en incrementos de 5˚). Para determinar el máximo número de imágenes que puede soportar el filtro, se generaron filtros con cantidades distintas de imágenes. Debido que las imágenes están a 13 escalas y 72 ángulos distintos, se hicieron pruebas para dos tipos de filtro, uno donde se contienen todas las escalas y se va aumentando ángulos de giro y otro donde se tienen todos los ángulos de giro y se va aumentando escalas. Considerando una confiabilidad de un 80% o mayor, se determinó que el máximo número de imágenes es de aproximadamente 200. Al incluir en el filtro compuesto las imágenes rotadas en sus 360˚, se genera una “problemática de rotación”, ya que se introducen funciones Bessel de primer orden en su espectro de frecuencia, presentamos una posible solución para este problema segmentando el filtro y así romper con esa simetría circular. También se han hecho pruebas del desempeño de los filtros con distintos niveles y tipos de ruido presentes en las imágenes problema. At the increasing demand of process automation, the importance of object recognition in images it is greater than ever. In this work we use non linear composite filters in object recognition, even when they have rotation, scale, noise and/or illumination distortions. We generated 936 images of the letters E, F, H, P and B. The images consisted of these letters scaled from 70% to 130% and rotated 360˚. The maximum number of images supported by these filters was determined by a numerical experiment. This was done by generating filters with different amount of images each. We have images at 13 scales and each scale with 72 different angles, tests were done to two different kinds of filters, one where all the scales were present and we add more angles to increase the number of images, and another where all of the angles were present and more scales were added to increase the number of images. Considering a system trustability of at least 80%, the maximum number of images allowed by the filter is around 200. In one type of filter we have the letter rotated 360˚. We found a “rotation problem”, since we introduce “circles” in the image, we also introduce first order Bessel functions in the spectrum, which creates complications when working with images that also have circles in them. Due to these we propose a segmented filter which breaks that circular symmetry. We also made tests of the performance of these filters in presence of noise and the amount of targets to recognize. We can see that these filters can recognize the target in presence of distortions. | |
| CICESE | |
| 2008 | |
| Tesis de maestría | |
| Español | |
| Guerrero Moreno, R.E.2008.Correlación invariante de objetos utilizando filtros compuestos no lineales.Tesis de Maestría en Ciencias. Centro de Investigación Científica y de Educación Superior de Ensenada, Baja California. 90 pp | |
| ÓPTICA | |
| Aparece en las colecciones: | Tesis - Óptica |
Cargar archivos:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| 178711.pdf | Versión completa de la tesis | 3.19 MB | Adobe PDF | Visualizar/Abrir |