1 / 25

Alumno : Sandoval Domínguez Víctor Hugo Profesor: Dr. José Luis Oropeza Rodríguez

“Sistema de pruebas para el tratamiento/procesamiento de imágenes utilizando morfologia matemática”. Alumno : Sandoval Domínguez Víctor Hugo Profesor: Dr. José Luis Oropeza Rodríguez. Índice Temático. 1.-Problemática 2.-Objetivo 3.-Arquitectura de la implementación 4.-Transformación

dante-stuart
Download Presentation

Alumno : Sandoval Domínguez Víctor Hugo Profesor: Dr. José Luis Oropeza Rodríguez

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. “Sistema de pruebas para el tratamiento/procesamiento de imágenes utilizando morfologia matemática” Alumno: Sandoval Domínguez Víctor Hugo Profesor: Dr. José Luis Oropeza Rodríguez

  2. Índice Temático • 1.-Problemática • 2.-Objetivo • 3.-Arquitectura de la implementación • 4.-Transformación • 5.-Interfaz • 6.-Pruebas • 7.-Código • 8.- Trabajo a futuro

  3. Problemática

  4. Justificación • La principal justificaciónparaelaboración de esteproyectoes el aprovechamiento del mismopara la implementación de laspruebas en el desarrollo de la tesis de la maestría. • Observarcomo con un elemento de estructuraydiferentesalgoritmos de morfologíamatemáticapodríamossegmentarunaimagen.

  5. Estado del arte • La identificación de rasgos en imágenes ha sido objeto de numerosos avances en menos de diez años. Las técnicas de recuperación de la información han visto modelos aplicables tanto local como globalmente.  • El aumento de información representada en imágenes digitales ha complicado la administración de estos, por lo que se ha intentado administrarlas mediante un etiquetado automático en tiempo real [1]. El personal académico de la Universidad del Estado de Pennsylvania ah creado un sistema etiquetador de imágenes [2], el cual está creando una colección de imágenes ya etiquetadas

  6. Objetivo • Objetivo General • Desarrollar un sistema que permita la implementación de múltiples algoritmos de procesamiento digital de imágenes satelitales obtenidas de google earth. • El proyecto estará enfocado para poder realizar pruebas de pre-procesamiento para la implementación en la tesis.

  7. Objetivo • Objetivos Específicos • Probar diferentes metodologías con diferentes rasgos y seleccionar el o los más descriptivos. • Implementar en el lenguaje C# la imagen como matriz así como trabajarla directamente para tener un fácil manejo y a su vez tratar de mejorar tiempos.

  8. Calendarización

  9. Imágenes Despliegue de resultados Procesamiento Usuario Imagen de prueba Imágenes resultado Arquitectura del sistema

  10. Diseño del sistema

  11. Transformación No se trabajará directamente con la imagen, sino que se convertirá en una matriz, basándose en el concepto de imagen digital.

  12. Interfaz

  13. Interfaz

  14. Interfaz

  15. Pruebasyresultados

  16. Pruebasyresultados

  17. PruebasyResultados

  18. Código

  19. Codigo

  20. TRABAJO A FUTURO

  21. Extracción de Características Media Desviación Estándar Entropía Contraste Energía Correlación

  22. Referencias • Referencias • [1] Real-Time Computerized Annotation of Pictures. Jia Li, Senior Member, IEEE, and James Z. Wang, Senior Member, IEEE • [2] The Pennsylvania State University, University Park, PA 16802. He is also affiliated with the Robotics Institute, Carnegie Mellon University, Pittsburgh. • [3] A. W. M. Smeulders, M. Worring, S. Santini, A. Gupta, and R. Jain, “Content-based image retrieval at the end of the early years,” IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 22, no. 12, pp. 1349–1380, 2000. • [4] X. He, R.S. Zemel, and D. Ray, “Learning and Incorporating Top-Down Cues in Image Segmentation,” Proc. Ninth European Conf. Computer Vision, vol. 1, pp. 338-351, 2006. • [5] X. He, R.S. Zemel, and M. Á. Carreira-Perpin, “Multiscale Conditional Random Fields for Image Labeling,” Proc. IEEE CS Conf. Computer Vision and Pattern Recognition, vol. 2, pp. 695-702, 2004 • [6] Barb and A. Shyu. Semantics modeling in diagnostic medical image databases using customized fuzzy membership functions. Fuzzy Systems, 2003. FUZZ ’03. The 12th IEEE International Conference on, 2, 2003. • [7] Anna Bosch, Xavier Muñoz, Robert Marti. Which is the best way to organize/classify images by content?. Department of Electronics Informatics and Automatics, University of Girona, Campus Montilivi, 2006. • [8]Voguel, Julia. Recuperación de imágenesmediante un modeladosemántico de la escena., 2004. • [9] R.M. Haralick, “Statiscal and structural approaches to texture,” Proceedings IEEE, vol 67, núm. 5, pp. 786-804, 1979. • [10] K. Karu, A.K. Jain, y R.M. Bolle, “Is there any texture in the image?”. Pattern Recognition, vol. 29, núm. 1437-1446, 1996. • [11] B. Julesz, “Textons, the elements of texture perception, and their interactions,” Nature, vol 290, págs. 91-97,1981. • [12] H. Voorhees y T.A. Poggio, “Detection textons and texture boundaries in natural images,” en 1st Intl. Conf. On Computer Vision, London, England,1987. • [13] S. Ando, “Texton finders base don Gaussian curvature of correlation with an application to rapid texture classification,” en Proc. Of the 1988 IEEE Intl. Conf. On Systems, Man and Cybernetics, China,1988. • [14] M. Tuceryany A.K. Jain, Texture análisis, capítulo 2.1 págs. 235-276, Handbook of Pattern Recognition and Computer Vision. World Scientific Publishing Company, 1993.

  23. GRACIAS POR SU ATENCIÓN

  24. Dudas? comentarios? Sugenrencias?

More Related