1 / 34

INSTITUTO POLITECNICO NACIONAL

INSTITUTO POLITECNICO NACIONAL UNIDAD INTERDISCIPLINARIA DE INGENIERIA Y CIENCIAS SOCIALES Y ADMINISATRATIVAS INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL PROFRA. MARINA VICARIO INTEGRANTES DE EQUIPO

zarita
Download Presentation

INSTITUTO POLITECNICO NACIONAL

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. INSTITUTO POLITECNICO NACIONAL UNIDAD INTERDISCIPLINARIA DE INGENIERIA Y CIENCIAS SOCIALES Y ADMINISATRATIVAS INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL PROFRA. MARINA VICARIO INTEGRANTES DE EQUIPO GARCÍA VILLASEÑOR DOLORES GUTIERREZ TOVAR CONSUELO MARTINEZ TREJO CRISTYAN MEDINA LÓPEZ VERÓNICA SECUENCIA: 4CM2 VISIÓN

  2. INDICE INTRODUCCIÓN A LA VISIÓN ARTIFICIAL .................................................................. 4 VISIÓN ................................................................................................................................... 5 ENFOQUE FÍSICO DEL OJO ............................................................................................... 7 PRODUCTOS ......................................................................................................................... 9 SISTEMAS DE VISIÓN ARTIFICIAL ................................................................................10 SISTEMAS INDUSTRIALES DE VISIÓN ARTIFICIAL ..................................................11 APLICACIONES ..................................................................................................................14 CURSOS ...............................................................................................................................15 GRUPO DE AUTOMÁTICA, ROBÓTICA Y VISIÓN ARTIFICIAL .............................. 17 PROYECTOS ....................................................................................................................... 20 INNOVACIONES ................................................................................................................ 23 DESARROLLO DE LOS MODELOS DE PERCEPCIÓN VISUAL ................................ 24 ENFOQUES DE LA VISIÓN ARTIFICIAL ....................................................................... 25

  3. MODELOS DE VISIÓN COMPUTACIONAL ....................................................................27 GENESIS Y DESARROLLO DE PROCESAMIENTO Y ANÁLISIS DE IMÁGENES DIGITALES .......................................................................................................................... 29 CONCEPTO Y REPRESENTACIÓN DE SEÑALES CONTINUAS................................. 31 REFERENCIAS .................................................................................................................... 32

  4. INTRODUCCIÓN A LA VISIÓN ARTIFICIAL La visión artificial equivale a un conjunto de sensores que proporcionaran información relativa a las características luminosas (reflectividad superficial, emisión luminosa, etc.) de las escenas a analizar. Así, los sistemas de visión artificial obtienen información referente al espectro electromagnético, centrado en la luz visible con ramificaciones tanto hacia el ultravioleta como el infrarrojo cercano, mientras que los sensores permiten obtener otras características (magnéticas, eléctricas, permeabilidad sonora, etc.). Los sistemas de visión artificial permiten atender las demandas más exigentes de calidad al posibilitar la inspección de todos los productos tanto intermedios como acabados del producto. Estos sistemas permiten además disminuir los costes de producción al amortizarse en periodos de tiempo muy breves y tener unos costes de funcionamiento muy bajos. La tecnología “Visión Artificial”, hace referencia a aquellas aplicaciones cuyo objetivo es la obtención de información del entorno industrial que les rodea de forma visual. Así, los sistemas de visión artificial se dividen en 2: • Los que obtienen información referente al espectro electromagnético, centrado en la luz visible con ramificaciones tanto hacia el ultravioleta como el infrarrojo cercano. • Los sensores permiten obtener otras características (magnéticas, eléctricas, permeabilidad sonora, etc.).

  5. VISIÓN

  6. ENFOQUE FÍSICO DEL OJO Como puede verse el ojo es casi una esfera de unos 20mm de díametro, formada por un conjunto de membranas denominadas cornea, esclera, coroide y retina. La cornea y la esclera constituyen las envoluturas externas anterior y posterior del ojo respectivamente. La capa coroidal además de alimentar el ojo a través de sus vasos sanguineos, tiene la misión de absorver la luces extrañas que entran el ojo así como de amortiguar el efecto de dispersión de la luz dentro del globo ocular. El iris o diafragma esta situado en la parte anterior del coroide, y tiene como misión controlar la cantidad de luz que entra en el ojo. Para ello, la pupila o parte central del iris puede cambiar de tamaño en función de la luminosidad incidente desde 2mm a 8mm de díametro. La lente del ojo esta formada por capas concentricas de celulas fibrosas y esta sujeta al coroide a través de fibras. La lente esta compuesta principalmente por agua (60%-70%), grasa 6% y proteinas. En la lente se absorve cerca de un 8% del espectro de luz visible asi como una gran proporción de luz infrarroja y ultravioleta. La membrana más interna del ojo es la retina que cubre toda la pared interna del ojo. Cuando la luz llega al ojo la imagen que transporta se forma en la retina por la sensibilización de dos clases de receptores: los bastones y los conos. El número de conos existentes en un ojo esta entre 6-7 millones y su situación dentro del ojo se concentra alrededor de un punto llamado fóvea. La misión de los conos dentro del ojo es doble.

  7. Por un lado son responsables de la detección del color y por otro ayudan a resolver los detalles finos de la imagen. Cuando una persona quiere resolver detalles finos en una imagen intenta que esta se forme en su retina alrededor de la fóvea, consiguiendo por tanto, que los conos sean mayoritariamente los receptores de la luz. La visión a través de los conos se denomina visión fotocópica o de luz brillante. Por otro lado, el número de bastones existentes en un ojo es muy superior al de conos y esta entre 75-150 millones. Los bastones se distribuyen sobre toda la retina y al igual que los conos tienen una doble misión. Por un lado son responsables de dar una impresión general del campo de visión y por otro son responsables de la sensibilidad a niveles bajos de iluminación. Los bastones no son sensibles al color. Un objeto que a la luz del día tiene colores vivos, observado a la luz de la luna aparece sin colores, esto es debido a que tan solo los bastones estan estimulados. A la visión a través de bastones se le denomina visión escotópica o de luz tenue. La siguiente figura muestra la densidad de conos y bastones del ojo derecho a partir en un corte del ojo

  8. PRODUCTOS • ViewFlexInnovación en visión artificial El software permite acceder a un extenso equipo de funciones optimizadas paraprocesar y mejorar imágenes, análisis de manchas, calibrado, medición, y ajuste de patrones.

  9. SISTEMAS DE VISIÓN ARIFICIAL La aplicación de la visión por computadora en la realización de trabajos de inspección tiene como ventaja la utilización un de un sensor remoto (la cámara de TV), que no requiere ningún contacto físico con los objetos a visualizar. Las principales características del sistema VISIOMAPS son las siguientes: • Facilidad de programación y de utilización por el usuario, que no necesita tenerconocimientos informáticos. • Flexibilidad de adaptación a diferentes entornos • Alta velocidad de operación gracias al preprocesador especializado en el tratamiento de imágenes. El sistema se basa en una computadora tipo PC, dotada de un procesador especializado VLSI • Bajo costo.

  10. SISTEMAS INDUSTRIALES DE VISIÓN ARTIFICIAL • VISIÓN ROBOT • Visión Robot se especializa sólo en sistemas de visión. Somos el punto de consulta y suministro para las aplicaciones que requieren Sistemas Industriales de Visión. • Inspección • Clasificación • Reconocimiento de Objetos, OCR (reconocimiento óptico de caracteres), OCV • Identificación de Códigos de Barras en todos los formatos lineales • Identificación de códigos 2D Matrix • Comparación de objetos • Verificación de presencia • Medición de características geométricas como diámetros, radios de curvatura, paralelismo, concentricidad, excentricidad, ángulos, etc. • Comparaciones de las geometrías teóricas con las reales (roundness, straightness) • Guiado de robots y manipuladores, intercambio de coordenadas • Navegación autónoma

  11. Visión Robot tiene un programa especial de soporte para las industrias que controlan la calidad de sus productos y procesos, clasifican productos en gran volumen, controlan maquinaria crítica, y ven en las máquinas de visión una avanzada herramienta tecnológica a adicionar en sus actuales instalaciones. Visión Robot funciona como una empresa integradora de los diversos componentes y conocimientos necesarios para concretar un sistema de inspección visual instalado y funcionando bajo las más diversas necesidades. NeuroCheck es un software para control de calidad industrial que trabaja por procesamiento de imágenes, adaptable a una gran variedad de aplicaciones, diseñado para satisfacer los requerimientos que impone un sistema de "quality management" actual. NEUROCHECK Es un software para control de calidad industrial que trabaja por procesamiento de imágenes, adaptable a una gran variedad de aplicaciones, diseñado para satisfacer los requerimientos que impone un sistema de "quality management" actual. Este software facilita la verificación de la completitud de sistemas armados o ensamblados, la calidad de las superficies de piezas mecanizadas, la localización precisa de inscripciones y su correcto contenido, manipular robots, hacer OCR u OCV, y muchas otras aplicaciones.

  12. La salida de todos los datos, mediciones e imágenes, es altamente configurable y exportable a formatos standard Excel, Lotus, ASCII, vía puerto serial, clipboard y drag & drop. Lo que hace a NeuroCheck el mejor software para aplicación en máquinas de visión en control de calidad es una combinación única de características como: Interactivo:El desarrollo a través de un entorno visual de apuntar y clickear hacen ágil la tarea de preparación. Probado en Producción:NeuroCheck es confiable pues ha sido usado por años en las plantas de fabricación. Basado en Windows / PC:Al correr en la plataforma de PC´s más extendida del mercado, usted se beneficia con el avance dinámico tanto de esta plataforma como de la constante evolución de los procesadores de PC´s. Extensible: Cuando las necesidades no pueden ser simplemente generalizadas, usted puede agregar sus propias funciones en los menúes de NeuroCheck para darle un toque personalizado.

  13. APLICACIONES • Permite atender las demandas más exigentes de calidad al posibilitar la inspección de todos los productos tanto intermedios como acabados del producto. • Pueden ser utilizados para el guiado de robots en entornos que no estén perfectamente estructurados y por tanto donde el robot precise de capacidad sensorial para llevar a cabo su tarea. • También se puede utilizar en aplicaciones industriales básicas las cuales pueden ser: detección, reconocimiento (objetos, caracteres, geometría, etc.) guiado, medición.

  14. CURSOS VISIÓN ARTIFICIAL EN TIEMPO REAL • "Página personal del Professor Delp (Purdue Unv.)"Información cursos, proyectos y artículos sobre Image Processing, Computer Vision, Medical Imaging... • "Web Sites on Image Processing"Enlaces sobre Visión en la página personal de Ajith Pasqual (Japón) ENSAMBLADO / DESENSAMBLADO • "Design For Assembly/Disassembly"Homepage of I-CARVE Lab TELEOPERACIÓN • "Proyecto Titere"Teleoperación para visión artificial en la UPM ORGANIZACIONES / GRUPOS DE INVESTIGACIÓN • "DISAM - UMP"División de Ingeniería de Sistemas y Automática.UPM UNIVERSIDADES • "Buscador de Universidades de todo el mundo"Completo buscador de Universidades

  15. "MEC - Educación, Universidades, Investigación y Desarrollo"Secretaría de Estado de Educación, Universidades, Investigación y Desarrollo • "Universidad Miguel Hernández de Elche"Web de la UMH • "Universidad Politécnica de Madrid"Web de la UPM OTROS • "Biblioteca Virtual Miguel de Cervantes"Primera biblioteca virtual en lengua castellana • "Diarios y Boletines Oficiales en el CDE"Acceso al BOE y a los diarios oficiales de las comuninades CURSOS O SEMINARIOS • "Enlaces a Cursos y Seminarios sobre Color""Prcesamiento Digital de Imágenes y Visión Artificial"Cursos recopilados por la UNED

  16. GRUPO DE AUTOMÁTICA, ROBÓTICA Y VISIÓN ARTIFICIALPROYECTOS DOCENTES • Curso 2000/01 • Simulación del comportamiento de un vehículo en un recinto urbano con tráfico real. • Digitalización de objetos tridimensionales. • Manipulación y clasificación de objetos con Ayuda de un robot y visión artificial. • Reconocer y manipular piezas mediante un brazo robot. • Teleoperación de robots a través de Internet. • Manejar remotamente en tiempo real un brazo robot. • Seguimiento de objetos en tiempo real con ayuda de un brazo robot. • Clasificador automático de mensajes de correo electrónico. • Curso 1999/00 • Análisis ergonómico de puestos de trabajo mediante visión artificial. • Realizar un estudio de ergonomía utilizando visión artificial. • Detección y manipulación de piezas con visión activa y un brazo robot. • Reconocer y manipular piezas mediante un brazo robot.. • Herramienta de especificación, simulación y evaluación de redes LAN e interredes TCP/IP. • Aplicación de herramientas para trabajar con redes.

  17. Curso 1998/99 • Seguimiento de Objetos Móviles mediante Realimentación Visual. • Realizar el seguimiento de diversos objetos mediante Visión Artificial. • Teleoperación de un Brazo de Robot con Ayuda de Realidad Virtual. • Dirigir un brazo de Robot mediante Realidad Virtual. • Reconocimiento y manipulación de piezas. Aplicación: Fichas de Dominó. • Reconocer mediante una cámara diversas piezas y manupularlas mediante un brazo Robot. • Curso 1997/98 • Asignación de Tareas y Planificación en Entornos Multiprocesador Reales. Aplicación a un Sistema de Inspección visual. • Realizar diversas distribuciones de tareas sobre recursos para su ejecución en el mínimo • tiempo posible. • Aplicación y Extensión del Procesado Morfológico a Imágenes en Color. • Elaboración de software para realizar aproximaciones en el futuro procesamiento morfológico de imágenes en color. • Diseño e implementación de un Interfaz Visual para Algoritmos de Visión Artificial. • En el marco de este trabajo se han desarrollado muchas de las funciones y herramientas incluidas en la aplicación entorno visual que forma parte de la interfaz de usuario del entorno de visión artificial.

  18. Curso 1996/97 • Procesamiento Paralelo en Redes de Ordenadores. Aplicación al Preprocesamiento de Imágenes. • El propósito del proyecto es dar una explicación detallada de los conceptos más importantes en los que se fundamenta la comunicación entre ordenadores. • Sistema de Detección de Defectos en Planchas de Aluminio. • El propósito del proyecto es Detectar, mediante Visión Artificial, posibles defectos en el proceso de Laminación de planchas de Aluminio.

  19. PROYECTOS • Sistema de Inspección de Paquetes de Salchichas en Tiempo Real • El Sistema de Inspección de Paquetes de Salchichas toma imágenes de los paquetes a la salida del proceso de pasteurización, y realiza un primer análisis de la imagen para determinar la posición y orientación del paquete. En función de estos resultados, el paquete es colocado automáticamente en la posición adecuada. Posteriormente se analiza la imagen en busca de posibles defectos. Si se detecta alguno de los defectos que se citan más adelante, el paquete es expulsado automáticamente de la cinta transportadora. • Tipos de defectos detectados por el Sistema de Inspección de Salchichas: • Salchichas mal colocadas • Salchichas mutiladas • Pérdida de vacío en los paquetes

  20. Sistema para el Control de la Producción y Empaquetado Automático de Tapas de Guardapolvos Inyectadas Este proyecto se está desarrollando en la actualidad y presenta como objetivo general la investigación y el desarrollo de métodos conducentes a la automatización flexible de los diferentes procesos a los que son sometidas las piezas de plástico una vez formadas: aprehensión, mecanizado y empaquetado. Los objetivos específicos planteados son: Planificación de un sistema de fabricación flexible. Estudio y diseño de los métodos y equipos más adecuados para los diferentes procesos. Análisis y determinación de la distribución y organización óptima de equipos y procesos. Estudio de las técnicas de manipulación, transporte y empaquetado de las piezas. Desarrollo de un prototipo de fabricación flexible que materializase los resultados obtenidos en los puntos anteriores.

  21. Sistema robotizado para la inspección visual automática de discos de freno brutos de fundición Objetivo Este proyecto tiene por objeto la implantación de un sistema que permita la inspección integral de discos brutos de fundición mediante técnicas de Visión 2D y 3D por Computador donde se emplea un fino haz láser plano como patrón de iluminación. Con dicho sistema se determinan las características dimensionales de los discos, detectan defectos (mazarotas, rebabas y poros de hasta 1,5mm de diámetro) en toda su superficie externa e interna, así como obstrucciones totales o parciales de los orificios de ventilación. Desarrollo de un sistema de visión para la detección de grietas en grandes piezas de chapa embutida.

  22. INNOVACIONES • La principal innovación que presenta el proyecto es el desarrollo de dos sistemas de Visión 3D mediante cámaras digitales de alta velocidad y última generación, con objeto de ajustarse al escaso tiempo de ciclo disponible en producción. Así mismo, se ha desarrollado un novedoso procedimiento de calibración de alta precisión para piezas cuya simetría permite su examen en rotación y que no requiere intervención del operador en durante su ejecución. • Otras innovaciones a tener en cuenta, son: • El diseño y desarrollo de un sistema que en conjunto consta de dos equipos de visión 3D y otros dos de visión 2D, un robot y sistemas manipuladores electromecánicos y neumáticos. • Integración y automatización total del sistema conjunto, en el que concurren disciplinas como la Visión por Computador, Mecánica Fina, Automatización Avanzada y Robótica.

  23. üDesde la época de Platón y Aristóteles hasta nuestros días se han formulado teorías sobre como percibe el ser humano su realidad exterior y de que manera usa y representa la información captada por sus sentidos. üDiversos trabajos han establecido las bases de las actuales teorías de percepción visual. Por ejemplo: los estudios de Kepler sobre el análisis geométrico de la formación de la magen en el ojo, los de Newton sobre visión en color y dentro ya de este siglo los de Helmhotz (1910) sobre óptica fisiológica y Wertheimer (1912) sobre el movimiento aparente de agrupaciones de puntos o campos. üEl primer gran paso se dio a principio de este siglo con la aparición de la escuela de psicología de la Gelstat a partir de los trabajos de Wertheimer. Esta escuela estableció que los criterios de tipo generalista tales como similaridad, homogeneidad, cercanía, etcétera, eran suficientes para tratar de explicar las propiedades de los mecanismos psicofísicos de la visión humana. DESARROLLO DE LOS MODELOS DE PERECEPCIÓN VISUAL

  24. ENFOQUES DE LA VISIÓN ARTIFICIAL Los primeros ordenadores digitales (60’s) se encargaban del tratamiento de información espacial y del estudio de las propiedades del sistema de visión humana. El primer problema que se trato de resolver fue el de la determinación de los saltos o discontinuidades presentes en una imagen; pero dad la enorme complejidad mostrada por el sistema de visión humana y como consecuencia del lento avance de las teorías y algoritmos que explicaban su funcionamiento y propiedades, se intento abordar estos problemas de formas más directas a partir de tres enfoques distintos: a)Comandado por las ideas de Ariel Rosenfel, quién comenzó el desarrollo de técnicas empíricas basadas en criterios matemáticos que aproximaban estos problemas de estimación de bordes y líneas usando distintos criterios. b)Consistió en reducir el problema a un mundo de juguete,es decir, un mundo de bloques blancos mate iluminados sobre fondo negro. Los bloques podían tener cualquier forma, siempre que todas sus superficies fueran planas y todos sus bordes rectos. Este modelo funcionó razonablemente bien, permitiendo que los modelos como los de Waltz (1975) y Mackworth (1973) permitieran resolver la interpretación de dibujos lineales calculados a partir de imágenes de prismas sólidos. c) Desatacan los trabajos de Horn (1975, 1977) sobre la formación de la imagen a través de ecuaciones diferenciales que relacionan los valores de intensidad de la imagen con la geometría de la superficie.

  25. a)Comandado por las ideas de Ariel Rosenfel, quién comenzó el desarrollo de técnicas empíricas basadas en criterios matemáticos que aproximaban estos problemas de estimación de bordes y líneas usando distintos criterios. b)Consistió en reducir el problema a un mundo de juguete,es decir, un mundo de bloques blancos mate iluminados sobre fondo negro. Los bloques podían tener cualquier forma, siempre que todas sus superficies fueran planas y todos sus bordes rectos. Este modelo funcionó razonablemente bien, permitiendo que los modelos como los de Waltz (1975) y Mackworth (1973) permitieran resolver la interpretación de dibujos lineales calculados a partir de imágenes de prismas sólidos. c) Desatacan los trabajos de Horn (1975, 1977) sobre la formación de la imagen a través de ecuaciones diferenciales que relacionan los valores de intensidad de la imagen con la geometría de la superficie. ¿De qué manera se implementaban los distintos modelos de cálculo del sistema de visión humano? Para esto, los trabajos de Jules (1975) a partir de estereogramas aleatorios explicaron que el mecanismo de visión humana tiene la posibilidad de interpretar imágenes en 3D usando solamente la información sobre profundidad, distancia, textura, fueron el detonante para el establecimiento de nuevas teorías de tipo modular, en las que se analiza el proceso de visión como una sucesión de transformaciones que a partir de las imágenes del mundo externo produce una descripción que es útil al observador y no esta ensombrecida por información irrelevante.

  26. MODELOS DE VISIÓN COMPUTACIONAL David Marr estableció una metodología modular de tipo botton/up, sobre el procesamiento de la información subyacente en la imagen percibida, la cual esta comprendida por 3 bloques: a) Cálculo del esbozo primitivo como estructura informacional que caracteriza los distintos rasgos básicos (bordes, líneas, arcos, ceros, manchas) presentes en la imagen de intensidad (nivel 2D). b) Construcción de las superficies presentes en la imagen desde el punto de vista del observador, a partir de la información suministrada por el esbozo primitivo y las informaciones tridimensionales proporcionadas por la estereoscopia, sombreado, reflectancia, iluminación, etcétera. c) Construcción del modelo que representa a los objetos en el espacio y permite catalogarlos y compararlos con información previamente almacenada (nivel 3D). También Tenenbaum y Barrow (1976) hicieron propuestas de modelos en los que el proceso de transformación de la información está definido por un ciclo en el que intervienen los datos observados y un proceso dirigido desde la información ya conocida tratando de ajustar sus observaciones.

  27. Uno de los puntos de mayor interés en los dos modelos anteriores, es la determinación de la forma en la cual la información para del nivel más bajo (medidas sin gran carga semántica) al nivel más alto (información semántica); es decir, establecer el proceso por el cual, la información codificada en medidas pasa a ser considerada información de tipo simbólico con una alta carga de nivel semántico. Diversas personas han tratado de dar explicación a este proceso, tal es el caso de: Terzopoulos (1983, 1988) y Blacke y Zisserman (1987) sobre la regularización y reconstrucciónde superficies. A partir de los trabajos desarrollados con las teorías de Marr y sus colaboradores, se ha iniciado un nuevo campo de especialidad denominado Visión Computacional, que trata de explicar los mecanismos de cálculo de visión humana usando para ello procedimientos y métodos de las teorías matemáticas de procesamiento de información. El término de Visión Artificial (dentro del campo de la Inteligencia Artificial), esta considerado como el conjunto de todas aquellas técnicas y modelos que nos permiten el procesamiento, análisis y explicación de cualquier tipo de información espacial obtenida a través de imágenes digitales.

  28. GENESIS Y DESARROLLO DE PROCESAMIENTO Y ANÁLISIS DE IMÁGENES DIGITALES El procesamiento y análisis de imágenes nace en el momento en que se dispone de recursos tecnológicos para captar y manipular grandes cantidades de información espacial en forma de matrices de valores. La primera vez que se hizo uso de las técnicas de imágenes digitales fue en los años 20’s en la transmisión de imágenes de fotografías periodísticas a través de cable submarino entre Londres y Nueva York. En los años 50 y 60’s aparecen las primeras computadoras digitales y la necesidad de disponer de técnicas para la transmisión y procesamiento de imágenes desde satélite. El Jet Propulsion Laboratory (EEUU), encargado del procesamiento de las imágenes mandadas por los primeros satélites de la carrera espacial, dio un gran empuje a las técnicas de transmisión, realce y restauración de las imágenes. Distintas administraciones y organismos llevaron a cabo, durante los años 60 y finales de los 70’s, grandes proyectos de investigación para el desarrollo de técnicas para el estudio de los mecanismos de la visión, tratamiento y análisis de imágenes digitales. Ejemplos:

  29. a) El National Institute of Health (EEUU), dedicó considerable esfuerzo al estudio de imágenes de rayos X, microscopía óptica y electrónica. b) El MIT junto con la Universidad de Satnford trabajaron durante los 70’s en temas de visión aplicada a robótica bajo el proyecto Hand - Eye. c) En Europa se realizó la investigación (70’s) por los profesores G. Matheron y J. Serra de la École National Superieure des Mines de Paris (Francia) con base de resultados de la Geometría Integral y el Cálculo de probabilidades para la caracterización y medición de formas. Esta metodología se denomina Morfología Matemática y ha tenido sus principlaes áreas de aplicación en los campos de la Geología, Biología y la Medicina. d) Se da la aparición de las Técnicas para el procesamiento de imágenes digitales, que son aquellas técnicas de captura, codificación y representación de las imágenes que no introducen sobre las mismas ningún tipo de interpretación. e) Además aparecen las Técnicas para el análisis de imágenes digitales, Técnicas de visión por computadora o Visión mediante robot, que tratan de extraer la información presente en la imagen con el fin de hacer una interpretación de la escena representada por dicha imagen. f) A partir de la segunda mitad de la década de los 80’s, se inicia un creciente interés hacía el desarrollo de nuevas teorías y algoritmos para la interpretación d ela imagen 2D como proyecciones de escenas 3D.

  30. CONCEPTO Y REPRESENTACIÓN DE SEÑALES CONTINUAS a) Por una señal continua entenderemos una función continua de una o varias dimensiones. b) Matemáticamente, podemos decir que toda señal es una función matemática que toma un valor en cada punto del espacio en el que esta definida. c)Por ejemplo, se encuentran los diversos aparatos de medición empleados en el estudio de la Física, Química, Biología, Medicina. d)Un ejemplo más claro, son los distintos tipos de electrogramas usados en Medicina (señales unidimensionales), ya que se representan por una o varias curvas en función del tiempo. e)Las radiografías son señales bidimensionales y los resultados de la topografía axial computarizada y la resonancia nuclear magnética son señales tridimensionales.

  31. REFERENCIAS • http://www.vision-robot.com.ar/ • http://www.vision-robot.com.ar/neurocheck/neuro.html • ACM91 • Computing Curricula 1991, Report of the ACM/IEEE-CS Joint Curriculum Task Force. ACM Computer Society Press, 1991. • Aloimonos89 • Aloimonos J., Shulman D., Integration of Visual Modules. Academic Press, Inc., 1989. • Andrews78 • Andrews H., Tutorial and Selected papers in Digital Image Processing. IEEE Computer Society Press, 1978. • Ballard82 • Ballard D., Brown Ch., Computer Vision. Prentice-Hall, Inc., 1982. • Dasaraty91 • Dasaraty B., NN Pattern Classification Techniques. IEEE Computer Society Press, 1991. • Davies90 • Davies E., Machine Vision: Theory, Algorithms, Practicalities. Academic Press, 1990.

  32. Barnett81 • Barnet V. (Ed.), Interpreting Multivariate Data. John Wiley & Sons, 1981. • Besag86 • Besag J., Dirty Pictures. Royal Statistical Society B, 1986 • Blake87 • Blake A. and Zisserman A., Visual Reconstruction. The MIT Press, 1987. • Bow84 • Bow S., Pattern Recognition. Marcel Dekker, 1984. • Bow92 • Bow S., Pattern Recognition and Image Processing. Marcel Dekker, 1992. • Breiman84 • Breiman L., Friedman J., Olshen R, and Stone C., Classification and Regression Trees. Wadsworth, 1984. • Castleman79 • Castleman K.R., Digital Image Processing. Prentice-Hall, Inc., 1979. • Cressie91 • Cressie N., Statistics for Spatial Data. John Wiley, 1990. • Cross83 • Cross G. and Jain A.K., Markov Random Fiels texture Models. IEEE Trans. on PAMI, Enero-83, pp 25-39.

  33. Devijver81 • Devijver P. and Kittler J., Pattern Recognition: A Statistical Approach. Prentice-Hall, 1981. • Dougherty92 • Dougherty E., An Introduction to Morphological Image Processing. SPIE Optical Engeenering Press, 1992. • Duda73 • Duda R. and Hart P., Pattern Classification and Scene Analysis. Wiley-Interscience, 1973. • Farelle90 • Farrelle P., Recursive Block-Coding for Image Data Compression. Springer-Verlag, 1990. • FiF87 • Fischler M.A., Firschein O., Readings in Computer Vision. Issues, Problems, Principles and Paradigms. Morgan Kaufmann Publishers, Inc., 1987. • Fu80 • Fu K.S., Digital Pattern Recognition. Springer-Verlag, 1980. • Fu82 • Fu K.S., Syntactic Pattern Recognition and Applications. Prentice-Hall, Inc., 1982. • Fukunaga90 • Fukunaga K., Introduction to Statistical Pattern Recognition. Second Edition Academic Press, 1990.

More Related