Por favor, use este identificador para citar o enlazar este ítem:
https://hdl.handle.net/20.500.12104/80478Registro completo de metadatos
| Campo DC | Valor | Lengua/Idioma |
|---|---|---|
| dc.contributor.advisor | Zaldivar Navarro, Daniel | - |
| dc.contributor.advisor | Cuevas Jiménez, Erik Valdemar | - |
| dc.contributor.author | Fausto Martínez, Fernando Abraham | - |
| dc.date.accessioned | 2020-04-02T18:26:29Z | - |
| dc.date.available | 2020-04-02T18:26:29Z | - |
| dc.date.issued | 2014 | - |
| dc.identifier.uri | http://wdg.biblio.udg.mx | - |
| dc.identifier.uri | https://hdl.handle.net/20.500.12104/80478 | - |
| dc.description.abstract | Encontrar las correspondencias entre dos imágenes digitales de una misma escena u objeto es una de las tareas más importantes en una amplia variedad de aplicaciones de visión computacional, como pueden ser la calibración de cámaras, registro de imágenes, reconocimiento de objetos, navegación visual, etc. Recientemente, el desarrollo de detectores de características invariantes al escalamiento y la rotación se ha vuelto un problema de investigación de gran importancia, y como resultado de esto, una gran variedad de dichos detectores han sido propuestos. Algunos de los detectores de características más típicamente utilizados incluyen los detectores de Diferencia Gaussiana (DoG), detectores basados en el método de detección de Harris y los detectores basados en el cómputo del Hessiano de la imagen. | - |
| dc.description.tableofcontents | CONTENIDO RESUMEN ........ ........ ........ ........ ........ ........ ........ ........ ........ ........ ........ ........ ........ ........ ........ ........ ........ ........ ......... 7 ABSTRACT ...................... ........ ........ ........ ........ ........ ........ ........ ........ ........ ........ ........ ........ ........ ........ ........ ......... 9 AGRADECIMIENTOS ............. ........ ........ ........ ........ ........ ........ ........ ........ ........ ........ ........ ........ ........ ........ ....... 11 l. INTRODUCCIÓN ............... ........ ........ ........ ........ ........ ........ ........ ........ ........ ........ ........ ........ ........ ........ ....... 19 1.1. ANTECEDENTES ....................................... ........ ........ ........ ........ ........ ........ ........ ........ ........ ........ ....... 21 1.2. PLANTEAMIENTO DEL PROBLEMA ..... ........ ........ ........ ........ ........ ........ ........ ........ ........ ........ ....... 23 1.3. OBJETIVOS DE LA TESIS ......... ........ ........ ........ ........ ........ ........ ........ ........ ........ ........ ........ ........ ....... 24 1.3.1. OBJETIVO GENERAL ................. ........ ........ ........ ........ ........ ........ ........ ........ ........ ........ ........ ....... 24 1.3.2. OBJETIVOS ESPECÍFICOS ........ ........ ........ ........ ........ ........ ........ ........ ........ ........ ........ ........ ....... 24 1.4. DESCRIPCIÓN DE CAPÍTULOS ....... ........ ........ ........ ........ ........ ........ ........ ........ ........ ........ ........ ....... 24 2. CARACTERÍSTICAS LOCALES ............................................................................................................. 26 2.1. PROPIEDADES IDEALES DE LAS CARACTERISTICAS LOCALES ........................................... 27 3. DETECTORES DE CARACTERÍSTICAS LOCALES ............................................................................. 29 3. l. CLASIFICACIÓN DE CARACTERÍSTICAS LOCALES ................................................................. 29 3.2. DETECTORES DE BORDES ............................................................................................................. 30 3.2.1. DETECCIÓN DE BORDES BASADA EN EL GRADIENTE LOCAL ..................................... 31 3.2.2. DETECCIÓN DE BORDES BASADA EN EL FILTRADO GAUSSIANO ................................ 32 3.3. DETECTORES DE ESQUINAS .......................................................................................................... 36 3.3.1. DETECTORES DE ESQUINAS BASADOS EN LA MATRIZ DE AUTO CORRELANCIÓN 37 3.3.2. DETECTOR DE ESQUINAS "SUSAN" ...................................................................................... 40 3.3.3. DETECTOR DE ESQUINAS "FAST" ......................................................................................... 42 3.4. DETECTORES DE MASAS (BLOBS) ............................................................................................... 43 3.4.1. DETECTORES DE MASAS BASADOS EN EL FILTRO GAUSSIANO .................................. 43 3.4.2. DETECTORES DE MASAS BASADOS EN EL HESSIANO ..................................................... 46 3.5. DETECTORES DE REGIONES .......................................................................................................... 48 3.5.1. DETECTOR DE REGIONES BASADO EN EXTREMOS DE INTENSIDAD .......................... 48 3.5.2. REGIONES EXTREMAS MÁXIMAMENTE ESTABLES (MSER) .......................................... 50 4. DESCRIPTORES DE CARACTERÍSTICAS ............................................................................................ 52 4.1. CLASIFICACIÓN DE DESCRIPTORES DE CARACTERÍSTICAS ................................................. 53 4.2. DESCRIPTORES DE CARACTERÍSTICAS BASADOS EN TEXTURAS ....................................... 54 4.2.1. HISTOGRAMA DE GRADIENTES ORIENTADOS (HOG) ...................................................... 54 4.2.2. DESCRIPTOR DE HISTOGRAMAS DE BORDES (EHD) ........................................................ 55 4.2.3. SCALE INV ARIANT FEATURE TRANSFORM (SIFT) ............................................................ 57 4.2.4. SPEEDED-UP ROBUST FEATURES (SURF) ............................................................................ 59 4.2.5. BINARY ROBUST INV ARIANT SCALABLE KEYPOINTS (BRISK) ..... ........ ........ ........ ....... 64 4.2.6. F AST RETINA KEYPOINTS (FREAK) ............................... ........ ........ ........ ........ ........ ........ ....... 65 5. CORRESPONDENCIAS DE CARACTERÍSTICAS LOCALES ............................... ........ ........ ........ ....... 67 5.1. MÉTODOS DE CLASIFICACIÓN DE PARES DE CARACTERÍSTICAS ....... ........ ........ ........ ....... 68 5.1.1. SUMA DE DIFERENCIAS CUADRADAS (SSD) ...................................... ........ ........ ........ ....... 68 5.1.2. RAZÓN DE LA SUMA DE DIFERENCIAS CUADRADAS (SSDR) ........ ........ ........ ........ ....... 69 5.1.3. DISTANCIADEHAMMING ...................................................................................................... 70 5.2. LACURVAROC ................................................................................................................................ 71 5.3. EVALUACIÓN DE DESEMPEÑO EN LA CLASIFICACIÓN DEPARES DE CARACTERÍSTICAS UTILIZANDO LA CURVA ROC .......................................................................... 74 6. LAS ARAÑAS EN LA NATURALEZA ................................................................................................... 76 6.1. ASPECTOS BIOLÓGICOS GENERALES ........................................................................................ 76 6.2. TELARAÑAS ...................................................................................................................................... 79 7. SLIF (SPIDER-NEST LOCAL IMAGE FEATURES) .............................................................................. 83 7. l. DETECCIÓN DE PUNTOS DE INTERES ........................................................................................ 84 7.2. ASIGNACIÓN DE ORIENTACIONES .............................................................................................. 85 7.3. ASIGNACIÓN DE PESOS ................................................................................................................. 89 7.4. CONSTRUCCIÓN DEL DESCRIPTOR BINARIO "SLIF" .............................................................. 91 8. RESULTADOS EXPERIMENTALES ....................................................................................................... 94 8.1. RESUMEN DEL ALGORITMO ......................................................................................................... 94 8.2. CONSTRUCCIÓN DEL CONJUNTO DE DATOS (DATASET) ..................................................... 95 8.3. PRUEBAS DE PAREO DE CORRESPONDENCIAS ....................................................................... 99 8.4. PRUEBAS DE DESEMPEÑO .......................................................................................................... 103 9. IMPLEMENTACIÓNES DEL DESCRIPTOR "SLIF" ........................................................................... 109 9 .1. DETECCIÓN DE PATRONES UTILIZANDO EL DESCRIPTOR DE CARACTERÍSTICA "SLIF". 109 9 .2. RECONSTRUCCIÓN PANORÁMICA UTILIZANDO EL DESCRIPTOR DE CARACTERÍSTICAS "SLIF" ........................................................................................................................................................ 113 10.CONCLUSIONES ....................................... ........ ........ ........ ........ ........ ........ ........ ........ ........ ........ ........ ..... 117 10.1. CONCLUSIONES GENERALES .................................................................................................... 117 10.2. TRABAJO FUTURO ........................................................................................................................ 118 REFERENCIAS ............................................................................................................................................. 119 | - |
| dc.format | application/PDF | - |
| dc.language.iso | spa | - |
| dc.publisher | Biblioteca Digital wdg.biblio | - |
| dc.publisher | Universidad de Guadalajara | - |
| dc.rights.uri | https://wdg.biblio.udg.mx/politicasdepublicacion.php | - |
| dc.title | DESCRIPTOR DE CARACTERÍSTICAS LOCALES PARA IMÁGENES DIGITALES BASADO EN LA ESTRUCTURA DE LAS TELARAÑAS | - |
| dc.type | Tesis de Maestria | - |
| dc.rights.holder | Universidad de Guadalajara | - |
| dc.rights.holder | Fausto Martínez, Fernando Abraham | - |
| dc.coverage | Guadalajara, Jalisco | - |
| dc.type.conacyt | masterThesis | - |
| dc.degree.name | MAESTRIA EN CIENCIAS EN INGENIERÍA ELECTRÓNICA Y COMPUTACIÓN | - |
| dc.degree.department | CUCEI | - |
| dc.degree.grantor | Universidad de Guadalajara | - |
| dc.degree.creator | MAESTRO EN CIENCIAS EN INGENIERÍA ELECTRÓNICA Y COMPUTACIÓN | - |
| Aparece en las colecciones: | CUCEI | |
Ficheros en este ítem:
| Fichero | Tamaño | Formato | |
|---|---|---|---|
| MCUCEI01037FT.pdf | 2.29 MB | Adobe PDF | Visualizar/Abrir |
Los ítems de RIUdeG están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.