Please use this identifier to cite or link to this item: https://hdl.handle.net/20.500.12104/80478
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorZaldivar Navarro, Daniel-
dc.contributor.advisorCuevas Jiménez, Erik Valdemar-
dc.contributor.authorFausto Martínez, Fernando Abraham-
dc.contributor.editorCUCEI-
dc.contributor.editorUniversidad de Guadalajara-
dc.contributor.otherMAESTRO EN CIENCIAS EN INGENIERÍA ELECTRÓNICA Y COMPUTACIÓN-
dc.date.accessioned2020-04-02T18:26:29Z-
dc.date.available2020-04-02T18:26:29Z-
dc.date.issued2014-
dc.identifier.urihttp://wdg.biblio.udg.mx-
dc.identifier.urihttps://hdl.handle.net/20.500.12104/80478-
dc.description.abstractEncontrar 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.tableofcontentsCONTENIDO 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.formatapplication/PDF-
dc.language.isoes-
dc.publisherBiblioteca Digital wdg.biblio-
dc.publisherUniversidad de Guadalajara-
dc.rights.urihttps://wdg.biblio.udg.mx/politicasdepublicacion.php-
dc.titleDESCRIPTOR DE CARACTERÍSTICAS LOCALES PARA IMÁGENES DIGITALES BASADO EN LA ESTRUCTURA DE LAS TELARAÑAS-
dc.typeTesis-
dc.typeMaestría-
dc.rights.holderUniversidad de Guadalajara-
dc.rights.holderFausto Martínez, Fernando Abraham-
dc.coverageGuadalajara, Jalisco-
Appears in Collections:CUCEI

Files in This Item:
File SizeFormat 
MCUCEI01037FT.pdf2.29 MBAdobe PDFView/Open


Items in RIUdeG are protected by copyright, with all rights reserved, unless otherwise indicated.