Percepción Computacional

1. Fase de Entrenamiento

1. Paso 0 (Base de datos): Proporcionar imágenes representativas de lo que se desea reconocer.
2. Paso 1 (Localizar puntos de interés): Identificar elementos distinguibles en las imágenes.
3. Paso 2 (Descripción): Almacenar características en un vector (método menos flexible). Alternativamente, utilizar gradientes para mayor robustez ante cambios de iluminación.
4. Paso 3 (Construir el diccionario): Agrupar texturas similares en ‘palabras visuales’. Este proceso implica definir el número deseado de palabras visuales.
5. Paso 4 (Etiquetar las clases): Construir histogramas para cada clase, representando la frecuencia de cada palabra visual en las imágenes de esa clase.

2. Fase de Operación

1. Localizar los puntos de interés.
2. Describir dichos puntos.
3. Identificar las palabras visuales.
4. Búsqueda Ci.

Clasificación

La clasificación consiste en recibir un dato de entrada y producir un valor discreto, como la identificación de una textura específica.

Métodos de Clasificación

1. Clasificación Supervisada: Utiliza un conjunto de datos de entrenamiento con datos y etiquetas. Clasifica texturas tras construir el diccionario e imágenes tras construir el histograma. Pueden surgir problemas de asociación al asignar una clase a una etiqueta.
   

   Tipos:

   • Teoría Bayesiana de la Decisión: Busca construir un decisor que minimice los errores, asignando a la clase más probable.
   • K-NN (K-Nearest Neighbors): Clasifica un punto basándose en la clase más frecuente entre sus k vecinos más cercanos. El parámetro k define el tamaño del vecindario.
2. Clasificación No Supervisada: Utiliza un conjunto de datos sin etiquetas, solo con descripciones. El objetivo es obtener una función que asocie un objeto a una clase.
   

   Tipos:

   • Clasificador K-Medias: Se utiliza para construir el diccionario. Inicialmente, se eligen k puntos al azar como representantes de las clases. Se asigna cada muestra al representante más cercano. Se calcula la mediatriz entre los puntos, definiendo la frontera entre clases. El proceso se repite iterativamente hasta que la asignación de muestras no cambie. Este método puede converger a soluciones subóptimas debido a la elección aleatoria de los puntos iniciales.

Procesamiento de Imágenes y Descripción

Formación de imágenes: Una imagen digital se forma cuando la luz reflejada por un objeto se proyecta en un sensor. La imagen resultante es una función que asigna niveles de gris a cada punto, y la resolución digital determina la cantidad de detalles que se pueden capturar.

Tratamiento de Imágenes

Filtrado lineal: Se utiliza para detectar bordes en las imágenes. Los gradientes, que son las primeras derivadas de la intensidad, son sensibles a los cambios de iluminación y permiten ubicar los bordes con precisión. Un gradiente de valor 0 indica la ausencia de borde, mientras que un valor distinto de 0 indica la presencia de un borde.

Descriptores Locales Invariantes

Conjunto de puntos de interés que son repetibles, distintivos, compactos, eficientes y locales.

1. Detección: Detectar esquinas o manchas. Las esquinas se caracterizan por tener componentes de gradientes en diferentes direcciones, mientras que las manchas permiten calcular su escala. Las esquinas se encuentran calculando el gradiente de cada píxel, y las manchas se encuentran calculando los máximos de la segunda derivada. La dimensión x e y nos da la posición y teta el tamaño.
2. Descripción de los puntos de interés: La orientación de la imagen se puede saber mediante los gradientes, con la escala del operador de la segunda derivada el tamaño de la ventana. Para describir la imagen dentro de la ventana se utilizan histogramas de gradientes. Para ello se proyecta sobre la ventana una malla de 4×4 y cada submalla en una de 5×5. Posteriormente se calcula el gradiente, y para ello se debe calcular el sumatorio de los 25 gradientes de cada submalla y luego se multiplicaría por el de la malla de 4×4 y se obtendría un vector de 64 elementos.
3. Emparejar los puntos de interés mediante un clasificador.