Adquisision De Imagenes

RECONOCOMIENTO DE FIGURAS GEOMETRICAS AL PASO DE IMAGENES POR UNA RED NEURONAL UTILIZANDO MATLAB

Christian A. Pabon N. 808546

Mario F. Lagos V. 809032

Sebastián F. Burbano. 809008

RESUMEN:

En este documento se encuentra la implementación de un “Programa reconocedor de figuras geométricas a través de Matlab además se dara una breve explicación acerca de el “Reconocimiento de patrones y las redes neuronales artificiales ” que son la columna vertebral de este proyecto.

El objetivo principal del proyecto es desarrollar un software en Matlab que sea capaz de reconocer en "tiempo real", FIguras geométricas simples tales como triangulos, circulos y/o cuadrados.

INDEX TERM: red neuronal, reconocimiento de patrones, clasificadores, estimadores.

INTRODUCCION:

El reconocimiento de imágenes es una revolucionaria tecnología, que ha sido inspirada en el sistema de visión humano. El resultado es una nueva forma de búsqueda visual de productos que proporciona nuevas y diferentes experiencias tanto para usuarios como para negocios.

En el fondo lo que se trata de conseguir es copiar el funcionamiento de la corteza visual (parte del cerebro que procesa la información visual), analizando su inalterabilidad ante variaciones en las condiciones de luz, orientación y distorsión geométrica.

Paralelamente al desarrollo de este sistema de reconocimiento de imágenes, Nos hemos beneficiado de la fabulosa evolución que ha sufrido durante los últimos tiempos el mundo de las infografías informáticas, hasta el punto de ser capaces de generar miles de unidades de procesamiento que se combinan entre ellas para simular el modo en que las neuronas visuales humanas operan para reconocer rápida y eficientemente lo que los ojos están viendo.

MARCO TEORICO

• Reconocimiento de patrones

Básicamente, el Reconocimiento de Patrones es la asociación de una observación, a una experiencia pasada o conocimiento. Para el ser humano, ciertas tareas del Reconocimiento de Patrones son naturales y las llevamos a cabo en todo momento: cuando reconocemos la voz de un conocido en una conversación telefónica, al recordar la cara de alguien al escuchar su nombre, cuando resolvemos las tareas cotidianas de cada una de nuestras profesiones en las que aplicamos una solución dada a un problema específico o al recordar el teléfono de un amigo, sin embargo, existen algunas tareas que no son para nosotros tan naturales y fáciles como predicciones sísmicas y predicciones de financieras entre otras.

En el Reconocimiento de Patrones se llevan a cabo básicamente dos tipos de tareas de las cuales parten todas las tareas que se puedan imaginar, es decir, todas las tareas que se resuelvan en Reconocimiento de Patrones son casos especiales o se pueden categorizar como uno de estos dos tipos: Clasificación y Estimación.

La Clasificación es la tarea de asignar una etiqueta a una observación: Asignar si una foto de una cara pertenece a la clase hombre o a la clase mujer, Asignar si una letra escrita en un papel, pertenece a la clase "A", "B", "C" ... "Y" ó "Z".

La Estimación por su parte es la tarea de asignar una aproximación de un valor numérico a una observación como por ejemplo: intentar calcular la edad de una persona o tratar de estimar el valor del futuro del dolar.

La principal diferencia entre ambas es que en la estimación, las "clases", por lo general son valores numéricos secuencialmente ordenados, por lo que se permite y funciona la aproximación, es decir, estimar que el dolar valdrá 13.4 siendo que su valor real fue de 13.6 es mejor que haber estimado que el dolar valdría 13.1. En la clasificación, por el contrario, las clases no suelen llevar una secuencia lógica en la que una aproximación sea útil, por ejemplo, clasificar en un texto una "y" como si fuera una "h" no sirve más que clasificarla como si fuera una "x". Se necesita clasificarla como una "h" para poder interpretar correctamente el texto.

Independientemente del tipo de tarea que se lleve a cabo, la estructura básica de un sistema de RP es la siguiente:

Como entrada, los sistemas de Reconocimiento de patrones requieren una observación a la cuál se le quiere asignar una etiqueta. Esta observacion es un patrón, el cuál es la representación abstracta de un objeto por medio de sus características.

En términos computacionales, un patrón estará conformado por un vector v donde cada uno de sus componentes corresponde a la medición de cada una de sus características. Por ejemplo: Digamos que queremos clasificar tipos de casas. Lo primero que necesitamos es definir qué características del concepto de casa nos serán útiles para diferenciar entre las distintas clases de casas que nos interesan. Sin entrar en más detalles supongamos que lo que nos interesa es: número de pisos, área del terreno, área construida, número de ventanas y número de puertas.

La Definición de nuestro patrón, quedaría entonces representado por un vector con la siguiente forma:

p = (pisos,área terreno,área construcción,ventanas, puertas)

Un patrón en concreto podría ser el patrón de mi casa "v"=(2,150,300,9,8).

• Redes Neuronales Artificiales

Con las Redes Neuronales se busca la solución de problemas complejos, no como una secuencia de pasos, sino como la evolución de unos sistemas de computación inspirados en el cerebro humano, y dotados por tanto de cierta "inteligencia", los cuales no son sino la combinación de elementos simples de proceso (neuronas - se dará una visión rápida sobre el funcionamiento de las mismas en los seres vivos-) interconectados, que operando de forma paralela en varios estilos

...