El objetivo de esta tesis es desarrollar un modelo neuronal multi-escala para el reconocimiento de imágenes en color de escenas texturadas. El modelo, que combina información cromática y textural para segmentar y reconocer las imágenes de forma coherente, está constituido por dos módulos principales: el módulo de segmentación compuesto por el Sistema de Color Oponente (COS) y el Sistema de Segmentación Cromática (CSS); y el módulo de reconocimiento basado en una red neuronal ARTMAP con propiedades de invarianza en escala y en orientación. La segmentación se realiza mediante la extracción de contornos perceptuales y procesos de difusión sobre los canales oponentes cromáticos, basados en la teoría psicofísica humana de la percepción del color. El módulo CSS lleva a cabo los procesos de realzado de las regiones de color mediante un bucle multi-escala de filtros orientados y mecanismos de competición-cooperación. Estos realzados, junto con las características de textura constituyen el patrón de entrada al clasificador neuronal supervisado. Posteriormente, la etapa neuronal realiza un reconocimiento atentivo de la escena.

Hersteller:
BoD - Books on Demand
info@bod.de
In de Tarpen 42
DE 22848 Norderstedt

Profesora en el Dpto. Teoría de la Señal y Comunicaciones e Ingeniería Telemática de la Universidad de Valladolid (España) y miembro del grupo de investigación reconocido GTI, que dirige Francisco J. Díaz-Pernas. Entre sus intereses se incluyen los modelos bioinspirados, la visión artificial y la inteligencia artificial.