ıllı Internet y Tecnologías de la Información (2018)

internet, Hosting, dominios, seo, antivirus, banco de imágenes, páginas web, tiendas online

[Enciclopedia Online Gratuita] Diccionario de Internet y Tecnologías de la Información y la Comunicación (TIC):

ıllı Detección de características (visión por computadora) : que es, definición y significado, descargar videos y fotos.

videos internet

salud  ıllı Detección de características (visión por computadora) : que es, definición y significado, descargar videos y fotos.  


No hay una definición universal o bien precisa de qué forma una característica, y la definición precisa frecuentemente depende de el inconveniente o bien el género de aplicación. Puesto que, una característica está definida como una parte "interesante" de una imagen, y las peculiaridades se emplean como punto de inicio para muchos algoritmos de visión por computadoras. Como las peculiaridades se usan como punto de inicio y las primitivas primordiales para algoritmos siguientes, el algoritmo general de manera frecuente solo va a ser tan bueno como su detector de peculiaridades. En consecuencia, la propiedad deseable para un detector de peculiaridades es ''repetibilidad'': si se advertirá o bien no exactamente la misma característica en 2 o bien más imágenes diferentes de exactamente la misma escena.


La detección de peculiaridades es una operación de procesamiento de imágenes de bajo nivel. O sea, en general se efectúa como la primera operación en una imagen y examina cada pixel para poder ver si hay una característica presente en ese pixel. Si esto es una parte de un algoritmo mayor, entonces el algoritmo generalmente solo examinará la imagen en la zona de las peculiaridades. Como requisito previo incorporado para la detección de peculiaridades, la imagen de entrada acostumbra a suavizarse a través de un núcleo Gaussiano en representación de escala-espacio y se calcula una o bien múltiples imágenes de entidades , frecuentemente expresado en concepto de operaciones de derivados de imágenes locales.


Ocasionalmente, cuando la detección de peculiaridades es computacionalmente costosa y hay restricciones de tiempo, se puede emplear un algoritmo de nivel superior para guiar la etapa de detección de peculiaridades, de tal modo que solo se procuran peculiaridades de determinadas unas partes de la imagen.


Muchos algoritmos de visión por computadora usan la detección de peculiaridades como paso inicial, con lo que se ha desarrollado un sinnúmero de detectores de funciones. Estos cambian extensamente en las clases de peculiaridades detectadas, la dificultad computacional y la repetibilidad.


Los bordes son puntos donde hay un límite (o bien un borde) entre 2 zonas de imagen. Generalmente, un borde puede ser de forma prácticamente arbitraria, y puede incluir uniones. En la práctica, los bordes por norma general se definen como conjuntos de puntos en la imagen que tienen una fuerte magnitud de gradiente. Además de esto, ciertos algoritmos comunes encadenarán puntos de gradiente alto para formar una descripción más completa de un borde. Estos algoritmos por norma general ponen ciertas limitaciones en las propiedades de un borde, como la manera, la suavidad y el valor del degradado.


Localmente, los bordes tienen una estructura unidimensional.


Esquinas / puntos de interés


Los términos esquinas y puntos de interés se utilizan de forma reemplazable y se refieren a peculiaridades puntuales en una imagen, que tienen una estructura bidimensional local. El nombre "Esquina" brotó desde el momento en que los primeros algoritmos efectuaron por vez primera detección de bordes, y después examinaron los bordes para localizar cambios veloces en la dirección (esquinas). Estos algoritmos se desarrollaron entonces de tal modo que ya no se requería la detección explícita de bordes, por servirnos de un ejemplo buscando altos niveles de curvatura en el gradiente de la imagen. Entonces se observó que las llamadas esquinas asimismo se advertían en unas partes de la imagen que no eran esquinas en el sentido tradicional (por servirnos de un ejemplo, se puede advertir una pequeña mácula refulgente sobre un fondo obscuro). Estos puntos se conocen frecuentemente como puntos de interés, mas el término "esquina" es utilizado por la tradición.


Blobs / zonas de puntos de interés


Los blobs dan una descripción complementaria de las estructuras de la imagen en concepto de zonas, en contraste a las esquinas que son más puntuales. No obstante, los descriptores de máculas frecuentemente pueden contener un punto preferido (un máximo local de una contestación del operador o bien un centro de gravedad) lo que quiere decir que muchos detectores de máculas asimismo pueden considerarse operadores de puntos de interés. Los detectores de blobs pueden advertir áreas en una imagen que son demasiado suaves para ser detectadas por un detector de esquina.


Considere reducir una imagen y después efectuar detección de esquina. El detector responderá a los puntos que son limpios en la imagen contraída, mas puede ser suave en la imagen original. Es en este punto que la diferencia entre un detector de esquina y un detector de blob se vuelve algo vaga. En buena medida, esta distinción puede solucionarse incluyendo una noción de escala apropiada. No obstante, debido a sus propiedades de contestación a diferentes géneros de estructuras de imagen a diferentes escalas, los detectores de blob LoG y DoH asimismo se mientan en el artículo sobre detección de esquinas.


Para los objetos alargados, la noción de "crestas" es una herramienta natural. Un descriptor de cresta calculado desde una imagen de nivel de gris se puede ver como una generalización de un eje medio. Desde determinado punto de vista práctico, una cresta se puede estimar como una curva unidimensional que representa un eje de simetría, y además de esto tiene un atributo de ancho de cresta local asociado con cada punto de cresta. Desafortunadamente, no obstante, es algorítmicamente más bastante difícil extraer las peculiaridades de cresta de las clases generales de imágenes de nivel de grises que las peculiaridades de borde, esquina o bien burbuja. No obstante, los descriptores de cresta se emplean habitualmente para la extracción de carreteras en imágenes aéreas y para extraer vasos sanguíneos en imágenes médicas - consulte detección de cresta.


Una vez que se han detectado las peculiaridades, se puede extraer un parche de imagen local cerca de la característica. Esta extracción puede implicar cantidades bastante notables de procesamiento de imágenes. El resultado se conoce como descriptor de peculiaridades o bien vector de peculiaridades.Entre los enfoques que se emplean para la descripción de peculiaridades, se pueden mentar N-jets y histogramas locales (ver transformación de característica invariante de escala para un caso de un descriptor de histograma local). Aparte de dicha información de atributos, el paso de detección de peculiaridades en sí asimismo puede administrar atributos complementarios, como la orientación del borde y la magnitud del gradiente en la detección de bordes y la polaridad y la intensidad del blob en la detección de blobs.


  ELIGE TU TEMA DE INTERÉS: 


autoayuda.es   Internet y Tecnologias 

Está aquí: Inicio > [ INTERNET ] > ıllı Detección de características (visión por computadora) : que es, definición y significado, descargar videos y fotos.

Las cookies nos permiten ofrecer nuestros servicios. Al utilizar nuestros servicios, aceptas el uso que hacemos de las cookies. Ver políticas