Utp pd_iy_va_sap12 reconocimiento de patrones

Procesamiento de Imágenes

y Visión Artificial

(WEE2)

Sesión: 12

Ing. José C. Benítez P.

Reconocimiento de Patrones

Logros de aprendizaje

1. Definir en que consiste el reconocimiento de patrones de

imágenes.

2. Conocer los principios y procesos del reconocimiento de

patrones

3. Identificar el objetivo y las formas del reconocimiento de

patrones.

4. Describir a un sistema de reconocimiento de patrones,

5. Diferenciar los procedimientos y aplicaciones del

reconocimiento de patrones.

6. Entender los diferentes descriptores de formas.

2

3

Contenido

Reconocimiento de patrones de imágenes:

� Introducción al reconocimiento de patrones.

� Principios del reconocimiento de patrones.

� Procesos reconocimiento de patrones.

� Objetivo del reconocimiento de patrones.

� Formas de reconocimiento de patrones.

� Sistema de reconocimiento de patrones.

� Procedimientos del reconocimiento de patrones.

� Aplicaciones del reconocimiento de patrones.

� Descriptores de formas.

Introducción al reconocimiento de patrones

Esquema general del análisis de imágenes

4

Introducción al reconocimiento de patrones

Esquema general del análisis de imágenes

5

Introducción al reconocimiento de patrones

� El RP también es llamado:

� lectura de patrones,

� identificación de figuras y

� reconocimiento de formas.

� El RP es la ciencia que se ocupa de los procesos de

ingeniería, computación y matemáticas relacionados

con objetos físicos o abstractos, con el propósito de

extraer información que permita establecer propiedades

de entre conjuntos de dichos objetos.

� En general el RP consiste en el reconocimiento de patrones de señales.

6

Principios del reconocimiento de patrones

� Los patrones se obtienen a partir de los procesos de:

� segmentación,

� extracción de características y

� descripción,

dónde cada objeto queda representado por una colección de descriptores.

� El sistema de reconocimiento debe asignar a cada objeto su categoría o clase.

� Categoría o clase. Conjunto de entidades que comparten alguna característica que las diferencia del resto.

7

Procesos del reconocimiento de patrones

Para poder reconocer los patrones se siguen los

siguientes procesos:

1. adquisición de datos.

2. extracción de características.

3. toma de decisiones.

8

Objetivo del reconocimiento de patrones

El objetivo esencial

del reconocimiento

de patrones es la

clasificación: se

quiere clasificar una

señal dependiendo

de sus

características.

9

Formas del reconocimiento de patrones

Las señales, características y clases pueden ser de cualquiera forma, por ejemplo se puede clasificar:

- Imágenes digitales de letras en las clases «A» a «Z» dependiendo de sus píxeles o

- Sonidos de cantos de los pájaros en clases de órdenes aviares dependiendo de las frecuencias.

10

Sistema de reconocimiento de patrones

Un sistema completo de reconocimiento de patrones incluye:

� un sensor que recoge fielmente los elementos del universo a ser clasificado,

� un mecanismo de extracción de características cuyo propósito es extraer la información útil, eliminando la información redundante e irrelevante, y

� una etapa de toma de decisiones en la cual se asigna a la categoría apropiada los patrones de clase desconocida a priori.

11

Sensor

El sensor es el dispositivo encargado de la adquisición de datos y es capaz de transformar magnitudes físicas o químicas, llamadas variables de instrumentación, en magnitudes eléctricas.

12

Sensor

Las variables de instrumentación dependen del tipo de sensor y pueden ser por ejemplo:

- temperatura,

- intensidad lumínica,

- distancia,

- aceleración,

- inclinación,

- desplazamiento,

- presión,

- fuerza,

- torsión,

- humedad,

- etc. 13

Extracción de características

• Es el proceso de generar características que puedan ser usadas en el proceso de clasificación de los datos.

• En ocasiones viene precedido por un preprocesado de la señal, necesario para corregir posibles deficiencias en los datos debido a errores del sensor, o bien para preparar los datos frente a posteriores procesos en las etapas de extracción de características o clasificación.

• Las características elementales están explícitamente presentes en los datos adquiridos y pueden ser pasados directamente a la etapa de clasificación.

• Las características de alto orden son derivadas de las elementales y son generadas por manipulaciones o transformaciones en los datos.

14

Clasificación

• La clasificación trata de asignar las diferentes partes del vector de características a grupos o clases, basándose en las características extraídas.

• En esta etapa se usa lo que se conoce como aprendizaje automático, cuyo objetivo es desarrollar técnicas que permitan a las computadoras aprender.

15

Procedimientos de Clasificación

• Geométrico (Clustering):

• Los patrones deben ser graficables.

• Emplea el cálculo de distancias, geometría de formas, vectores numéricos, puntos de atracción, etc.

• Estadístico:

• Se basa en la teoría de la probabilidad y la estadística.

• Utiliza análisis de varianzas, covarianzas, dispersión, distribución, etc.

16

Aplicaciones del reconocimiento de patrones

1. Previsión meteorológica.

2. Reconocimiento de caracteres escritos a mano o a máquina.

3. Reconocimiento de voz.

4. Aplicaciones en medicina.

5. Reconocimiento de huellas dactilares.

6. Reconocimiento de caras.

7. Interpretación de fotografías.

8. Predicción de magnitudes máximas de terremotos.

9. Reconocimiento de objetos.

10. Reconocimiento de música.

17

Aplicaciones del reconocimiento de patrones

1. Previsión meteorológica:

Poder clasificar todos los datos meteorológicos según diversos patrones, y con el conocimiento a priori que tenemos de las diferentes situaciones que pueden aparecer nos permite crear mapas de predicción automática.

2. Reconocimiento de caracteres

Escritos a mano o a máquina: es una de las utilidades más populares de los SRP ya que los símbolos de escritura son fácilmente identificables.

3. Reconocimiento de voz:

El análisis de la señal de voz se utiliza actualmente en muchas aplicaciones, un ejemplo claro son los tele operadores informáticos.

18

Aplicaciones del reconocimiento de patrones

4. Aplicaciones en medicina:

Análisis de biorritmos, detección de irregularidades en imágenes de rayos-x, detección de células infectadas, marcas en la piel...

5. Reconocimiento de huellas dactilares:

Utilizado y conocido por la gran mayoría, mediante las huellas dactilares todos somos identificables y con programas que detectan y clasifican las coincidencias, resulta sencillo encontrar correspondencias.

6. Reconocimiento de caras:

Utilizado para contar asistentes en una manifestación o simplemente para detectar una sonrisa, ya hay diferentes cámaras en el mercado con esta opción disponible.

19

Aplicaciones del reconocimiento de patrones

20

7. Interpretación de fotografías

Aéreas y de satélite: gran utilidad para propuestas militares o civiles, como la agricultura, geología, geografía, planificación urbana...

8. Predicción de magnitudes

Máximas de terremotos.

9. Reconocimiento de objetos:

Con importantes aplicaciones para personas con discapacidad visual.

10. Reconocimiento de música:

Identificar el tipo de música o la canción concreta que suena.

Descriptores de formas

• Descriptores de contornos

• Descriptores de regiones

21

Descriptores de contornos

Descriptores de Fourier

22

Descriptores de contornos

Descriptores de Fourier

23

Descriptores de contornos

Descriptores de Fourier

24

Descriptores de regiones

Representación en momentos

25

Descriptores de regiones

Representación en momentos

26

Descriptores de regiones

Representación en momentos

27

Descriptores de regiones

Atributos geométricos

28

Descriptores de regiones

Atributos geométricos

29

Bibliografía

30

1. Richard O. Duda, Peter E. Hart, David G. Stork (2001) Pattern classification(2ª edición), Wiley, New York, ISBN 0-471-05669-3.

2. Dietrich Paulus and Joachim Hornegger (1998) Applied Pattern Recognition(2ª edición), Vieweg. ISBN 3-528-15558-2

3. J. Schuermann: Pattern Classification: A Unified View of Statistical and Neural Approaches, Wiley&Sons, 1996, ISBN 0-471-13534-8

4. Sholom Weiss and Casimir Kulikowski (1991) Computer Systems That Learn, Morgan Kaufmann. ISBN 1-55860-065-5

Resumen

31

� Realizar un resumen mediante mapas conceptuales (CMapTools)

de esta diapositiva.

� Serán mejor consideradas los resúmenes que tengan información

extra a esta diapositiva.

� Las fuentes adicionales utilizadas en el resumen se presentarán

en su carpeta personal del Dropbox y deben conservar el nombre

original y agregar al final _S12.

� Las fuentes y los archivos *.cmap deben colocarse dentro de su

carpeta personal del Dropbox, dentro de una carpeta de nombre:

PDI_PaternoM_S12

Las Tareas que no cumplan las

indicaciones no serán considerados

por el profesor.

32

Preguntas

El resumen con mapas conceptuales solicitado de la Sesión, al

menos debe responder las siguientes preguntas:

1. Definición y objetivo del RP.

2. Listar los procesos a partir del cual se obtienen los patrones.

3. Definir una categoría o clase.

4. Listar los procesos del RP.

5. Listar formas del RP.

6. Elementos de un SRP. Definir cada uno. Ejemplo de cada uno.

7. Listar y definir los procedimientos de clasificación.

8. Listar 10 aplicaciones del RP.

9. Clasificar los descriptores de formas.

10. Explicar los descriptores de contornos.

11. Explicar los descriptores de regiones.

33

Procesamiento de Imágenes

y Visión Artificial

Blog del curso:

http://utppdiyva.blogspot.com

Sesión 12. Reconocimiento de patrones.