DESCRIPTOR DE FORMAS

BORROSAS

COAQUIRA RAFAEL HUGO

GUERRA TACCA JOHAN
 Descriptor de formas borrosas
● Introduccion
Muchos problemas de reconocimiento de imágenes,
símbolos requieren del uso de descriptores robustos para
obtener información valida. Sin embargo, la investigación
de un buen descriptor es todavía restricto debido a la alta
variabilidad de apariencia de símbolos. La rotación, las
oclusiones parciales, las deformaciones elásticas la alta
variabilidad entre símbolos debido a la escritura diferente
de símbolos, es simplemente algunos problemas.
 Descriptor de formas borrosas
● El Modelo Borroso (BSM) de la Forma se basa en la parametrización de la forma del objeto, asignando la definición de
regiones espaciales donde algunas partes de la forma pueden ser involucradas: Dado un símbolo binario escrito a mano,
es primero estructurado, y los puntos mínimos son utilizados como características para calcular BSM. La estructura es
aplicada para normalizar la forma del objeto para asignar para cada punto del contorno la misma importancia y también
para impedir anchuras diferentes en algunas partes del objeto. Luego, la imagen está dividida en una cuadrícula de
subregiones de tamaños igual n (donde nxn identifica el nivel de borrosidad de las formas). Cada cubo recibe votos de
los puntos de la forma en él y también de los puntos de la forma en los cubos vecinos. Así, cada punto de la forma
contribuye a una medida de densidad de su depósito y sus vecinos.
 DETECCION DE BORDES
● Para obtener la forma de la imagen a partir de la
cual se calcula el BSM es necesario obtener los
bordes o contorno de la imagen.
● Los bordes de una imagen se pueden definir como
transiciones entre dos regiones de niveles de gris
significativamente distintos. Estos nos facilitan una
valiosa información sobre las fronteras de los
objetos que nos interesan reconocer del resto de la
imagen.
●
ALGORITMO
 CLASIFICACION
Una vez definido el descriptor nos centraremos en el análisis del siguiente gran módulo de nuestro sistema, el clasificador. El objetivo del
clasificador es analizar los datos obtenidos en la fase anterior para aprender a distinguir entre diferentes objetos. Este conocimiento puede ser
expresado como reglas, patrones, asociaciones, relaciones o de forma general como modelo.

La imagen que aparece a c o n t i n u a c i ó n muestra a grandes rasgos el ciclo de trabajo de un modelo:

 APLICACIONES
Recuperación de imágenes borrosas
Reconocimiento de objetos
Recuperación de símbolos en manuscritos antiguos
Bases de datos
Lógica borrosa
 CONCLUSIONES
El reconocimiento de imágenes es una disciplina que siempre ha causado gran interés entre la sociedad científica, siendo cada vez más precisa y
compleja, aun así hay que destacar la distancia que separa hoy en día la visión artificial de la biológica. La principal causa que imposibilita una
mayor aproximación entre la visión artificial de la biológica son las restricciones a las que se ha de someter el modelo base a aplicar en el sistema
a reconocer imágenes.