Extracción de descriptores regionales.

Universidad Virtual del Estado de Guanajuato.

Griselda Puentes Benítez.

21030028. Reconocimiento de objetos v2. Reto 3 "Extracción de descriptores regionales". 15/08/2024.

TABLA COMPARATIVA DE LOS DESCRIPTORES REGIONALES, SIMPLES Y TOPOGRÁFICOS

TÉCNICA

APLICACIONES

CARACTERÍSTICAS

DESVENTAJAS

VENTAJAS

REGIONALES

HOG.

Dalal y Triggs.

Formas y bordes.

Menos sensibles.

La resolución afecta.

SIFT y SURF.

Identifica y distingue.

Puntos clave.

Mayor rapidez.

Consume muchos recursos.

ORB.

Detecta y describe.

Combina FAST y BRIEF.

Puntos clave.

Invarianza limitada.

SIMPLES

Área.

Convierten áreas.

Medición de áreas.

Simplicidad y eficiencia.

Sensibilidad al ruido.

Perímetro.

Su nombre es un acrónimo.

Guías técnicas.

Cobertura exhaustiva.

Complejidad y tiempo.

Centroide.

Reconocimiento y seguimiento.

Simplifica la localización.

Eficiencia computacional.

Pérdida de información.

TOPOGRÁFICOS

Algoritmos costosos.

Captura detalles finos.

Análisis de terrenos.

Local y global.

Curvatura.

Depende de otros modelos.

Datos de alta resolución.

Planificación y construcción.

Pendiente.

Medición de pendiente.

Necesita datos precisos.

Resolución fina.

Formaciones geológicas.

Índice de rugosidad.

Mide la variabilidad.

Detección temprana.

Teledetección.

Datos multiespectrales.

Costosos.

Analiza la distribución.

Conclusiones:

Y, por último, las topógraficas analizan características del relieve y la topografía, como la pendiente, la altitud y la rugosidad del terreno. La integración de estas técnicas con inteligencia artificial puede mejorar la precisión y eficiencia del análisis, permitiendo una interpretación más detallada y automatizada de los datos.

Las técnicas de descripción regional se centran en la descripción de áreas o regiones geográficas basadas en características globales, como el uso del suelo, la vegetación y las estructuras urbanas. Por parte de las simples se centran en descriptores básicos y cuantitativos, como la densidad de construcción o la cobertura vegetal.

Las técnicas de extracción de descriptores regionales, simples y topográficos juegan un papel crucial en la interpretación y análisis de datos geoespaciales, cada una con sus propias características, aplicaciones, ventajas y desventajas.

Referencias

APLICACIONES:

1. Detecta y sigue objetos en imágenes y videos, simplificando la localización del objeto mediante su centroide.
2. Ayudn a identificar y seguir objetos o a orientarse dentro de un entorno.
3. Detecta y rastrea la posición de intrusos u objetos de interés en cámaras de seguridad.
4. Facilita la clasificación y el análisis de imágenes al proporcionar una referencia central del objeto.

CARACTERÍSTICAS:

1. Combinación de FAST para la detección de puntos clave y BRIEF para la descripción.
2. Adecuado para aplicaciones en tiempo real.
3. Aplica una técnica de orientación que permite que los puntos clave sean invariante a la rotación.
4. Compacto.

CARACTERÍSTICAS:

1. Gradientes orientados.

2. División en celdas.

3. Bloques de celdas.

4. Normalización de bloques.

5. Invariancia a la iluminación.

6. Direcciones dominantes.

7. Dimensionalidad alta.

8. Detección multiescala.

9. Robustez ante desplazamientos pequeños.

10. Uso común en detección de personas.

Características:

1. Se centra en la identificación y cuantificación de la pendiente de una superficie, expresada como un ángulo o porcentaje que refleja la inclinación del terreno.
2. Considera tanto la magnitud de la pendiente como su dirección (orientación), lo cual es crucial para entender la topografía en detalle.
3. La técnica es escalable y puede aplicarse a grandes áreas geográficas, desde parcelas pequeñas hasta regiones enteras.

APLICACIONES:

1. En análisis de terrenos, puede ayudar a identificar características como colinas y valles.
2. La curvatura proporciona información adicional sobre la textura y la forma de las superficies.
3. Ayuda en la identificación de áreas propensas a la erosión o la evaluación de la idoneidad del terreno para diferentes usos.

CARACTERÍSTICAS:

1. La curvatura se puede evaluar en puntos específicos (curvatura local) o en una región más amplia (curvatura global) del objeto.
2. La curvatura de Gauss es el producto de las curvaturas principales en dos direcciones ortogonales y mide la "doblez" en un punto.
3. La curvatura media es el promedio de las curvaturas principales y describe la forma general de la superficie.
4. En modelos tridimensionales, la curvatura se calcula a partir de la geometría de la malla utilizando métodos como la aproximación de superficies locales o el ajuste de modelos.
5. En imágenes bidimensionales, la curvatura se puede calcular utilizando técnicas de procesamiento de imágenes como el operador de segunda derivada para identificar curvaturas en bordes o regiones específicas.

APLICACIONES:

1. Se utiliza para estudiar y mapear las formaciones geológicas, ayudando a identificar características como fracturas, fallas, y plegamientos.
2. Permite modelar procesos de erosión y sedimentación, identificando áreas con alta susceptibilidad a estos fenómenos.
3. En la construcción de infraestructuras como carreteras, puentes, y edificios, el índice de rugosidad ayuda a evaluar la estabilidad del terreno, identificando áreas que podrían ser problemáticas debido a su irregularidad.

APLICACIONES:

1. Utiliza estos descriptores para mapear y analizar la distribución del uso del suelo en grandes áreas.
2. Facilitan la exploración y la gestión de recursos minerales.
3. Identifican y analizan la salud de los bosques, detectando áreas afectadas por enfermedades, plagas o deforestación.

CARACTERÍSTICAS:

1. P - Propósito: Define el propósito o la función principal del objeto.
2. E - Entorno: Describe el entorno en el que el objeto opera o se encuentra.
3. R - Rasgos: Detalla las características físicas y funcionales del objeto.
4. Í - Ítems: Enumera los componentes o partes que conforman el objeto.
5. M - Mecanismo: Explica cómo funciona el objeto.
6. E - Exclusividad: Indica cualquier característica única que haga que el objeto se distinga de otros similares.
7. T - Temporalidad: Considera el aspecto temporal relacionado con el objeto.
8. R - Relevancia: Evalúa la importancia del objeto en su contexto.
9. O- Observaciones: Ofrece cualquier observación adicional que pueda ser relevante.

APLICACIONES:

1. Manuales de usuario y guías técnicas.

2. Diseño y desarrollo de nuevos productos.

3. Formación en áreas técnicas o científicas.

4. Gestión de inventarios.

CARACTERÍSTICAS:

1. Mide la variabilidad en la elevación dentro de una determinada área.
2. Se calcula como la diferencia entre la elevación de un punto y la elevación promedio de los puntos circundantes.
3. Cuantifica la rugosidad de una superficie considerando las variaciones en la altura sobre una escala determinada.
4. Utiliza la desviación estándar de la elevación en una región determinada para calcular la rugosidad.

CARACTERÍSTICAS:

1. Puede capturar datos en múltiples bandas del espectro electromagnético.
2. Mejora la interpretación de datos de alta resolución, identificando patrones y anomalías.
3. Diferencia entre materiales y tipos de vegetación a través de diferentes longitudes de onda.

CARACTERÍSTICAS:

1. Convierte una imagen en una binaria (blanco y negro) según un umbral de intensidad.

2. Agrupa píxeles similares en regiones usando algoritmos de clustering como K-means.

3. Detecta formas geométricas (líneas, círculos).

4. Usa redes neuronales como U-Net para segmentar objetos

CARACTERÍSTICAS:

1. Simplifica la representación del objeto al reducir la complejidad de la forma a un solo punto de referencia.
2. Localiza el objeto en la imagen mediante la identificación de su centroide.
3. Facilita el seguimiento del objeto a través de diferentes frames en un video o secuencia de imágenes al mantener el centroide en el centro del seguimiento.
4. Primero, el objeto debe ser segmentado de la imagen para identificar los píxeles que forman parte del objeto.
5. Se calcula el centroide utilizando las coordenadas de los píxeles del objeto.

APLICACIONES:

• SIFT identifica y distingue objetos en diferentes imágenes.

• Empareja puntos clave entre diferentes imágenes de la misma escena o de escenas similares.

• Ayuda a rastrear y seguir objetos en secuencias de video.

• SIFT puede identificar y corregir movimientos no deseados o temblores en la imagen.

Referencias Felicísimo, A. M. (s.f.). Descripción y análisis del relieve. Recuperado el 10 de agosto de 2024, de Las variables topográficas.: https://www.uniovi.es/ Hernández Castellanos, M. (febrero de 2009). Importancia de la Medición de la Cobertura Vegetal en el Manejo de Pastizales. Recuperado el 10 de agosto de 2024, de http://repositorio.uaaan.mx:8080/xmlui/bitstream/handle/123456789/6078/IMPORTANCIA%20DE%20LA%20MEDICION%20DE%20LA%20COBERTURA%20VEGETAL%20EN%20EL%20MANEJO%20DE%20PASTIZALES.pdf?sequence=1&isAllowed=y Sánchez Rodríguez, R., & Bonilla, A. (2007). Urbanización. Recuperado el 10 de agosto de 2024, de Cambios Globales en el Ambiente.: https://www.iai.int/admin/site/sites/default/files/Book_Spanish.pdf senefro, f. (29 de enero de 2024). Nefrología al día. Recuperado el 10 de agosto de 2024, de ARTIFICIAL: La Nueva Inteligencia y su Aplicación en Nefrología: https://www.nefrologiaaldia.org/es-articulo-artificial-la-nueva-inteligencia-su-609

APLICACIONES:

1. Ayuda a identificar áreas óptimas para proyectos de construcción basados en la pendiente del terreno.
2. Se emplea en estudios de impacto ambiental, incluyendo la evaluación de riesgos como la erosión o deslizamientos de tierra.
3. Se utiliza para planificar el uso del suelo en actividades agrícolas o forestales, optimizando la producción según las características del terreno.

Características:

1. Identifican puntos clave en una imagen y describen sus características locales.
2. SIFT utiliza un descriptor de 128 dimensiones para representar cada punto clave.
3. SURF usa una aproximación basada en filtros de Haar para la detección de puntos clave, lo que acelera el proceso en comparación con el método DoG utilizado en SIFT.

APLICACIONES:

1. Detecta y clasifica frutas en imágenes agrícolas según su área para control de calidad.
2. Calcular el área de una lesión en una resonancia magnética para evaluar su progresión.
3. Medición de áreas de tumores, quistes u otras anomalías en imágenes médicas.

APLICACIONES:

1. Detección de personas.
2. Reconocimiento de vehículos.
3. Reconocimiento facial.
4. Detección de objetos en imágenes médicas.
5. Sistemas de videovigilancia.
6. Análisis de imágenes aéreas y satelitales.
7. Clasificación de gestos en interfaces de usuario.
8. Análisis de vídeos deportivos.
9. Detección de animales.
10. Aplicaciones de realidad aumentada.

APLICACIONES:

• Detecta y describe características clave en imágenes de objetos.

• Sistemas de reconocimiento de productos.

• Encuentra correspondencias entre diferentes imágenes de la misma escena o de escenas similares.

• Creación de panoramas.

• Los robots pueden utilizar ORB para mapear su entorno y localizarse en él.