En la actualidad las personas demandan constantemente información que les ayude a realizar todo tipo de acciones. Ante esta necesidad surgieron los buscadores web y durante un tiempo permitieron la obtención de información de forma óptima. No obstante, ante la creciente generación de contenido multimedia como imágenes y videos, estos buscadores vieron afectados en gran medida sus funcionalidades al ser incapaces de describir a través de palabras el contenido de objetos abstractos presentes en dichas imágenes. Como alternativas de solución surgen los sistemas de recuperación de imágenes por contenido, cuyo uso se extiende inclusive a la realización de búsquedas más complejas como la recuperación de información en videos. Estos sistemas de recuperación de información visual comprenden dos conocidas áreas: similitud de imágenes y dibujos a mano alzada. En el caso de la búsqueda por similitud de imágenes se permite una mayor aproximación a las imágenes que el usuario desea obtener como resultado de su búsqueda, pero implica que el usuario disponga de una imagen previa de la que desea buscar; por lo que no tiene mucho sentido buscar una imagen si ya se cuenta con otra. Por otro lado, el uso de dibujos hechos a mano es un medio innato de representación del conocimiento utilizado desde tiempos antiguos y que las personas emplean desde edad temprana. Entonces, ¿por qué no utilizar los dibujos a mano alzada como un parámetro de entrada del motor de búsqueda de imágenes? Es lógico pensar que, mediante el uso de trazos, muchos de los problemas presentes en los buscadores tradicionales serían resueltos. No obstante, el desarrollo de esta alternativa de solución trae consigo nuevas e interesantes dificultades a enfrentar. En el presente proyecto de fin de carrera se desarrollará un framework de recuperación de imágenes mediante la especificación de dibujos a mano alzada como parámetro de entrada. Para ello se creará un algoritmo que priorice la obtención de resultados eficaces a partir del uso de técnicas de inteligencia artificial, visión computacional y sistemas de indexación de imágenes. El presente documento se encuentra dividido en 7 capítulos, los cuales abarcan lo siguiente: el primer capítulo presenta el contexto sobre el cual actúa el proyecto de tesis, sus objetivos, los resultados y las herramientas utilizadas para la obtención de estos; el segundo capítulo define los conceptos básicos y técnicos necesarios para un mayor entendimiento durante el desarrollo del framework; el tercer capítulo presenta una muestra de los trabajos más importantes aplicados hasta la fecha en el campo de recuperación de imágenes; el cuarto capítulo describe en detalle cómo se ideó la representación de las imágenes según la metodología de bolsa de características; el quinto capítulo hace hincapié en el diseño e implementación del proceso de comparación y recuperación de imágenes a partir del ingreso de trazos a mano alzada por parte del usuario; el sexto capítulo realiza un análisis de los resultados obtenidos y la validación de estos; finalmente, el séptimo capítulo presenta las conclusiones y recomendaciones obtenidas a lo largo del proyecto de tesis.

En el presente documento se explicarán las consideraciones realizadas para implementar la convolución bidimensional en la arquitectura CUDA. En general se discutirá la metodología seguida y se mostrarán y analizarán los resultados obtenidos. Inicialmente en el Capítulo 1, a manera de introducción, se discutirá la programación en paralelo y los diferentes aspectos a tener en cuenta al desarrollar programas para arquitecturas concurrentes. De esta forma se pretende explicar conceptos importantes que servirán para poner la presente investigación en contexto y comprender mejor los siguientes capítulos. En el Capítulo 2 se describirá a profundidad los aspectos más importantes de la arquitectura CUDA así como la operación de convolución bidimensional. De esta manera se espera dejar claros los conceptos pertinentes. Posteriormente en el Capítulo 3 se explicará la metodología para el desarrollo de los programas realizados, detallándose las diferentes consideraciones para optimizar el desempeño y reducir el tiempo de ejecución de los mismos. Finalmente en el capítulo 4 se mostrarán los tiempos de ejecución obtenidos con los diferentes programas desarrollados. Estos se obtendrán al tomar en cuenta cada una de las optimizaciones mencionadas en el tercer capítulo con lo que se apreciará la mejora de desempeño en cada caso. A continuación se tomará la mejor de las implementaciones realizadas y se comparará con otras existentes para poner los resultados obtenidos en contexto. Por último se presentarán las conclusiones y recomendaciones pertinentes.

El presente trabajo de tesis tiene como objetivo principal el desarrollo de un algoritmo de estabilización de video robusto y eficiente frente a cambios de escala, rotación e iluminación. La estabilización de video es una etapa de pre procesamiento utilizada para eliminar o reducir el ruido que se adhiere debido a movimientos involuntarios en los videos. Su importancia radica en que procesamientos posteriores requieren de imágenes alineadas y libres de distorsión espacial. El documento está divido en cuatro capítulos descritos a continuación: En el capítulo 1 se presenta la problemática de la estabilización de videos así como las aplicaciones en diversos campos. Se explicará cómo los videos pueden ser afectados por factores ajenos a la cámara. Entre las aplicaciones se mencionarán procesamientos posteriores que requieren estabilización como paso previo y aplicaciones finales en temas de seguridad, industria y entretenimiento. En el capítulo 2 se mencionan las alternativas de solución del problema. Se presentan tanto las alternativas como sus características, ventajas y desventajas. Entre ellas se describen algunas alternativas mecánicas, que involucran equipos y sistemas sofisticados, y alternativas digitales como registro de imágenes, Structure from Motion y Geometría Epipolar. El capítulo 3 describe la metodología a emplear. Se utilizan gráficas, diagramas e imágenes para mostrar de manera sencilla cómo se piensa atacar el problema. Se describen los parámetros utilizados en cada etapa. El capítulo 4 muestra las simulaciones y los resultados del algoritmo implementado. Mediante imágenes se muestra los resultados de las etapas descritas en el capítulo anterior

En los últimos años, el fenómeno conocido como cambio climático se está volviendo cada vez más notorio. Como resultado de este fenómeno, uno de los sectores que se verá más afectado será el de los recursos hídricos debido al impacto que se tendrá sobre el ciclo hidrológico y en los sistemas de gestión de agua, y a través de estos, en los sistemas socioeconómicos. Uno de los impactos conocidos es el conjunto de modificaciones en los patrones de precipitación y caudal de los ríos que afectarán a todos sus usuarios. Los caudales de ríos se forman por sedimentos que han sido y están siendo transportados por agua que fluye y por lo general se pueden clasificar en 4 formas básicas: rectos, meandros, trenzados y anastomosados. Es importante el tener reconocidos los distintos ríos y para ello no basta con conocer su localización sino además tener mapeadas las características de estos según su canal aluvial. Uno de los métodos tradicionales para caracterizar la morfología de un río (anchura, sinuosidad, características de inundación, etc.) es a través de trabajo de campo, que es costoso y demanda tiempo. Estos métodos no sólo consumen tiempo, sino que además, son extremadamente difíciles de llevar a cabo debido a que están sujetos a factores como inundaciones, mareas y tormentas que pueden hacer el lugar inaccesible y peligroso para recolectar información. El presente proyecto de fin de carrera propone una solución ante el problema de la dificultad y alto costo que supone la realización del trabajo de campo que permita caracterizar la morfología de un río. La solución planteada es una nueva técnica computacional para la caracterización automática de la morfología de los ríos, Dimensión Fractal Multi-escala, el cual aprovecha las características fractales de formación de elementos naturales como los ríos. El proyecto inicia con un proceso de limpieza de ruido a los datos de entrada que son esqueletos de ríos, para luego, por cada uno, aplicar el método de Crossing Number para obtener la multiplicidad de canal. Seguidamente, se elaborará una Curva Fractal aplicando el método de Dimensión Fractal Multiescala y de la curva obtenida se extraerán puntos de interés para generar un vector de características necesario para la clasificación. A continuación, se entrenará un clasificador empleando los vectores de características para generar un modelo predictivo. Finalmente, el modelo será evaluado mediante la clasificación de un nuevo esqueleto de río.

Se plantea el desarrollo de un algoritmo que permita estimar el tamaño de los peces sin la necesidad de que haya contacto físico entre el hombre y los animales aplicando, para ello, técnicas de visión por computadora. Para realizar el planteamiento se realizó estudios de las diferentes técnicas empleadas en visión por computadora y la necesidad de contar con imágenes tomadas por cámaras seleccionadas para el posterior procesamiento con los métodos estudiados.

El presente documento de tesis tiene por objetivo el diseño de un módulo educativo en ultrasonografía Modo-B utilizando un emisor-receptor PANAMETRICS-NDT OLYMPUS 5800 y el desarrollo de un paquete de guías introductorias a la física e instrumentación del ultrasonido. Este trabajo se ha llevado a cabo a en el Laboratorio de Imágenes Médicas de la PUCP. La metodología implementada para el desarrollo comenzó con el diseño de un sistema de posicionamiento electrónico controlado por computadora, luego se implementaron funciones de control para el posicionador, funciones de captura por medio de un osciloscopio digital para el programa principal y finalmente una función encargada del procesamiento de la señal capturada. Todo el proceso se realizó utilizando el entorno de programación MATLAB y está contenido en una sola función principal que es utilizada en las experiencias de las guías junto a las funciones de control del posicionador. Para cuantificar la exactitud del sistema, se escanearon tres fantomas de hierro forjado dentro de los rangos focales del transductor escogido (PANAMETRICS NDT V306). En cada una de las pruebas se calculó la exactitud axial y lateral, comparando las medidas obtenidas con las magnitudes reales de los fantomas. Al finalizar el desarrollo de esta Tesis se logró implementar un sistema ultrasonográfico de posicionamiento dirigido por computadora con resolución de paso 0.05922” que genera imágenes en Modo-B con resolución axial y lateral menor a 0.25” y error de exactitud menor a 5%.

El problema del seguimiento de manos o hand tracking puede definirse como la capacidad de un sistema computacional de poder reconocer las manos de un individuo (usuario) y hacerles un seguimiento en todo momento. El inter´es por el estudio del movimiento de las manos se debe a dos particularidades. En primer lugar, se debe a que las manos son protagonistas en la realizaci´on de varias tareas diarias del ser humano, pues las manos son un distintivo de las diferentes actividades humanas. Las manos permite la manipulaci ´on de objetos; de lo cual se basa una gran dimensi´on de la interactividad del hombre con sus diferentes herramientas de trabajo [1]. No es de sorprender que, con el reconocimiento del movimiento de las manos, se puedan reconocer varias actividades de las personas: comer, saludar, martillar, apu˜nar, se˜nalar, etc. En segundo lugar, las manos, junto con el rostro, son los dos mayores indicadores gestuales dentro de la comunicación no verbal; lo cual indica que en las manos hay un gran despliegue de diferentes gestos, seas y apariencias, y por tanto, tengan una gran riqueza de significado comunicativo.

Este trabajo presenta el desarrollo de una arquitectura flexible que realiza las operaciones necesarias para la obtención de la fase relacionada a una imagen, en escala de grises, analizada en una componente canalizada AM-FM aprovechando el paralelismo brindado por los Arreglos de Puertas Programables en Campo (FPGAs).

El presente trabajo de tesis surgió debido a la necesidad de obtener imágenes de campos de cultivo de alta resolución a partir de un conjunto de imágenes de baja resolución capturadas por un dispositivo óptico. La propiedad de desplazamiento sub-pixel existente entre las imágenes de baja resolución capturadas por el dispositivo óptico hace posible la obtención de imágenes digitales de alta resolución mediante la aplicación de un algoritmo de reconstrucción de imágenes. Con el fin de poder incrementar la resolución de las imágenes de campos de cultivo, de tal modo que estas puedan ser procesadas y analizadas con mayor precisión, se seleccionó y programó el algoritmo POCS (Projections Onto Convex Sets) debido a su robustez, simplicidad y flexibilidad para incorporar información conocida a priori de las imágenes deseadas al proceso de reconstrucción. El presente trabajo se desarrolla en cuatro capítulos. En el primer capítulo se presenta el concepto de Agricultura de Precisión y la necesidad de aplicar técnicas que mejoren la resolución de imágenes de campos de cultivo. En el segundo capítulo se describen los principales problemas que presentan los dispositivos ópticos para aumentar la resolución de imágenes, se presenta el modelo que describe el proceso de degradación de imágenes y se realiza un recuento de los principales algoritmos que aumentan la resolución de las mismas. En el tercer capítulo se presentan los objetivos del presente trabajo de tesis, se detalla el marco teórico del algoritmo POCS y se muestra la programación del mismo. En el cuarto capítulo se definen las métricas usadas para evaluar el algoritmo y se presentan los resultados de diversas pruebas aplicadas a las imágenes de campos de cultivo. Finalmente, se concluyó que el algoritmo POCS incrementa la resolución de imágenes de campos de cultivo de manera satisfactoria, además, se concluyó que POCS presentó mejor desempeño con respecto a los algoritmos de interpolación y de deconvolución que formaron parte de las pruebas.

El presente trabajo nace de la idea de intentar solucionar la problemática de los accidentes de tránsito en carreteras, especialmente de los buses interprovi ncia les. La idea es situar una cámara de video en la parte superior del vehículo y mediante el algoritmo desarrollado, determinar si el bus está en su carril o si se está desviando. Se plantea el reconocimiento y análisis de las líneas de las carreteras mediante el procesamiento de imágenes. Con el objetivo de implementar un sistema de análisis completo y aprovechando las capacidades del procesamiento de imágenes, se ha planteado reconocer las líneas y distinguirlas de acuerdo a sus características. Considerando las líneas de la pista en zona de carretera, se tienen cuatro tipos: Línea blanca continua: indica los límites de la pista. Línea amarilla continua: indica pista de doble sentido, lo cual significa que no se puede cambiar de carril. Línea blanca segmentada o discontinua: significa división de carriles y tránsito en la misma dirección. Línea amarilla segmentada o discontinua: significa que la pista es de doble sentido, sin embargo está permitido el cambio de carril. Para el presente trabajo de investigació..n, se consideran tres tipos de líneas: Líneas continuas (blancas o amarillas), líneas discontinuas blancas y líneas discontinuas amarillas. Entonces al reconocer alguna línea, se analizará para saber qué tipo es y finalmente el sistema marcará las líneas para indicar los bordes de los carriles sobre la carretera. El desarrollo del algoritmo se dividió en tres partes: segmentación de todos los objetos que contrastan con el color del pavimento, identificación de las líneas y clasificación de las líneas encontradas. En la segmentación de los objetos se utilizó primero Umbralización automática. Este proceso reconocía la tonalidad de gris que marcaba la diferencia entre la tonalidad del pavimento y la de las líneas. Sin embargo, usando este método no se obtuvo los resultados esperados debido a la presencia de líneas con distintas tonalidades. Entonces se usó un filtro detector de contrastes de tal manera que con esto sólo se tiene una idea dónde pueden estar las líneas. Luego se usa esto como máscara y se hace una umbralización automática en cada región independiente hallada en el filtro. La identificación de las líneas fue un proceso más empírico. Ya que primero se obtuvieron los datos de los objetos: área, longitud, ancho, ángulo y centro de gravedad (centroide). Luego se estableció un rango de valores - hallado experimentalmente- de cada parámetro que mediante comparaciones, se concluía si es que se trataba de una línea. En esta parte se tuvo que hacer muchos ajustes luego de las pruebas. Puesto que en un principio se trabajó con líneas casi ideales y el rango fue muy reducido. En la clasificación de las líneas, también se uso un método similar al anterior: basado en comparaciones. Aunque en esta parte fue necesario tener mayores consideraciones para el desarrollo del algoritmo. Se tuvo que considerar el tema de la perspectiva para saber obtener mediciones más exactas con relación a la realidad. Finalmente un sistema de ayuda o asistencia al conductor para buses interprovinciales, tendría como base e.ste algoritmo de análisis desarrollado. Sin embargo faltaría establecer el sistema de control que recibiría las señales del algoritmo de reconocimiento y emitiría las salidas hacia los actuadores ya sea de manera pasiva (algún tipo de sonido o luz) o activa (control del volante o de los frenos). De tal manera que el bus pueda ser más seguro ante errores del chofer.