La presente tesis tiene como objetivo la obtención de imágenes aéreas multiespectrales de campos de cultivos a partir de dos imágenes aéreas de una sola banda espectral, este procedimiento es llamado registro de imágenes. En el primer capítulo, se presenta el registro de imágenes como una tarea crucial en el procesamiento de imágenes digitales y particularmente en aplicaciones de percepción remota. La percepción remota es empleada para el monitoreo de cultivos en el proyecto que viene realizando la Pontificia Universidad Católica del Perú y el Centro Internacional de la Papa denominado “Agricultura de Precisión para la Producción de Cultivos de Seguridad Alimentaria y de Agro Exportación”. En el segundo capítulo, se presenta diversos métodos empleados para el registro de imágenes y se propone un método basado en la transformada discreta de wavelets. El algoritmo propuesto es el Dual Tree- Complex Wavelet Transform (DT-CWT), utilizado en el registro de imágenes de diferentes espectros; debido a que presenta ventajas como la multiresolución y su sensibilidad de direccionamiento para resaltar características significativas en las imágenes. En el tercer capítulo, se explica el desarrollo del algoritmo en la herramienta matemática MATLAB. En la primera etapa se obtienen los coeficientes de wavelets, estos deben ayudar a resaltar detalles en las imágenes de la mejor manera posible. En la segunda etapa se muestra la implementación del algoritmo (DT-CWT) con bancos de filtros y finalmente se utiliza la correlación cruzada para poder realizar el registro. Finalmente, se muestra la evaluación del algoritmo en las primeras pruebas se empleo la imagen de Lena y posteriormente se utilizó imágenes de campos de cultivo de olivo y camote. Asimismo, se presentan las conclusiones y recomendaciones del presente trabajo. / Tesis

Se presenta un sistema capaz de coordinar una pinza de dedos plano-paralelos y un sistema de visión con el objetivo de determinar puntos de agarre bajo condiciones de estabilidad.La elección de puntos de agarre se realiza mediante una nueva heurística que trata de manejar todo tipo de objetos planos con centroide exterior o interior, permitiendo agujeros. Sólo se requieren dos características basadas en los momentos, centroide y dirección del eje principal, obtenidos a partir de una representación del código de cadena de Freeman del contorno. Los resultados son parámetros visuales exclusivamente, expresados en coordenadas visuales (píxeles).Dichos algoritmos se han implementado en un robot manipulador con 4 GDL y fijando una cámara CCD en su muñeca. El sistema de control utiliza realimentación visual, consiguiendo incrementar la precisión hasta el límite del sistema de visión utilizado.

Los sistemas desarrollados para proteger la información, como control de acceso, no están dados de manera segura y posibilitan el acceso a personas no autorizadas y usuarios restringidos. Ante dicha problemática, la ingeniería biométrica, ha desarrollado sistemas en los cuales es necesario contar con la presencia física de la persona autorizada, los cuales en su mayoría presentan diversos problemas, como por ejemplo, ser son bastante intrusivos, presentar algunas dificultades ante cambios ambientales, tener problemas de precisión y excesivo costo económico, entre otros. En ese sentido, es necesario desarrollar un nuevo sistema, mediante procesamiento de imágenes, que efectivamente pueda resolver los problemas planteados. Para ello, se propone un método de verificación de patrones basados en el análisis de superposición de imágenes y el diseño de un soporte que contribuye al sistema de manera eficaz, trabajando con el posicionamiento único de las venas del dorso de la mano. El método reduce los efectos de las variaciones de suciedad, iluminación y piel son reducidas en comparación con lo adquirido por medio de luz visible. Como resultados finales se ha logrado alcanzar una eficiente esqueletización de la imagen (para la extracción de parámetros) y un tiempo de procesamiento promedio de 1.8 segundos (utilizando una computadora de procesador 2,7 Ghz Intel Core i7). Las tasas de referencia obtenidas fueron: FAR=0.44% y FRR=0.00%, realizado con 50 personas y 1500 intentos aleatorios de verificación.

El objetivo del presente proyecto profesional es diseñar una propuesta para introducir al mercado el ecógrafo portátil Sonic Care a partir de pruebas de producto aplicando el método Lean Startup en 30 centros de salud privados en los conos este y norte de Lima Metropolitana. El primer capítulo, delimita el proyecto profesional centrando la problemática en la tercera causa de la exclusión social de los servicios de salud: Las fallas en la gestión y/o asignación de los recursos, específicamente en el caso del equipamiento y tecnología adecuados. Se decidió centralizar la investigación en los distritos de la zona norte: Comas, Carabayllo, Puente Piedra y un distrito de la zona este: San Juan de Lurigancho. Esta decisión se tomó considerando tres características importantes de los distritos: Demografía, Nivel Socioeconómico y Ubicación Geográfica. El segundo capítulo contiene el Marco Teórico usado para realizar este proyecto profesional. El tercer capítulo, corresponde a la metodología utilizada. Con respecto a este último punto, al alcance del proyecto es exploratorio descriptivo, asimismo, el enfoque que se adoptó es el mixto. Se utilizó el método Lean Startup y su herramienta transversal Experiment Board a lo largo de cinco iteraciones. Las herramientas para el recojo de información que se utilizaron son el Cardsorting, Malla Receptora de Información y Entrevistas Semi-Estructuradas. En el capítulo cuatro, mediante las dos iteraciones realizadas, se encontró el problema específico que atravesaban los centros de salud con respecto a las fallas en la gestión y/o asignación de los recursos. De esta manera, utilizando Cardorting y entrevistas semiestructuradas pudimos encontrar que el problema principal de estos centros de salud era el uso de ecógrafos antiguos que por tener esta característica, pueden contribuir a la generación de diagnósticos herrados. Por último, la posible solución al problema encontrado viene a ser un ecógrafo nuevo y a bajo costo. En el quinto capítulo, definimos a los posibles clientes potenciales del ecógrafo portátil Sonic Care: Centros de salud ubicados en zonas de NSE D. Asimismo, en este capítulo se describe cual es el producto mínimo viable utilizado en la quinta iteración: El ecógrafo portátil Sonic Care. A su vez, a través de la herramienta de maya receptora de información se determinó cuáles son las características que debería tener el producto mínimo viable para tener éxito con los clientes potenciales que se están eligiendo y generar un prototipo 2.0. En el último capítulo, se detalla la propuesta final del proyecto profesional plasmada en un Lean Canvas. Los elementos descritos en el Lean Canvas son el problema, la solución, las métricas, la propuesta de valor, las ventajas competitivas, los canales de comunicación y el segmento de clientes a los que atenderemos. El resultado de este ejercicio serán los lineamientos básicos en los que, en el futuro, debe basarse un plan de negocios para comercializar el ecógrafo Sonic Care. / Trabajo de suficiencia profesional

La detección y localización de rostros es una de las áreas de investigación más activa en el ámbito del procesamiento digital de imágenes, debido a que es un componente principal para muchos sistemas de identificación y seguimiento de rostros, así como también para aplicaciones con interfaces hombre-máquina. Esto, apoyado por las predicciones de un fuerte crecimiento en el mercado biométrico mundial, hacen que sea de gran relevancia la búsqueda de nuevos métodos de detección de rostros, más rápidos y precisos, que se adapten de manera robusta a ambientes y condiciones complejas. En particular, está demostrado que las aplicaciones de reconocimiento de rostros dependen en gran medida de la exactitud con que se realiza su localización, motivo por el cual, es necesario contar con métodos que permitan un mayor grado de certeza en la estimación de la posición del rostro. En esta tesis, se estudiaron dos nuevos métodos que apuntan a resolver de mejor manera este problema. El primero de ellos permite obtener información precisa acerca del rostro, como son su posición, excentricidad, tamaño y rotación coronal. Este método, basado en la Transformada Elíptica Lineal (LET), asocia una elipse al rostro y funciona transformando el contorno semi elíptico inferior de la cara en un borde vertical en el espacio de salida. La detección de dicho borde, permite estimar los parámetros de la elipse que se ajusta de mejor manera al rostro. La metodología fue probada sobre las bases de datos de Purdue, Caltech, FERET y Yale-B, obteniendo tasas de localización 98.2 %, 95.3 %, 95.7 % y 79.6 % respectivamente. La segunda parte de este trabajo consistió en estudiar la optimización de moldes direccionales mediante la utilización de enjambres de partículas (Particle Swarm Optimization). La optimización tuvo por objetivo el mejorar el desempeño y selectividad de los moldes y el disminuir el tiempo de procesamiento, a la vez de estudiar el efecto de generar moldes personalizados para un individuo o situación particular. Los resultados muestran una leve mejora sobre los moldes originales de un 2 % a 3 % en las tasas de localización, pero con una reducción de 40 % en el tiempo de cálculo y una mucho mayor selectividad, lo que los hace más robustos. Las tasa de localización sobre la base de datos de Yale-B es de aproximadamente un 82 %. También, se probó la eficacia del método al ser usado en conjunto con un detector de iris para estimar la posición de los ojos en imágenes estáticas de la base de datos de Purdue, obteniéndose tasas de detección de iris por sobre el 98 % para criterios de error muy exigentes. Ambas metodologías fueran comparadas con el detector internacionalmente utilizado propuesto por Viola y Jones, obteniendo tasas de localización muy similares. En el caso de Yale-B los métodos propuestos en esta Tesis son ampliamente superiores, demostrando su robustez frente a condiciones extremas de iluminación y contraste.

El presente proyecto propone un sistema automático de reconocimiento de rostros, a partir de la captura de imágenes faciales por medio de una cámara web. El sistema compara la imagen obtenida con aquellos de usuarios registrados, los cuales se encuentran en una base de datos. Para poder comprender detalladamente el funcionamiento del sistema, el contenido del presente trabajo ha sido dividido en cinco capítulos: los tres primeros describen los fundamentos teóricos utilizados para el desarrollo del software, el cuarto explica con detalle el desarrollo del hardware y del software del sistema; el quinto capítulo contiene las pruebas que se realizaron y los resultados obtenidos. Finalmente, se muestran las conclusiones y las recomendaciones para futuras mejoras.

El reconocimiento de gestos del lenguaje de señas a través del procesamiento de imágenes y el aprendizaje automático han sido ampliamente estudiados en años recientes. En esta tesis se presenta un conjunto de datos que consta de 2400 imágenes de los gestos estáticos del lenguaje de señas peruano alfabeto, además de aplicarlo a un sistema de reconocimiento de gestos con cámaras de baja resolución. Para el reconocimiento de gestos, se utilizó el descriptor de características de Histograma de Gradientes Orientados, junto con 4 algoritmos de clasificación. Los resultados mostraron que utilizando el Histograma de Gradientes Orientados junto con el algoritmo de clasificación de Support Vector Machine, se obtuvo el mejor resultado con un accuracy de 89.46% y el sistema pudo reconocer los gestos con variaciones de traslación, rotación y escala. / The recognition of sign language gesture through image processing and Machine Learning has been widely studied in recent years. This article presents a dataset consisting of 2400 images of the static gestures of the Peruvian sign language alphabet, in addition to applying it to a recognition system of gestures using low resolution cameras. For the gesture recognition, the Histogram Oriented Gradient feature descriptor was used, along with 4 classification algorithms. The results showed that Histogram Oriented Gradient, along with Support Vector Machine, got the best result with an 89.46% accuracy and the system was able to recognize the gestures with variations of translation, rotation and scale. / Tesis

Los problemas lineales inversos existen en numerosas ramas de la ciencia e ingeniería, lo cual genera la necesidad de definir algoritmos de solución e cientes, que requieran poco costo computacional y converjan en el menor número de iteraciones. Se desea recuperar información original a la cual no se tiene acceso lo más similarmente posible y con dimensiones reducidas, produciendo así una disminución en el uso de recursos computacionales y por ende en el tiempo de ejecución. Esto es de particular importancia debido a que el tamaño de las señales se encuentra en constante aumento y su manipulación puede resultar muy costosa. Se estudia el algoritmo de optimización de primer orden FISTA (Fast Iterative Shrinkage-Thresholding Algorithm), el cual es utilizado en problemas inversos cuya solución se resume a la minimización de funciones convexas empleando información de la gradiente y de iteraciones previas. En este contexto, se analizan métodos que buscan la optimización del algoritmo por medio de tamaños de paso adaptativos para delimitar el paso de la gradiente y una mejor solución inicial mediante la reducción de dimensiones a través de las técnicas conocidas como Screening y Warm Start, produciendo así datos más sparse. Además, se comprueba la e cacia de los métodos desarrollados por medio de un algoritmo generalizado, en el cual son evaluados datos aleatorios generados sintéticamente e imágenes, con el n de obtener la mejor tasa de convergencia.

El proyecto desarrolló un software para la identificación y localización de manera rápida de variedades de plantas de quinua Utilizando datos y la inteligencia artificial. Se halló patrones para la identificación de quinua, que permita determinar la similitud con otras de la misma especie, de forma rápida y confiable. El software realizará una búsqueda en los repositorios de datos de la comunidad científica, para luego analizarlos en busca de patrones que los identifique como parte de las diversas variedades de quinua. Esta investigación apoyó a la comunidad científica ligada a la investigación en agricultura a encontrar variedades de plantas de quinua con características que les permita mejorar y conservar el recurso genético de Chenopodium Quinoa. La comunidad científica que investiga en el campo biológico, cada día se enfrenta a mayores retos que implican el manejo de enormes volúmenes de datos que crecen de manera exponencial en tamaño y complejidad, es así que uno de los problemas que presenta la empresa es de no tener un resultado exacto en el momento de identificar una determinada planta de quinua, hasta hoy se realiza de forma manual por los especialistas, requiriendo tiempo y esfuerzo para su correcta identificación y localización entre sus variedades. Es por ello que se desarrolló un software por medio de un algoritmo de reconocimiento de imágenes que ayudará a los investigadores que requieren procesar grandes volúmenes de información en el menor tiempo posible con la mayor fiabilidad. El proyecto pretende obtener un software que utilizando datos y la inteligencia artificial, pueda realizar el análisis automático, aportando información a los investigadores que requieren procesar grandes volúmenes de información en el menor tiempo posible con la mayor fiabilidad. Con base en esto, el presente trabajo consiste en automatizar el proceso de identificación y localización de las plantas de quinua, para la localización se tuvo el apoyo del GPS, y para el proceso de identificación se basó en imágenes fotográficas, utilizando reconocimiento de patrones, teniendo como objetivo general la construcción de un software para la identificación y localización de las diversas variedades de la planta de quinua, utilizando procesamiento de imágenes para lograrlo.

Los métodos tradicionales de escaneo 3D requieren de un contacto físico directo con los objetos a escanear. En algunos casos demandan incluso la rotación y movimiento constante de estos, lo cual representa un riesgo para objetos frágiles como las piezas arqueológicas. Si ignoramos este factor de riesgo podemos causar daños irreparables y frustrar el proceso de documentación de estas. Por otro lado, existen técnicas de escaneo 3D sin contacto - pasivas que no requieren de una interacción directa con los objetos. Es por ello que se propone desarrollar un software que permita escanear piezas arqueológicas usando las técnicas de reconstrucción tridimensional mediante conceptos de visión artificial, aprendizaje de máquina, data augmentation y mallas poligonales. Para lograr nuestro cometido se parte de un set inicial de 962 huacos peruanos pre escaneados proporcionados por el grupo de Inteligencia Artificial PUCP. Con este conjunto de datos se genera una extenso volumen de imágenes los cuales son procesados y utilizados para el entrenamiento de un modelo de aprendizaje de máquina. Segundo, al obtener unos primeros resultados se propone llevar a cabo la técnica de data augmentation para extender nuestra data disponible, normalizarla, segmentarla y con ello entrenar múltiples modelos bajo 2 experimentos definidos. Todo ello nos permite mejorar los resultados de reconstrucción de objetos 3D considerando la alta variabilidad de huacos peruanos. Finalmente se implementa una interfaz gráfica la cual permite al usuario interactuar con el proyecto desarrollado. En conclusión, se logra desarrollar una herramienta de software que nos permite cargar videograbaciones reales de piezas arqueológicas (bajo ciertos parámetros establecidos), procesar los archivos, visualizar y descargar los resultados obtenidos como mallas poligonales (reconstrucciones 3D almacenados en el computador).