dc.contributorhttps://orcid.org/0000-0002-5395-855X
dc.contributorhttps://orcid.org/0000-0001-8052-7483
dc.contributor0000-0002-5395-855X
dc.contributor0000-0001-8052-7483
dc.creatorDe la Rosa Vargas, José Ismael
dc.creatorVilla Hernández, José de Jesús
dc.creatorAraiza Esquivel, María Auxiliadora
dc.creatorMiramontes de León, Gerardo
dc.creatorGarcía Dominguez, Ernesto
dc.date.accessioned2020-04-28T16:05:33Z
dc.date.available2020-04-28T16:05:33Z
dc.date.created2020-04-28T16:05:33Z
dc.date.issued2005-09
dc.identifierhttp://ricaxcan.uaz.edu.mx/jspui/handle/20.500.11845/1841
dc.identifierhttps://doi.org/10.48779/4ye1-t784
dc.description.abstractEste trabajo tiene como finalidad presentar un conjunto de nuevas herramientas utilizadas para la compresión de señales. El análisis mediante la Transformada Wavelet (WT - de sus siglas en inglés) ha crecido a grandes pasos gracias a su aplicabilidad en diferentes áreas. Algunas de las áreas excitantes de aplicación son la restauración de señales y la codificación y compresión de señales, y más específicamente es el caso de imágenes. Existe entonces una intersección entre las fronteras de las matemáticas, la ciencia y la tecnología entre otras, que permite un convivio sano el cual conduce a la unificación de diferentes áreas de investigación. Gracias al trabajo arduo de muchas escuelas (Francesas y Norteamericanas principalmente) involucradas en los avances de la teoría de wavelets (ondículas) se han podido plasmar hasta ahora las ventajas y desventajas de su uso para el análisis de un tipo u otro de señal. Uno de los casos que preocupaba bastante era la inconsistencia de la WT para señales bidimensionales, pues la WT no es capaz de mapear adecuadamente discontinuidades a lo largo de una línea o curva en un espacio bidimensional, tal es el caso de los contornos (cerrados o abiertos). Con la finalidad de atacar este problema D. Donoho de la universidad de Stanford y su equipo de trabajo se han dado a la tarea de proponer nuevas transformaciones que recurren al uso mismo de la teoría de Ondículas, estas nuevas herramientas de análisis son conocidas como ridgelets y curvelets.
dc.languagespa
dc.publisherTecnológico de León, Gto. CONTECSI
dc.relationgeneralPublic
dc.rightshttp://creativecommons.org/licenses/by-nc-nd/3.0/us/
dc.rightsAtribución-NoComercial-SinDerivadas 3.0 Estados Unidos de América
dc.rightsAtribución-NoComercial-SinDerivadas 3.0 Estados Unidos de América
dc.sourcePrimer Congreso en Tecnologías Computacionales y Sistemas de Información, León, Gto., Septiembre 7 - 9, 2005.
dc.titleEl rol de nuevas transformadas de señales n-dimensionales en futuras normas para imágenes fijas y para secuencias de video
dc.typeinfo:eu-repo/semantics/conferencePaper


Este ítem pertenece a la siguiente institución