Optimización del flujo óptico usando programación genética multi-árbol

Optical flow optimization using multi-tree genetic programming

dc.contributorGUSTAVO OLAGUE CABALLERO
dc.contributorPEDRO GILBERTO LOPEZ MARISCAL
dc.creatorHECTOR CEPEDA JUAREZ
dc.date2017
dc.date.accessioned2023-03-16T14:29:22Z
dc.date.available2023-03-16T14:29:22Z
dc.identifierhttp://cicese.repositorioinstitucional.mx/jspui/handle/1007/1496
dc.identifier.urihttps://repositorioslatinoamericanos.uchile.cl/handle/2250/6229612
dc.descriptionLa visión por computadora es una rama de la inteligencia artificial, que tiene por objetivo modelar matemáticamente los procesos de percepción visual en los seres vivos y generar programas que permitan simular estas capacidades visuales en una computadora. La estimación del flujo óptico es uno de los problemas en la visión por computadora que lleva estudiándose desde hace varias décadas, se origina por el cambio en los patrones de la intensidad en la imagen debido al movimiento aparente de los objetos que se encuentran en la escena. Considerando I(x, y, t) como la intensidad de la imagen en un punto (x, y) en un tiempo t, el objetivo es estimar un vector (u, v) para cada punto en la imagen, tal que I(x, y, t) y I(x + u, y + v, t + 1) sean correspondientes. En este trabajo de tesis se describe una técnica basada en la programación genética, que es capaz de construir operadores de manera automática para optimizar el flujo óptico de una secuencia de imágenes, con la finalidad de mejorar la precisión en la estimación y así obtener resultados competitivos comparado con métodos propuestos por expertos. Para medir la precisión del flujo óptico obtenido, se emplea el conjunto de secuencias de imágenes de la base de datos de Middlebury para flujo óptico.
dc.descriptionComputer vision is a branch of Artificial Intelligence with the aim of generating computer programs that imitate the human visual process. Optical flow is a computer vision problem that originates from the change of pattern intensities on the image due to the apparent motion of objects in the scene. We can define I(x, y, t) as the intensity function of image at a point (x, y) at time t, the goalisestimateavector (u,v) foreachpointintheimagesuchthat I(x,y,t) and I(x+u, y+v, t+1) are corresponding. This document describes a technique based on genetic programming which is able to construct automatically operators to optimize the optical flow of a sequence of images, in order to improve the precision in the estimation and thus obtaining competitive results compared with methods proposed by experts. In order to measure the precision of the optical flow, we use the set of image sequences from the Middlebury database for optical flow.
dc.formatapplication/pdf
dc.languagespa
dc.publisherCICESE
dc.relationcitation:Cepeda Juárez, H. 2017. Optimización del flujo óptico usando programación genética multi-árbol. Tesis de Maestría en Ciencias. Centro de Investigación Científica y de Educación Superior de Ensenada, Baja California. 91 pp.
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rightshttp://creativecommons.org/licenses/by/4.0
dc.subjectinfo:eu-repo/classification/Autor/Programación genética, visión por computadora, flujo óptico
dc.subjectinfo:eu-repo/classification/Autor/Genetic programming, computer vision, optical flow
dc.subjectinfo:eu-repo/classification/cti/1
dc.subjectinfo:eu-repo/classification/cti/12
dc.subjectinfo:eu-repo/classification/cti/1203
dc.subjectinfo:eu-repo/classification/cti/120304
dc.subjectinfo:eu-repo/classification/cti/120304
dc.titleOptimización del flujo óptico usando programación genética multi-árbol
dc.titleOptical flow optimization using multi-tree genetic programming
dc.typeinfo:eu-repo/semantics/masterThesis


Este ítem pertenece a la siguiente institución