Obtención automática de siluetas a partir de imágenes adquiridas en condiciones de iluminación no controlada

La adquisición de imágenes se ve afectada por diversas variables y circunstancias, es necesario a fin de obtener información útil en muchas ocasiones la incorporación de medidas para reducir las afectaciones de mayor impacto. Para el caso del presente trabajo de investigación se pretende obtener la...

Full description

Autores:
Sanabria, Jhon; Ms. C. (c) en Ingeniería de Sistemas e Informática. Universidad Industrial de Santander, Bucaramanga
Archila, John; MSc. en Ingeniería Mecánica. Universidad Industrial de Santander, Bucaramanga
Tipo de recurso:
Fecha de publicación:
2012
Institución:
Universidad Santo Tomás
Repositorio:
Universidad Santo Tomás
Idioma:
spa
OAI Identifier:
oai:repository.usta.edu.co:11634/8248
Acceso en línea:
http://revistas.ustabuca.edu.co/index.php/ITECKNE/article/view/65
Palabra clave:
Mejoramiento de imágenes, procesamiento de imágenes, Iluminación no controlada, Remoción de ruido, siluetas.
Rights
License
Copyright (c) 2018 ITECKNE
id SantoToma2_596e1c1e4c6b25a5033c2abcdf91d472
oai_identifier_str oai:repository.usta.edu.co:11634/8248
network_acronym_str SantoToma2
network_name_str Universidad Santo Tomás
repository_id_str
dc.title.spa.fl_str_mv Obtención automática de siluetas a partir de imágenes adquiridas en condiciones de iluminación no controlada
title Obtención automática de siluetas a partir de imágenes adquiridas en condiciones de iluminación no controlada
spellingShingle Obtención automática de siluetas a partir de imágenes adquiridas en condiciones de iluminación no controlada
Mejoramiento de imágenes, procesamiento de imágenes, Iluminación no controlada, Remoción de ruido, siluetas.
title_short Obtención automática de siluetas a partir de imágenes adquiridas en condiciones de iluminación no controlada
title_full Obtención automática de siluetas a partir de imágenes adquiridas en condiciones de iluminación no controlada
title_fullStr Obtención automática de siluetas a partir de imágenes adquiridas en condiciones de iluminación no controlada
title_full_unstemmed Obtención automática de siluetas a partir de imágenes adquiridas en condiciones de iluminación no controlada
title_sort Obtención automática de siluetas a partir de imágenes adquiridas en condiciones de iluminación no controlada
dc.creator.fl_str_mv Sanabria, Jhon; Ms. C. (c) en Ingeniería de Sistemas e Informática. Universidad Industrial de Santander, Bucaramanga
Archila, John; MSc. en Ingeniería Mecánica. Universidad Industrial de Santander, Bucaramanga
dc.contributor.author.spa.fl_str_mv Sanabria, Jhon; Ms. C. (c) en Ingeniería de Sistemas e Informática. Universidad Industrial de Santander, Bucaramanga
Archila, John; MSc. en Ingeniería Mecánica. Universidad Industrial de Santander, Bucaramanga
dc.subject.proposal.spa.fl_str_mv Mejoramiento de imágenes, procesamiento de imágenes, Iluminación no controlada, Remoción de ruido, siluetas.
topic Mejoramiento de imágenes, procesamiento de imágenes, Iluminación no controlada, Remoción de ruido, siluetas.
description La adquisición de imágenes se ve afectada por diversas variables y circunstancias, es necesario a fin de obtener información útil en muchas ocasiones la incorporación de medidas para reducir las afectaciones de mayor impacto. Para el caso del presente trabajo de investigación se pretende obtener la silueta de la persona de manera automática de antemano se debe enfrentar la problemática derivada de las condiciones de iluminación. A continuación se desarrolla una comparación experimental de técnicas orientadas a reducir el impacto de la imposibilidad de controlar las condiciones de iluminación durante la adquisición de imágenes a fin de facilitar el análisis posterior de la información contenida en ellas.
publishDate 2012
dc.date.issued.spa.fl_str_mv 2012-07-07
dc.type.coarversion.fl_str_mv http://purl.org/coar/version/c_970fb48d4fbd8a85
dc.type.coar.fl_str_mv http://purl.org/coar/resource_type/c_2df8fbb1
dc.type.drive.none.fl_str_mv info:eu-repo/semantics/article
dc.identifier.spa.fl_str_mv http://revistas.ustabuca.edu.co/index.php/ITECKNE/article/view/65
10.15332/iteckne.v9i1.65
url http://revistas.ustabuca.edu.co/index.php/ITECKNE/article/view/65
identifier_str_mv 10.15332/iteckne.v9i1.65
dc.language.iso.spa.fl_str_mv spa
language spa
dc.relation.spa.fl_str_mv http://revistas.ustabuca.edu.co/index.php/ITECKNE/article/view/65/65
http://revistas.ustabuca.edu.co/index.php/ITECKNE/article/view/65/66
/*ref*/Bouhamidi A An iterative method for bayesian gaussmarkov image restoration. Applied Mathematical Modelling 33 (2009) 361-372.
/*ref*/Makaremi Iman Ahmadi Majid Blur invariants: a novel representation in the wavelet domain. Pattern recognition 43 (2010) 3950-3957.
/*ref*/Sun Shao-jie et al Blind image deconvolution for single motion blurred image. The journal of China universities of Posts and Telecommunications. June 2010 17(3) 104-109
/*ref*/Candes Emmanuel Compressed sensing makes every pixel counts. Whats happening in the mathematical sciences. (2011)
/*ref*/E Ceseracciu et al, “Markless analysis of frontal crawl swimming,” Journal of biomechanics 44 (2011) 2236- 2242
/*ref*/Caglioti Vincenzo Giusti alessandro. Recovering ball motion from a single motion-blurred image. Computer vision and image understanding 113 (2009) 590-597
/*ref*/Storring M et al., “Tracking regions of human skin through illumination changes,” Pattern recognitions letters 24 pp. 1715-1723, (2003)
/*ref*/Shen C et al., ”Moving object tracking under varying illuminations conditions,” Pattern recognition letters 27 pp. 1632-1643, (2006),,
/*ref*/Ranz J et al, “Algoritmos genéticos aplicados a la segmentación de imágenes con iluminación no controlada,” presentado en las jornadas de Automática, Tarragona, 2008 Universidad Complutense de Madrid 1-6
/*ref*/Nayak A S Chaudhuri, “Automatic illumination correction for scene enhacement and object tracking,” Image and vision computing 24 (2006) pp. 949-959
/*ref*/Hampson F JC Pesquet, ”Motion estimation in the presence of illumination variations,” Signal processing: Image communication 16 (2000) 373-381
/*ref*/Rav-acha A Peleg Schmuel. Two motion blurred images are better than one. Pattern recognition letters 26 (2005) 311-317
/*ref*/Dong Y, Desouza GN adaptive learning of multi-subspace for foreground detection under illumination changes. Computer vision and image understanding 115 (2011),,
/*ref*/Tafazzoli Faezeh, Safabakhsh Reza, Model-based human gait recognition using leg arm movements. Engineering applications of artificial intelligence (2010)
/*ref*/González, R. Woods. Digital Image Processing using Matlab. Upper Saddle River: Pearson - Prentice Hall, 2004, pp. 954
/*ref*/Pajares Martínez, Gonzalo et al., Visión Por Computador: Imágenes Digitales Y Aplicaciones. México : Alfaomega : Ra-Ma, 2008
/*ref*/Oliveira Joao et al., Adaptive total variation image deblurring. A majorization -minimization approach. Signal Processing 89 (2009) 1683-1693
/*ref*/Stauffer Chris Grimson WEL Adaptive background mixture models for real time tracking. The artificial Inteligence Laboratory MIT, Conference on Computer Vision and Pattern Recognition (1998)
/*ref*/Moeslund Thomas et al., A survey of advances in vision based human motion capture and analysis Computer Vision and Image Understanding 104 (2006) 90-126
/*ref*/Abril Mauricio, Valencia Mauricio, et al., Sistema de visión artificial para el registro de densidad peatonal en tiempo real Scientia et technica, agosto año/vol XIII No. 035 (2007) Universidad Tecnológica de Pereira pp. 79-83,,
/*ref*/Carfagni Monica et al., Real time machine visión system for monitoring the textile raising process Computers in Industry 56 (2005) 831-842
/*ref*/Lu Ye, Li Ze-Nian Automatic object extraction and reconstruction in active video Pattern Recognition 41 (2008) 1159-1172
/*ref*/Rebelo F, Ferreira C, Correia Da Silva K Sintese de padroes motores de membro superior optimizados para aplicaçoes em design ergonómico VI Congreso Nacional de mecánica aplicada e Computacional 10 pág. Disponible online http://home.fmh.utl. pt/~cferreira/ pdf/aveiro2000.pdf en noviembre 2009
/*ref*/Abi M H et al., “An automated method for analysis of gait data to aid clinical interpretation,” presented at Biomedical Engineering (MECBME), 2011 1st. Middle East Conference pp. 119-121
/*ref*/Lam T et al, ”Gait flow image: a silhouette based gait representation for human identification,” Pattern recognition 44 pp. 973-987, (2011)
/*ref*/Tzevanidis K A Argyros, “Unsupervised learning of background modeling parameters in multicamera Systems,” Computer vision and Image understanding 115 (2011) 105-116
/*ref*/Bae, J M Tomizuka, “Gait phase analysis based on a hidden markov model,” Mechatronics (2011)
/*ref*/Agrawal amit Raskar Ramesh Optimal single image capture for motion deblurring pp. 1-8, Conference on Computer Vision and Pattern Recognition (2009)
/*ref*/Mann Steve comparametric equations with practical applications in quantigraphic image processing. IEEE transactions on image processing 9 (8) (2000) 1389-1406
/*ref*/Cai jian Feng et al., Blind motion deblurring using multiple images. Journal of computacional physics 228 (2009) 5057-5071
/*ref*/Sanin Andres et al. Shadow detection: a survey and comparative evaluation of recent methods. Pattern recognition 45 (2012) 1684-1695
/*ref*/Ginesu Giaime et al A multi factor approach for image quality assessment based on a human visual system model. Signal Processing Image communication 21 (2006) 316-333
/*ref*/Zhang xin. Jing xili. Image denoising in contourlet domain based on a normal inverse gaussian prior. Digital signal processing 20 (2010) 1439-1446
/*ref*/Pankjakshan P kumar V Detail preserving image information restoration guided by SVM based noise mapping. Digital Signal Processing 17 (2007) 561-577
dc.relation.citationissue.spa.fl_str_mv ITECKNE; Vol. 9, núm. 1 (2012); 99-106
2339-3483
1692-1798
dc.rights.spa.fl_str_mv Copyright (c) 2018 ITECKNE
dc.rights.coar.fl_str_mv http://purl.org/coar/access_right/c_abf2
rights_invalid_str_mv Copyright (c) 2018 ITECKNE
http://purl.org/coar/access_right/c_abf2
dc.format.mimetype.spa.fl_str_mv application/zip
application/pdf
dc.publisher.spa.fl_str_mv Universidad Santo Tomás. Seccional Bucaramanga
institution Universidad Santo Tomás
repository.name.fl_str_mv Repositorio Universidad Santo Tomás
repository.mail.fl_str_mv noreply@usta.edu.co
_version_ 1800786373904433152
spelling Sanabria, Jhon; Ms. C. (c) en Ingeniería de Sistemas e Informática. Universidad Industrial de Santander, BucaramangaArchila, John; MSc. en Ingeniería Mecánica. Universidad Industrial de Santander, Bucaramanga2012-07-07http://revistas.ustabuca.edu.co/index.php/ITECKNE/article/view/6510.15332/iteckne.v9i1.65La adquisición de imágenes se ve afectada por diversas variables y circunstancias, es necesario a fin de obtener información útil en muchas ocasiones la incorporación de medidas para reducir las afectaciones de mayor impacto. Para el caso del presente trabajo de investigación se pretende obtener la silueta de la persona de manera automática de antemano se debe enfrentar la problemática derivada de las condiciones de iluminación. A continuación se desarrolla una comparación experimental de técnicas orientadas a reducir el impacto de la imposibilidad de controlar las condiciones de iluminación durante la adquisición de imágenes a fin de facilitar el análisis posterior de la información contenida en ellas.application/zipapplication/pdfspaUniversidad Santo Tomás. Seccional Bucaramangahttp://revistas.ustabuca.edu.co/index.php/ITECKNE/article/view/65/65http://revistas.ustabuca.edu.co/index.php/ITECKNE/article/view/65/66/*ref*/Bouhamidi A An iterative method for bayesian gaussmarkov image restoration. Applied Mathematical Modelling 33 (2009) 361-372./*ref*/Makaremi Iman Ahmadi Majid Blur invariants: a novel representation in the wavelet domain. Pattern recognition 43 (2010) 3950-3957./*ref*/Sun Shao-jie et al Blind image deconvolution for single motion blurred image. The journal of China universities of Posts and Telecommunications. June 2010 17(3) 104-109/*ref*/Candes Emmanuel Compressed sensing makes every pixel counts. Whats happening in the mathematical sciences. (2011)/*ref*/E Ceseracciu et al, “Markless analysis of frontal crawl swimming,” Journal of biomechanics 44 (2011) 2236- 2242/*ref*/Caglioti Vincenzo Giusti alessandro. Recovering ball motion from a single motion-blurred image. Computer vision and image understanding 113 (2009) 590-597/*ref*/Storring M et al., “Tracking regions of human skin through illumination changes,” Pattern recognitions letters 24 pp. 1715-1723, (2003)/*ref*/Shen C et al., ”Moving object tracking under varying illuminations conditions,” Pattern recognition letters 27 pp. 1632-1643, (2006),,/*ref*/Ranz J et al, “Algoritmos genéticos aplicados a la segmentación de imágenes con iluminación no controlada,” presentado en las jornadas de Automática, Tarragona, 2008 Universidad Complutense de Madrid 1-6/*ref*/Nayak A S Chaudhuri, “Automatic illumination correction for scene enhacement and object tracking,” Image and vision computing 24 (2006) pp. 949-959/*ref*/Hampson F JC Pesquet, ”Motion estimation in the presence of illumination variations,” Signal processing: Image communication 16 (2000) 373-381/*ref*/Rav-acha A Peleg Schmuel. Two motion blurred images are better than one. Pattern recognition letters 26 (2005) 311-317/*ref*/Dong Y, Desouza GN adaptive learning of multi-subspace for foreground detection under illumination changes. Computer vision and image understanding 115 (2011),,/*ref*/Tafazzoli Faezeh, Safabakhsh Reza, Model-based human gait recognition using leg arm movements. Engineering applications of artificial intelligence (2010)/*ref*/González, R. Woods. Digital Image Processing using Matlab. Upper Saddle River: Pearson - Prentice Hall, 2004, pp. 954/*ref*/Pajares Martínez, Gonzalo et al., Visión Por Computador: Imágenes Digitales Y Aplicaciones. México : Alfaomega : Ra-Ma, 2008/*ref*/Oliveira Joao et al., Adaptive total variation image deblurring. A majorization -minimization approach. Signal Processing 89 (2009) 1683-1693/*ref*/Stauffer Chris Grimson WEL Adaptive background mixture models for real time tracking. The artificial Inteligence Laboratory MIT, Conference on Computer Vision and Pattern Recognition (1998)/*ref*/Moeslund Thomas et al., A survey of advances in vision based human motion capture and analysis Computer Vision and Image Understanding 104 (2006) 90-126/*ref*/Abril Mauricio, Valencia Mauricio, et al., Sistema de visión artificial para el registro de densidad peatonal en tiempo real Scientia et technica, agosto año/vol XIII No. 035 (2007) Universidad Tecnológica de Pereira pp. 79-83,,/*ref*/Carfagni Monica et al., Real time machine visión system for monitoring the textile raising process Computers in Industry 56 (2005) 831-842/*ref*/Lu Ye, Li Ze-Nian Automatic object extraction and reconstruction in active video Pattern Recognition 41 (2008) 1159-1172/*ref*/Rebelo F, Ferreira C, Correia Da Silva K Sintese de padroes motores de membro superior optimizados para aplicaçoes em design ergonómico VI Congreso Nacional de mecánica aplicada e Computacional 10 pág. Disponible online http://home.fmh.utl. pt/~cferreira/ pdf/aveiro2000.pdf en noviembre 2009/*ref*/Abi M H et al., “An automated method for analysis of gait data to aid clinical interpretation,” presented at Biomedical Engineering (MECBME), 2011 1st. Middle East Conference pp. 119-121/*ref*/Lam T et al, ”Gait flow image: a silhouette based gait representation for human identification,” Pattern recognition 44 pp. 973-987, (2011)/*ref*/Tzevanidis K A Argyros, “Unsupervised learning of background modeling parameters in multicamera Systems,” Computer vision and Image understanding 115 (2011) 105-116/*ref*/Bae, J M Tomizuka, “Gait phase analysis based on a hidden markov model,” Mechatronics (2011)/*ref*/Agrawal amit Raskar Ramesh Optimal single image capture for motion deblurring pp. 1-8, Conference on Computer Vision and Pattern Recognition (2009)/*ref*/Mann Steve comparametric equations with practical applications in quantigraphic image processing. IEEE transactions on image processing 9 (8) (2000) 1389-1406/*ref*/Cai jian Feng et al., Blind motion deblurring using multiple images. Journal of computacional physics 228 (2009) 5057-5071/*ref*/Sanin Andres et al. Shadow detection: a survey and comparative evaluation of recent methods. Pattern recognition 45 (2012) 1684-1695/*ref*/Ginesu Giaime et al A multi factor approach for image quality assessment based on a human visual system model. Signal Processing Image communication 21 (2006) 316-333/*ref*/Zhang xin. Jing xili. Image denoising in contourlet domain based on a normal inverse gaussian prior. Digital signal processing 20 (2010) 1439-1446/*ref*/Pankjakshan P kumar V Detail preserving image information restoration guided by SVM based noise mapping. Digital Signal Processing 17 (2007) 561-577ITECKNE; Vol. 9, núm. 1 (2012); 99-1062339-34831692-1798Copyright (c) 2018 ITECKNEhttp://purl.org/coar/access_right/c_abf2Obtención automática de siluetas a partir de imágenes adquiridas en condiciones de iluminación no controladainfo:eu-repo/semantics/articlehttp://purl.org/coar/version/c_970fb48d4fbd8a85http://purl.org/coar/resource_type/c_2df8fbb1Mejoramiento de imágenes, procesamiento de imágenes, Iluminación no controlada, Remoción de ruido, siluetas.11634/8248oai:repository.usta.edu.co:11634/82482023-07-14 16:37:15.416metadata only accessRepositorio Universidad Santo Tomásnoreply@usta.edu.co

Publicaciones similares