Hola,
¿eres nuevo aquí?

Regístrate gratis y conecta tu empresa con financiación pública, partners y proyectos.

Tengo cuenta

Regístrate

Ver video

TEC2009-13696

Financiado

Cerrado

ESTADISTICA DE IMAGENES NATURALES: APRENDIZAJE NO PARAMETRICO, MODELOS BAYESIANO...

ESTADISTICA DE IMAGENES NATURALES: APRENDIZAJE NO PARAMETRICO, MODELOS BAYESIANOS Y NEUROCIENCIA COMPUTACIONAL PARA EL PROCESADO DE IMAGEN LAS APLICACIONES DE PROCESADO DE IMAGENES EN LAS QUE SOMOS EXPERTOS (CODIFICACION DE IMAGENES Y VIDEO [MALO01, MALO06A, CAMPS08A], RESTAURACION [PORTILLA03, GUTIERREZ06, LAPARRA08A], CLASIFICACION [CAMPS04, MUÑOZ07, CAMPS08B] Y SI... ver más

01/01/2009

37K€

Presupuesto del proyecto: 37K€

Líder del proyecto

UNIVERSITAT DE VALÈNCIA (ESTUDI GENERAL) No se ha especificado una descripción o un objeto social para esta compañía.

Sin perfil tecnológico

Fecha límite participación Sin fecha límite de participación.

Financiación concedida El organismo AGENCIA ESTATAL DE INVESTIGACIÓN notifico la concesión del proyecto el día 2009-01-01 No tenemos la información de la convocatoria

0% 100%

Información adicional privada

No hay información privada compartida para este proyecto. Habla con el coordinador.

Participantes

Lider

Proyectos interesantes

EEBB-I-12-03806

Data Science

Software

2K€ Cerrado

BES-2010-038911

Data Science

Machine Learnin...

43K€ Cerrado

FLEXIBNPP

Data Science

Software

100K€ Cerrado

NIOT

Data Science

Software

211K€ Cerrado

NoMADS

Data Science

Software

1M€ Cerrado

INVARIANTCLASS

Data Science

Software

2M€ Cerrado

Conecta tu I+D

¿Tienes un proyecto y buscas un partner? Gracias a nuestro motor inteligente podemos recomendarte los mejores socios y ponerte en contacto con ellos. Te lo explicamos en este video

Líder del proyecto

UNIVERSITAT DE VALÈNCIA (ESTUDI GENERAL) No se ha especificado una descripción o un objeto social para esta compañía.

Sin perfil tecnológico

Presupuesto del proyecto 37K€

Fecha límite de participación Sin fecha límite de participación.

Descripción del proyecto LAS APLICACIONES DE PROCESADO DE IMAGENES EN LAS QUE SOMOS EXPERTOS (CODIFICACION DE IMAGENES Y VIDEO [MALO01, MALO06A, CAMPS08A], RESTAURACION [PORTILLA03, GUTIERREZ06, LAPARRA08A], CLASIFICACION [CAMPS04, MUÑOZ07, CAMPS08B] Y SINTESIS DE TEXTURAS [PORTILLA00]) REQUIEREN UNA ADECUADA DESCRIPCION DE LA ESTADISTICA DE LA SEÑAL, LA ALTA DIMENSIONALIDAD DE LAS IMAGENES EN SU DOMINIO ORIGINAL (ESPACIO-ESPECTRAL) HACE QUE LA ESTIMACION DIRECTA DE LA PDF MUESTREANDO EL ESPACIO DE LOS DATOS SEA INABARCABLE INCLUSO RESTRINGIENDO EL PROBLEMA A PEQUEÑAS REGIONES ESPACIALES COMO EN LOS METODOS DE CODIFICACION TRADICIONALES, NO OBSTANTE, LAS PROPIEDADES FISICAS DE LOS OBJETOS HACEN QUE LA DISTRIBUCION DE LAS MUESTRAS EN EL DOMINIO DE LOS PIXELES Y BANDAS ESPECTRALES SEA MUY ESPECIFICA: LAS IMAGENES OCUPAN UNA REGION (VARIEDAD DIFERENCIAL O MANIFOLD) MUY LOCALIZADA DEL ESPACIO DE ENTRADA, LA COMPLEJIDAD DE LA BUSQUEDA DE UNA REPRESENTACION DE LAS IMAGENES QUE FACILITE LA ADECUADA DESCRIPCION DE ESTE MANIFOLD HACE QUE LA UTILIZACION AISLADA DE (I) APROXIMACIONES NO PARAMETRICAS, (II) APROXIMACIONES PARAMETRICAS, O (III) HEURISTICAS DE CARACTER BIOLOGICO, RESULTE INSUFICIENTE DEBIDO A LAS LIMITACIONES INTRINSECAS DE CADA UNA DE ELLAS, POR UNA PARTE, LA FLEXIBILIDAD DE LOS METODOS NO PARAMETRICOS (P,EJ, LAS TECNICAS KERNEL Y LAS TECNICAS NO LINEALES DE ANALISIS EN COMPONENTES INDEPENDIENTES) EN OCASIONES SE PAGA CON UN ELEVADO COSTE COMPUTACIONAL, POR OTRO LADO, LOS METODOS PARAMETRICOS (P,EJ, LOS MODELOS BAYESIANOS EN EL DOMINIO WAVELET) TIENEN LA VENTAJA COMPUTACIONAL DE SU CARACTER ANALITICO, PERO PUEDEN RESULTAR DEMASIADO RIGIDOS CUANDO LA SEÑAL NO SE AJUSTA AL MODELO ASUMIDO, FINALMENTE, EL USO DE LA INSPIRACION BIOLOGICA (P,EJ, MODELOS ANALITICOS DEL PROCESADO NO LINEAL EN EL CORTEX VISUAL) DA LUGAR A ALGORITMOS SORPRENDENTEMENTE BIEN ADAPTADOS A UN AMPLIO ABANICO DE IMAGENES, PERO EN OCASIONES ES DIFICIL FORMULAR ADECUADAMENTE ESTOS MODELOS PARA SU APLICACION EN INGENIERIA, POR ELLO, ES FUNDAMENTAL ENTENDER LAS RELACIONES ENTRE LAS APROXIMACIONES DESCRITAS Y EXPLOTARLAS DE FORMA COMBINADA,EL PRESENTE PROYECTO (CONTINUACION DE TIC2003-01504 Y TEC2006-13845) REUNE A INVESTIGADORES CON EXPERIENCIA ACADEMICA Y DE APLICACION EN LAS TRES APROXIMACIONES CITADAS, LOS OBJETIVOS BASICOS PRETENDEN EXTENDER LOS AVANCES ALCANZADOS EN LOS ULTIMOS AÑOS EN DICHAS DIRECCIONES: SE EVALUARAN DE MANERA PRECISA NUEVAS TECNICAS NO PARAMETRICAS, PROPONIENDO ALTERNATIVAS RAPIDAS QUE PERMITAN SU USO PRACTICO, SE GENERALIZARAN LOS MODELOS PARAMETRICOS, SE INTEGRARAN REPRESENTACIONES PERCEPTUALES CON MODELOS NO PARAMATRICOS, Y SE PROFUNDIZARA EN LA COMPRENSION DE LA RELACION EXISTENTE ENTRE LA COMPUTACION CORTICAL (ESPACIAL Y CROMATICA) Y LA ESTADISTICA DE LAS IMAGENES, LOS OBJETIVOS APLICADOS INCLUYEN (1) LA OBTENCION DE NUEVAS PROPUESTAS EN CODIFICACION, RESTAURACION Y CLASIFICACION QUE SUPEREN A LAS TECNICAS RESULTANTES DE PROYECTOS ANTERIORES, ALGUNAS DE ELLAS PATENTADAS [PORTILLA07A, MALO08A]; Y (2) LA EXTENSION DE NUESTRAS TECNICAS PREVIAS (PARA IMAGENES FOTOGRAFICAS EN EL VISIBLE) A OTRO TIPO DE IMAGENES LIGERAMENTE DISTINTAS DESDE EL PUNTO DE VISTA ESPECTRAL Y/O ESPACIAL (IMAGENES DE IR CERCANO, E HIPERESPECTRALES DE SATELITE), EN ESTE SENTIDO, CONTAMOS CON EL APOYO DE TECNOBIT SL PARA LA INTEGRACION DE NUESTRAS TECNICAS EN SUS SISTEMAS DE IR, Y LA GARANTIA DEL ACCESO A IMAGENES CALIBRADAS DE SATELITE POR NUESTRA PERTENCIA AL IMAGE PROCESSING LAB (UNIV, VAL) IMAGENES NATURALES\VISION HUMANA\APRENDIZAJE MAQUINA\MODELOS BAYESIANOS\ICA\MODELOS DE CORTEX VISUAL\RESTAURACION\CODIFICACION\CLASIFICACION\SINTESIS

Conecta tu I+D

Entra hoy

¿Olvidé mi contraseña?

Financiación

Empresas

CTIs/Universidades

Proyectos

Investigadores