Ejemplo De Reconocimiento De Patrones

Universidad Autónoma del Estado de Hidalgo
Instituto de Ciencias Básicas e Ingeniería

Materia
Reconocimiento de Patrones

Catedrático
M.C. EDREIN MARCELA AGUILAR RAMIREZ

Trabajo de Investigación
Clasificación de imágenes
Alumno
Victor de la Cruz Gonzalez

Grupo
8° “1”
06 – Abril – 2011

Índice
Índice de figuras. 2
Reconocimiento de Patrones y Aprendizaje Supervisado. 4Determinación del problema. 4
Modelo de color RGB. 5
Umbralización de una imagen 5
Cantidad de objetos y variables 6
Solución del problema. 7
Técnica a utilizar. 7
Herramientas a Utilizar. 7
Entrenamiento del sistema. 9
Clasificación de nuevos objetos 16
Conclusiones 23
Bibliografía 24

Índice de figuras.
Fig. 1.- Imagen original. 6
Fig. 2.- Imagen umbralizada. 6
Fig.3.- Ventana para entrenamiento del clasificador. 8
Fig. 4 Imagen umbralizada por el software. 8
Fig 5.- Ventana para ingresar nuevos patrones. 9
Fig. 6.- Objeto 1 perteneciente a la clase Bosque 10
Fig. 7.- Objeto2 perteneciente a la clase Bosque 10
Fig. 8.- Objeto3 perteneciente a la clase Bosque 11
Fig. 9. - Objeto 4 perteneciente a la clase Bosque 11
Fig.10.- Objeto 5perteneciente a la clase Desierto 12
Fig. 11.- Objeto6 perteneciente a la clase Desierto 12
Fig.12.- Objeto 7 perteneciente a la clase Desierto 13
Fig.13.- Objeto 8 perteneciente a la clase Desierto 13
Fig.14.- Objeto 9 perteneciente a la clase Tundra 14
Fig.15.- Objeto 10 perteneciente a la clase Tundra 14
Fig.16.- Objeto 11 perteneciente a la clase Tundra 15
Fig.17.- Objeto 12perteneciente a la clase Tundra 15
Fig. 18.- Objeto 13 patrón categorizado a la clase Desierto 16
Fig. 19.- Objeto 14 patrón categorizado a la clase Tundra 17
Fig. 20.- Objeto 15 patrón categorizado a la clase Bosque 17
Fig. 21.- Objeto 14 patrón categorizado a la clase Desierto 17
Fig. 22.- Objeto 15 patrón categorizado a la clase Bosque 18
Fig. 23.- Objeto 15 patrón categorizado a laclase Tundra 18
Fig. 24.- Objeto 16 patrón categorizado a la clase Tundra 19
Fig. 25.- Objeto 17 patrón categorizado a la clase Bosque 19
Fig. 26.- Objeto 17 patrón categorizado a la clase Tundra 20
Fig. 27.- Objeto 18 patrón categorizado a la clase Bosque 20
Fig. 28.- Objeto 19 patrón categorizado a la clase Desierto 21
Fig. 29.- Objeto 20 patrón categorizado a la clase Desierto21
Fig. 30.- Objeto 21 patrón categorizado a la clase Desierto 22
Fig. 31.- Objeto 22 patrón categorizado a la clase Tundra 22































Reconocimiento de Patrones y Aprendizaje Supervisado.

Los algoritmos de clasificación supervisada pueden ser catalogados como:
* Clasificadores paramétricos
*Clasificadores No-paramétricos
En la clasificación paramétrica, el clasificador es entrenado con patrones de entrenamiento etiquetados, es decir se conocen las clases de los patrones con los que se entrena al clasificador.
En cambio para los clasificadores no-paramétricos no dependen de los parámetros que se le presenten en el entrenamiento para realizar la clasificación. (Tinku Acharya, 2005) Sinembargo para cualquier tipo de clasificador, las clases deberán de tener por lo menos un patrón ya clasificado.

Determinación del problema.

Las imágenes digitales tienen consigo una gran cantidad de información que está representada mediante objetos y rasgos específicos. Los cuales pueden ser obtenidos mediante el uso del procesamiento digital de imágenes y métodos de reconocimiento depatrones. La extracción de características conlleva directamente a la clasificación y por lo tanto es un problema que tiene que ver directamente con el reconocimiento de patrones.
Para este proyecto es necesario utilizar el reconocimiento de patrones debido a que lo que se pretende es clasificar imágenes en tres diferentes clases de acuerdo a la gama de colores presente en dichas imágenes, las...