Simulación De Una Red Neuronal

Simulación de una
Red Neuronal Artificial
Identificación Automática de
objetivos aéreos (aviones)

CONTENIDO
 Introducción
 Definición del problema
 Extracción de características

 Entrenamiento de la RNA.
 Conclusiones.

INTRODUCCIÓN
 La aproximación basada en las RNA parte de

un conjunto de datos de entrada suficientes y
significativos para que la red aprenda laspropiedades deseadas.
 El diseño de la red tiene incluye: la selección
del modelo de red, las variables a incorporar y
el preprocesamiento de la información que
formará el conjunto de entrenamiento.
 El proceso por el cual los parámetros de la red
se adecúan a la resolución de cada problema
se denomina entrenamiento.

DEFINICIÓN DEL
PROBLEMA
 Desarrollar un

sistema de
identificaciónde
5 formas aéreas
utilizando
características
de cada clase.

EXTRACCIÓN DE
CARACTERÍSTICAS
 Las características utilizadas para

realizar la identificación son
representaciones gráficas del contorno
de los aviones.
 El primer paso para extraer las
características es obtener los puntos
que forman el contorno de cada imagen.

Contorno de una imagen
a1=imread(‘avion1.bmp');peri = bwperim(a1,8);
subplot(1,2,1)
imshow(a1)
title('Imagen Original')
subplot(1,2,2)
imshow(peri)
title('Contorno')

Extracción de características
 Escalamiento
imagen=imread('navi1.bmp');
AV1(:,:,:) = imresize(imagen(:,:,:),[64,64],'bicubic');
 Obtener coordenadas del Perímetro y

Centroide.
peri = bwperim(AV1,8);
stats2 = imfeature(peri,'PixelList','Centroid');pixeles=stats2.PixelList;
centroide=stats2.Centroid;

Extracción de características
 Calcular distancias del centroide al

perímetro de la imagen (distancias
radiales)
[picX,picY]=size(pixeles);
for k=1:picX
diferencia(k,1)=pixeles(k,1)-centroide(1,1);
diferencia(k,2)=pixeles(k,2)-centroide(1,2);
end
for i=1:picX
%Norma Euclidiana para obtener distancias
radios(i)=norm(diferencia(i,:));
endExtracción de características
 Normalizar radios

mayor=max(radios); %radio mayor

for m=1:picX
radis(m)=radios(m)/mayor;
end
%radis: Vector de Distancias radiales (VC)

Características radiales

Extracción de características
 Para eliminar los efectos de rotación y

escalamiento en las imágenes se utilizan 2
propiedades de la FFT.



Multiplicación por una constanteCambio en el dominio del tiempo.

 En el dominio del tiempo la rotación de una

función la cambia, mientras que el
escalamiento la multiplica por una constante.

Extracción de características
 Para eliminar variaciones en las

características extraídas causadas por
traslación se utilizó el Centroide como
punto de referencia para calcular las
Distancias Radiales.

Extracción decaracterísticas
Transformada Rápida de Fourier
Considerando una función de tiempo f(t), la
FFT esta dada como:


FFT[f(t)] = F(jω)
F(jω) = |F(ω)|ejθ
donde,

|F(ω)| es la amplitud.

Extracción de características
 Si f(t) es multiplicada por una constante A (f(t)

(esta escalada), se tiene:
FFT[Af(t)] = AF(jω)
AF(jω) = A|F(ω)|ejθ
 Para nulificar el efecto de la constante A enla

magnitud, se elimina el efecto de A en f(t) al
normalizar f(t) dividiendo cada elemento de f(t)
(es decir, f(t)=VC) por el mayor de ellos.

Extracción de características
 Si un objeto es rotado resulta un cambio de la función en

el dominio del tiempo f(t) por un tiempo t0. Así la función
f(t) es entonces f(t- t0) cuando la rotación ocurre. En este
caso la FFT esta dada como:FFT[f(t- t0)] = |F(ω)|ejθ * e(-jωt0)
= |F(ω)| ej(θ - ωt0)
 Como se puede ver en la FFT, sólo el componente de

fase (ej(θ - ωt0) ) es afectado por la rotación. Por lo tanto, la
amplitud se utiliza como «característica» de la FFT
porque no es afectada por el desplazamiento.

Extracción de características
 En esta aplicación, f(t) es el vector de

distancias radiales normalizadas VC....