Reconocimiento de imágenes de color y textura mediante una arquitectura neuronal multi-escala inspirada en las áreas visuales del sistema humano con filtrado orientacional y difusión cromática

Résumé

El objetivo de esta tesis es desarrollar un modelo neuronal multi-escala para el reconocimiento de imágenes en color de escenas texturadas. El modelo, que combina información cromática y textural para segmentar y reconocer las imágenes de forma coherente, está constituído por dos módulos principales: el módulo de segmentación compuesto por el Sistema de Color Oponente (Colour Opponent System, COS) y el Sistema de Segmentación Cromática (Chromatic Sementation System,CSS); y el módulo de reconocimiento basado en una red neuronal ARTMAP con propiedades de invarianza en escala y en orientación. La segmentación se realiza mediante la extracción de contornos perceptuales y procesos de difusión sobre los canales oponentes cromáticos, basados en la teoría psicofísica humana de la percepción del color. El módulo CSS lleva a cabo los procesos de realzado de las regiones de color mediante un bucle multi-escalas de filtros orientados y mecanismos de competición-cooperación. Las salidas de estos realzados, junto con las características locales de la textura constituyen el patrón de entrada al clasificador neuronal supervisado. Posteriormente, la etapa neuronal realiza un reconocimiento atentivo de la escena mediante la respuesta de filtros orientados y difusiones cromáticas.