Aplicaciones del MRA

Pineda Molina Christopher Isaac July 16, 2013

Departamento de Ingeniera en Comunicaciones y Electronica F.I.M.E.E. Salamanca, Guanajuato Mxico ci.pinedamolina@ugto.mx

Introduction

El MRA procesa una seal discreta X[n], a diferentes bandas de frecuencia y con diferentes resoluciones, al descomponer la seal en una informacin de aproximacin y otra de detalle con ltros recursivos (Descomposicin Wavelet). Este proceso se ilustra en la gura 1. Figura 1. Esquema del MRA que genera la Descomposicin Wavelet El primer paso de la Descomposicin Wavelet de una seal discreta X[n] con un ancho de banda de 0-pi rad/s y N nmero de muestras, consiste en la aplicacin de dos ltros de media banda, el primero de paso alto con respuesta de impulso g[n], y el segundo de paso bajo con respuesta de impulso h[n]. Tras del proceso de ltrado, se obtiene el mismo nmero de muestras de X[n] en las dos seales resultantes, aunque con la mitad de banda de frecuencia. Aplicando la regla de Nyquist, se justica eliminar la mitad de las muestras sin prdida de informacin relevante, tomando una de cada dos muestras consecutivas.

Procesado de imagen

Una de las principales aplicaciones sera el anlisis y extraccin de nuevas caractersticas de textura en imgenes para su segmentacin. Concretamente sobre

imgenes de satlite y areas, integrando datos de distintas procedencias y resoluciones La segmentacin de estas imgenes consiste en asignar a cada pxel de la misma un valor cualitativo asociado al tipo de uso de suelo de la supercie que representa. En aplicaciones tanto urbanas como forestales o agrcolas, un aspecto importante es el patrn de distribucin de niveles de gris en la imagen, el cual contiene informacin relativa al tipo de zona urbana, a la densidad de vegetacin o al tipo de cultivos presentes en la zona. Estos aspectos pueden abordarse mediante el estudio de las texturas de la imagen. En primer lugar se estudian los mtodos clsicos de extraccin de caractersticas de texturas sobre las imgenes originales (matriz de co-ocurrencias, autocorrelacin, energa textural, densidad de bordes, descriptores de Fourier,...), aplicndose a un caso concreto de segmentacin. A continuacin se disean los ensayos para la aplicacin del anlisis de multiresolucin basado en descomposicin mediante transformada wavelet de las imgenes, evaluando los parmetros que entran en juego en la creacin de nuevas carac2

tersticas que denan los tipos de texturas concretos. Entre tales parmetros estn el vecindario considerado, el nivel de descomposicin, el tipo de planos, el tipo de wavelet, etc. Para ello se pone a punto un mtodo de evaluacin objetivo, basado en distancias estadsticas (divergencia, Jeries-Matusita, ...), en anlisis discriminante, o en la aplicacin directa del algoritmo de segmentacin. Otro aspecto importante es el estudio de texturas a diferentes resoluciones mediante las caractersticas extradas, aspecto de especial inters en las aplicaciones basadas en wavelets.

Compresin de Seales

El FBI usa los wavelets para comprimir su base de datos de huellas dactilares. Hablar ms de este tema, en las tareas siguientes.

Filtrado de Ruido
Pocos coecientes de wavelets sern distintos de cero si la base es escogida adecuadamente para que tenga en cuenta las caractersticas de la seal. Si la seal est distribuida de modo gaussiano, los coecientes de wavelets tambin estarn distribuidos de modo gaussiano. (Transforma ruido en ruido). Por tanto, si se aade ruido a una seal, stos generarn coecientes ruidosos, con el ruido contribuyendo a todos los coecientes, mientras que la seal slo lo har a unos pocos.

FUNDAMENTOS:

Figura 2. En este ejemplo se tom como seal la funcin f(t) = 3*Cos(t/128) + r, t=1.128, siendo r una variable aleatoria con valores entre 0 y 1 (Ruido gaussiano). Tras realizar una transformada de Wavelets (Con Wavelets de Daubechie de orden 20), se convirtieron en cero aquellos coecientes por debajo de un valor T=0.5 [Un 87 porciento de los coecientes]. Al hacer la transformada inversa, se puede observar como se ha ltrado gran parte del ruido, mantenindose la seal

Visin Articial

Visin articial provee una tcnica alternativa automtica, no destructiva y rentable para aplicaciones industriales. Una de las aplicaciones ms populares de visin articial es el proceso de control de calidad. Dentro del proceso de control de calidad es posible identicar un aspecto moderno de manufactura llamado evaluacin de calidad. Particularmente, en la industria textil es muy importante automatizar la inspeccin de los tejidos para mantener su calidad. Por mucho tiempo en la industria de alfombras, dicha inspeccin ha sido realizada por inspeccin visual, sufriendo de subjetividad limitando la credibilidad de la inspeccin. As, industrias de tapetes insisten en tener un procedimiento de evaluacin ms objetivo y conable. En consecuencia, evaluacin automtica de desgaste en alfombras ha sido un tpico de estudio para varios institutos de investigacin. En esta rea varios enfoques han sido aplicados como microscopia, fotografa, densitometra, colorimetra, fotogrametra, entre otras. Particularmente, anlisis de textura en imgenes ha sido uno de los mtodos ms populares. En esta rea varias tcnicas han sido aplicados para realizar la evaluacin del desgaste en alfombras, entre dichas tcnicas se encuentran: las matrices de coocurrencia, anlisis de covarianza, morfologa matemtica, de-

teccin de bordes, imgenes 3D. Sin embargo, aplicaciones prcticas han estado limitadas por factores como cantidad de evaluaciones incorrectas y algoritmos poco genricos para una gran variedad de alfombras.

Conclusin

Se comprendi las diversas aplicaciones de los anlisis multiresolucion importantes para los aspectos relacionados con la comunicacin

Referencias

SAMANTA, B AL-BALUSHI, R. Bearing Fault Detection Using Articial Neural networks and Genetic Algorithm EURASIP Journal on Applied Signal Processing. 2004, vol. 3, p. 366-377. Ortz Jaramillo, Benhur (2011) Characterization of wear degree in oor coverings using multi-resolution analysis. Maestra thesis, Universidad Nacional de Colombia - Sede Manizales.