Memorias

XIII Simposio de Tratamiento

de Señales, Imágenes y Visión Artificial

STSIVA 2008

Tomo II
Bucaramanga, 10, 11 y 12 de Septiembre
DIRECTIVOS Luis David Avendaño Valencia
Julio César García Álvarez
Fray Orlando Rueda Acevedo, O.P. Jesús Vega
Rector Julián Betancur
Fray Guillermo León Villa Hincapié O.P.
Vicerrector Académico
Decano División de Ingenierías PRODUCCIÓN CREATIVA
Fray Guillermo León Villa Hincapié O.P.
Decano División de Ingenierías y Arquitectura Departamento de Publicaciones
Fray José Rodrigo Arias Duque O.P. Directora Dpto. Publicaciones
Vicerrector Administrativo-Financiero C.P. Luz Marina Manrique Cáceres
Diseño y Diagramación
Pub. Luis Alberto Barbosa Jaime
COMITÉ ORGANIZADOR
Impresión
Luis Ómar Sarmiento Álvarez DISTRIGRAF Impresores
Presidente Comité Organizador
Jesús E. Laborde © Universidad Santo Tomás
Coordinador Comité Organizador
Dolly Smith Flórez Moreno ISSN 978-958-8477-00-8
Mónica Andrea Rico Martínez
Mayra Fernando Blanco Almeida
Ana Isabel Campos
Jenny Rocío Gómez
Jenniffer Dayanna Martínez
Adriana Quintana Ballén
María Lorenza Pinto Suárez
Jorge Alberto Martínez Campo

COMITÉ CIENTÍFICO:

Sonia Helena Contreras Ortiz

Juan Carlos Martínez Santos
Leonardo Ramírez
Pedro Raúl Vizcaya Guarín
Luis Fredy Sosa Quintero
Javier González
Mauricio Díaz
Alexánder Cerquera
Héctor Cancino
César Augusto Quintero Obando
Neil Guerrero González
Pablo Emilio Jojoa Gómez
Rodrigo Herrera
Edward Wilder Caro Anzola
Augusto Salazar
Diego Rolando Mahecha Capacho
Jhon Jairo Pérez Gelves
William Castro
Carlos Andrés Madrigal González
Fabián Jiménez López
Paola Fernanda Guzmán
Andrea Liliana Rodríguez Sánchez
Milton Forero López
César Augusto Isaza Bohórquez
Edwin Gómez
Rodolfo Sanchez García
Contenido
Presentación 7

Diseño e implementación de una herramienta computacional para soporte

del análisis de la marcha empleando técnicas de visión artificial 9

Identificación de formas, colores, tamaño y ubicación cartesiana de objetos

mediante métodos de visión artificial aplicado al control de
manipuladores robóticos 14

Arquitectura hardware para la implementación FPGA de algoritmos de

extracción de bordes en imágenes 19

Transformada wavelet y técnicas de filtrado no lineal aplicadas

a la detección de microcalcificaciones en mamografías digitales 23

Algoritmo de apoyo para el diagnóstico de tuberculosis pulmonar

mediante el procesamiento digital de imágenes 27

Caracterización del grado de madurez del limón Tahití 31

Diseño e implementación de un prototipo de software para la visualización

de videos a 360º 36

Reparametrización de mallas triangulares en cuadriláteros 40

Reconstrucción y mejoramiento de imágenes 44

Propuesta de un sistema de verificación de hablantes basado en máquinas

de vectores de soporte 49

Aplicación de modelos paramétricos a la caracterización de señales sísmicas 53

Control de mouse através de señales EOG y algoritmos de Boosting 57

Análisis de las deficiencias del uso de enveloping en la señal digital de vibración 61

Detección de rostros frontales y componentes faciales sobre secuencias

de imágenes 65

Arquitectura usando aritmética entera orientada a la extracción de los

coeficientes de predicción lineal sobre PDSP y FPGA 69

Mobile robot using adaptable fuzzy control on a digital signal processor 73

Detección de características geométricas sobre imágenes 2D, empleando

técnicas de momentos invariantes 77

Reconocimiento de expresiones faciales combinando métodos Kernel e ICA 81

Desarrollo de una aplicación para visualizar objetos 3D en Ambientes y Sistemas

de Inmersión 85

Interpretación dinámica de bioseñales usando técnicas de análisis no lineal 89

Implementación de una herramienta para la adquisición de variables

de tráfico: peatones y vehículos, utilizada en la evaluación del riesgo de
peatones que cruzan la vía 95

Representación de detalles en imágenes usando cuadros diádicos y reglas

de información basados en Wavelets 99

Ajuste circular en sensores térmicos 104

Transmisión de imágenes diagnosticas a través de sistemas de radio UHF/VHF 108

Sistema de Telediagnóstico Médico 111

Prototipo de contador electrónico trifásico de energía eléctrica para control

y monitorización remota utilizando DSPs 115

Diseño de un colorímetro basado en una cámara CCD para aplicación

en inspección de color en telas utilizando el modelo CIE L*a*b* (Julio 2008) 120
Las “Wavelets Package” en la reducción de ruido de señales de
espectroscopía de resonancia magnética 124

Métodos de segmentación del patrón de las venas del dorso de la mano

basados en filtros Shock coherentes 128

Verificación de personal por el patrón de las venas del dorso de la mano 135

Sistema de visión 3D para control cinemático de un brazo robot 142

Eliminación de ruido impulsivo por medio de la utilización de funciones

de base radial 147

Transmisión y recepción de señales de electrocardiografía mediante

Short Message Service (SMS) 151

Diseño de un módulo en FPGA para el procesamiento de señales de ECG 154

Sistema de Tele-Consulta a través de la red 158

Sistema de tele-consulta móvil asistida por GPS 163

Análisis comparativo del entrenamiento de modelos ocultos de Markov

mediante esquemas generativos y discriminativos 169

Entorno software para la obtención del electrocardiograma fetal 173

Análisis espectral para deteccion de fallas en motores diesel

serie ISC (Tracto camiones) 178

Sistema para la recuperación de imágenes usando descriptores de forma 183

Carpet wear classification using coocurrence matrices and support

vector machines 188

Numerical reconstruction of spectral reflectance curves for multispectral

imaging, combining different techniques and a neural Network 192
Desarrollo del prototipo de un sistema de control y monitoreo para el
vuelo de un cohete 197

Medidas antropométricas para la identificación de características en

imágenes del rostro 204

Sistema de clasificación de imágenes basado en técnicas de reconocimiento

de patrones aplicado en termografía y robótica 208

Sistema de localización para un robot móvil utilizando visión global 213

Sistema de seguimiento de un objeto en movimiento usando arquitectura

de visión foveal 218

Sistema de localización y seguimiento de un conjunto de robots móviles

utilizando visión global 225

Utilización de matrices lógicas programables por campo FPGA, para

la implementación de un sistema de evaluación de redes neuronales
orientadas al reconocimiento de patrones de imagen 230

Identificación de color, tamaño y forma mediante técnicas de visión

artificial y lógica difusa en banda transportadora 235

Viabilidad de la detección precoz de cáncer de cuello uterino por

medio del análisis de la respuesta fluorescente natural en muestras ex-vivo 239

Reconocimiento de imágenes en una mesa XY mediante lógica difusa 244

Detección e identificación de rostros utilizando SVM y color 250

VHDL open core for implementation of IEEE-754 single precision

multiplication standard on FPGAs 256
Presentación

La División de Ingenierías de la Universidad Santo Tomás, Seccional Bucaramanga, tuvo el honor de ser
el ente organizador del XIII Simposio de Tratamiento de Señales, Imágenes y Visión Artificial STSIVA
2008, durante los días 10, 11 y 12 de septiembre de 2008 en la ciudad de Bucaramanga, cuyo objetivo era
el de promover el intercambio de experiencias académicas e investigativas en procesamiento de señales,
imágenes y visión artificial en un espacio que permita la revisión del estado del arte y la actualización de
métodos, técnicas y aplicaciones empleados en las diferentes áreas temáticas, tanto en el ámbito nacional
como en el internacional.

El Simposio de Tratamiento de Señales, Imágenes y Visión Artificial, cuya sede se rota anualmente por
las diferentes regiones del país, es un evento creado por la Sociedad Colombiana de Tratamiento de
Señales y cuenta recientemente con el apoyo del Capítulo Colombiano de Procesamiento de Señales del
IEEE. La realización de esta nueva versión contó adicionalmente con la cofinanciación de Colciencias y
con la coordinación de la Línea de Investigación en Procesamiento de Señales perteneciente a la Unidad
de Investigaciones de la Facultad de Ingeniería de Telecomunicaciones UNITEL, entre otras instancias
de la Universidad Santo Tomás de Bucaramanga.

STSIVA 2008 rompió récord respecto a las versiones anteriores en cuanto a asistencia, número de
trabajos inscritos y participación de ponentes internacionales, ya que contó con la inscripción de 365
participantes entre ponentes y asistentes, se recibieron 227 trabajos, de los cuales, después del proceso de
evaluación por pares, se seleccionaron los mejores 107 artículos incluidos en su totalidad en la presente
publicación, y se aceptaron en total seis artículos internacionales, dos de España, dos de Brasil, uno de
Alemania y otro de Bélgica.

Las presentes memorias contienen los artículos de las ponencias realizadas en STSIVA 2008. La
publicación se ha organizado en dos tomos, con 53 artículos el primero y 54 el segundo. El orden en el
que se presentan los artículos responde únicamente al número consecutivo que se asignó a cada trabajo
en el momento de la inscripción. Los trabajos se presentan sin hacer diferencia entre trabajos presentados
en ponencias orales y los presentados como póster ya que la modalidad de los trabajos es independiente
de la calidad de los mismos.

Los 107 artículos recibidos participaron en las siguientes temáticas: técnicas y aplicaciones del
procesamiento de señales, procesamiento de imágenes y señales multidimensionales, tratamiento de
señales de video, visión artificial, procesamiento de señales de origen biológico, aplicaciones desarrolladas
con DSPS Y PLDS (FPGA), educación en señales, imágenes y visión artificial, tratamiento de señales
de voz y audio y procesamiento de señales multimedia. Las temáticas con el mayor número de artículos
aceptados fueron en su orden: técnicas y aplicaciones del procesamiento de señales, procesamiento de
imágenes y señales multidimensionales, y visión artificial.
Paralelo al evento, se presentaron tres conferencias magistrales a cargo de expertos internacionales en
procesamiento de señal. Los conferencistas y los temas fueron: El Dr. José Millet Roig de la Universidad
Politécnica de Valencia participó con el tema “Aplicaciones del procesado digital de bioseñales a la
cardiología”, el Dr. Alberto González Salvador, también de la Universidad Politécnica de Valencia con
la conferencia “Algoritmos de detección por búsqueda en árbol (Sphere Decoders) para sistemas de
comunicaciones MIMO”, y la Dra. Amy Reibman, conferencista distinguida del IEEE con el tema “Image
and video quality assessment: The truth about PSNR”.

Como presiente del Comité Organizador de STSIVA 2008 y en representación de la Universidad Santo
Tomás Seccional Bucaramanga, con la satisfacción de haber cumplido a con los objetivos propuestos y
haber superado con creces las expectativas planteadas, con el agradecimiento a todas y todos quienes
participaron en la organización del evento y en constancia del alto nivel académico y científico, pongo
a su consideración esta edición impresa de las memorias del XIII Simposio de Tratamiento de Señales
Imágenes y Visión Artificial.

Cordialmente,

Luis Ómar Sarmiento Álvarez

Presidente del Comité Organizador STSIVA 2008
losarmiento@ustabuca.edu.co
 Diseño e implementación de una herramienta computacional
para soporte del análisis de la marcha empleando técnicas de
DISEÑO E IMPLEMENTACIÓN
visión artificial DE UNA
HERRAMIENTA COMPUTACIONAL PARA
Edgar Roa, Ricardo Rivas, José Becerra, Neil Guerrero G.
SOPORTE DEL ANÁLISIS DE LA MARCHA
EMPLEANDO TÉCNICAS DE VISIÓN ARTIFICIAL
Edgar Roa, Ricardo Rivas, José Becerra, Neil Guerrero G.
Abstract— Para el registro de la marcha y su análisis clínico, el
procesamiento de imágenes ha jugado un papel importante en la
construcción de modelos para la medición de los parámetros
sometidos a evaluación. Uno de los métodos consiste en la
construcción del modelo después de la segmentación de los
marcadores ubicados sobre las personas de manera controlada.
Este trabajo propone una metodología de segmentación
automática de los marcadores en imágenes para análisis de la
marcha empleando Redes de Funciones de Base Radial (RBFN)
en el espacio del color Rojo, Verde y Azul (RGB), reduciendo los
efectos negativos de la iluminación al evitar el mapeo contractivo
de los imágenes en escala de grises. La herramienta desarrollada
entrega automáticamente los ángulos de evaluación del modelo
de los miembros inferiores del cuerpo humano.
Index Terms— Gait analysis, Image segmentation, RBF
network.
I. INTRODUCCIÓN
L A marcha normal en humanos puede ser definida como un
método de desplazamiento que involucra dos piernas
Este manuscrito fué sometido a evaluación el 21 de Abril de 2008. El trabajo
fué desarrollado en el marco del proyecto “Análisis de la Marcha Humana
Empelando Técnicas de Visión Artificial” al interior del grupo de
investigación en Biomecánica y automatización de la Universidad Autónoma
de Manizales (Colombia).
Edgar Roa Guerrero es estudiante de Ingeniería Electrónica de la Universidad
Francisco de Paula Santander, (ing_edgar_roa@hotmail.com).
Ricardo Rivas Ramos es estudiante de Ingeniería Electrónica de la
Universidad Autónoma de Manizales, (ricardorivasra@hotmail.com).
José Armando Becerra Vargas es Ingeniero Electrónico. Es docente del
departamento de Ingeniería Electrónica de la Universidad Francisco de Paula
Santander y actualmente es director del departamento de Electricidad y
Electrónica de la Universidad Francisco de Paula Santander
(JAbecerr@bari.ufps.edu.co)
Neil Guerrero González es Ingeniero Electrónico y MsC. En Ingeniería en la
linea de Automatización Industrial de la Universidad Nacional de Colombia.
Es docente del departamento de Ingeniería Electrónica de la Universidad
Autónoma de Manizales y actualmente es estudiante de doctorado de la
Universidad Tecnológica de Dinamarca (ngg@com.dtu.dk)
Memorias STSIVA 2008
alternativamente para proporcionar tanto soporte como
propulsion, con al menos un pie al tiempo en contacto con el
suelo. Es un proceso periódico y el paso describe la manera o
el estilo de la marcha, con un intercambio continuo entre
movilidad y estabilidad [1]. Para el registro de la marcha, el
desarrollo de sistemas automáticos ha acelerado los procesos
de medición y para el caso de análisis clínico, ha posibilitado
la proporción de diagnósticos objetivos de la marcha. En este
sentido, el procesamiento de señales juega un papel
importante tanto en el procesamiento de la imagen con el fin
de extraer marcadores en los pacientes que permitan la
construcción de modelos [2], como para reducciones de
dimensionalidad de características, en etapas más avanzadas
[3]. Para identificación y seguimiento de personas, se han
implementado varios métodos. Algunos autores han propuesto
seguimiento y caracterización de siluetas humanas. En [4] se
propuso un modelo estadístico para detección y seguimiento
de la silueta humana y la construcción subsiguiente de un
modelo esquelético 3D en secuencias de pasos. Se trabajó
sobre un modelo de distribución de puntos (PDM) usando
análisis de componentes principales (PCA). Se presentaron
problemas con la no linealidad de PCA, y para análisis clínico
no se garantizó confiabilidad en las medidas de ángulos o
velocidades en los segmentos del cuerpo. En [5] se presentó
una metodología general para el aprendizaje de movimientos
articulados, empleando un clasificador bayesiano después de
la aplicación de técnicas clásicas para extracción de
características. El método fué aplicado en análisis de marcha
humana y seguimiento, pero está restringido a movimientos
coordinados tales como análisis de comportamiento de robots.
El problema principal radicó en el tiempo del ciclo de la
marcha, y las dimensiones de la red bayesiana debido a la
necesidad de grabar todo el proceso. En [9] se presentó un
análisis de la marcha humana usando medidas biométricas no
invasivas. El método usó secuencias de siluetas que son
transformadas a un embebido de baja dimensión por medio de
procesos Gaussianos. Otros autores han trabajado sobre
Tomo II 9 - 13
10 XIII SIMPOSIO DE TRATAMIENTO DE SEÑALES, IMÁGENES Y VISIÓN ARTIFICIAL. STSIVA 2008
marcadores en el cuerpo humano que son segmentados para
luego construir modelos cinemáticos. En [6] se presentó una
metodología para análisis de la marcha humana usando un
sistema de marcadores. El reconocimiento de las piernas se
realizó en secuencias de imágenes en niveles de gris
empleando operadores morfológicos y luego se construyó un
modelo tridimensional a partir de curvas supercuádricas
utilizando una regresión por el método de mínimos cuadrados.
La metodología requiere de una inicialización más adecuada y
un aumento en la tasa de tomas fotográficas para capturar los
movimientos rápidos de los pies. Finalmente, algunos
investigadores han propuesto adecuación de laboratorios
construyendo plataformas a partir de sensores para análisis de
la marcha humana. En [7] se propuso un sistema de sensores
multipropósito y algoritmos de análisis de fase para predecir y
estimar comportamientos del ser humano en avance. Este
sistema se compone de encoders, sensores FSR y tarjetas
FPGA para procesamiento de datos. En [8] se diseñó e
implementó una plataforma robótica para aplicar velocidades
o aceleraciones controladas como perturbaciones a la
superficie del suelo.
Este trabajo propone una metodología de segmentación
automática de los marcadores en imágenes para análisis de la
marcha humana empleando RBFN en el espacio del color
RGB, reduciendo los efectos negativos de la iluminación al
evitar el mapeo contractivo de los imágenes en escala de
grises. La herramienta desarrollada entrega automáticamente
los ángulos de evaluación del modelo de los miembros
inferiores del cuerpo humano.
La segunda sección del documento hace una presentación
breve del método RBFN en imágenes. La sección tres presenta
la metodología de segmentación propuesta, con dos
subsecciones que describen los algoritmos para la
identificación automática de los marcadores y el trazado de
vectores. La sección cuatro presenta los resultados y
finalmente en la sección cinco, se presenta una breve
discussion y se concluye el trabajo.
II. FUNCIONES DE BASE RADIAL EN IMAGENES
Las Funciones de Base Radial (RBF) han sido utilizadas
para implementer modelos regresivos, para interpolar
superficies o volúmenes en aplicaciones de computación
gráfica, para suavizar señales, entre otras aplicaciones [10].
Este trabajo aplica las RBF para evaluar y clasificar la
distancia en el espacio de color RGB entre cada píxel de la
imagen y un punto específico dentro del mismo que representa
el color conocido del marcador puesto sobre la persona, con el
fin de extraer la información espacial de los pixeles
pertenecientes a los marcadaores para construir el modelo
cinemático de los miembros inferiors del cuerpo humano.
Sea Ω ⊂ ] el domimo de definición de una imagen y ρ
2
un píxel en la imagen definido como la parte más pequeña
posible en que puede descomponerse, de tal manera que
ρ ∈ Ω . Defínase la función de color mostrada en la Ecuación
1, como el mapeo a un espacio tridimensional de cada pixel de
la imagen. Este espacio será llamado espacio de color siendo
sus componentes los colores rojo (R), verde (G) y azul (B) y
cada uno de éstos tendrá valores enteros entre 0 y 255, como
se define en la Ecuación 2.
I : Ω → ] 3 (1)
I ( ρ (Ω1 , Ω2 )) = [ I ρ1 , I ρ2 , I ρ3 ] 0 ≤ I ρ1 , I ρ 2 , I ρ3 ≤ 255
(2)
Considérese el problema de la agrupación de píxeles y
defínase λ como como la función de probabilidad de
pertenencia (FPP) del píxel a un conjunto Λ . Defínase ahora
el valor λ0 como el umbral que debe ser superado en la
evaluación de la FPP para pertener al conjunto. La Ecuación 3
muestra esta formulación.
ρ ∈ Λ → λ ( I ( ρ )) ≥ λ0 (3)
Permítase ahora como FPP una función de base radial con
media μ y desviación estándar σ 2 , cómo se ve en la
Ecuación 4.
I ( ρ )− μ
1 −
λ ( I ( ρ )) = e σ2
(4)
2πσ 2
Donde μ y σ son parámetros que contienen la
2
información de los marcadores que se quieren extraer de la
imagen. Estos valores son calculados a partir de los valores en
los componentes rojo, verde y azul de los “pixels marcadores”
que son seleccionados previamente. El valor λ0 es ajustado en
el entrenamiento del sistema y como resultado de la búsqueda
heurística para el desarrollo de este trabajo, se recomienda que
sea superior a 0.8. El parámetro σ es utlizado como ajuste
2
de la escala, haciendo más estricto o no el cumplimiento de la
regla de agrupación.
III. METODOLOGIA PROPUESTA
El desarrollo del trabajo incluye cuatro actividades que van
desde la toma de fotografías hasta el trazado automático de los
vectores de análisis. El Algoritmo 1 describe cada actividad
del trabajo.
Algoritmo 1: Detección automática de marcadores
Paso 1: Toma de fotografías.
XIII SIMPOSIO DE TRATAMIENTO DE SEÑALES, IMÁGENES Y VISIÓN ARTIFICIAL. STSIVA 2008
Paso 2: Segmentación de los marcadores empleando
funciones de base radial.
Paso 3: Identificación automática de los puntos.
Paso 4: Trazado automático de los vectores.
Para la toma de fotografías se utilizó una cámara Lumix
DCM – LZ2 en un espacio sin control de iluminación y con
fondo de color variable. La Figura 1 muestra la fotografía de
una mujer con marcadores rojos en cuatro puntos de su pierna.
Figura 1: Fotografía de un paciente femenino.
Una vez son tomadas las fotografías, los marcadores son
segmentados empleando una function de base radial en el
espacio de color RGB, como se explicó en la sección anterior.
El paso siguiente consiste en extraer automáticamente la
información especial de los cuatro marcadores definidos para
este trabajo. Es necesario considerar las rotaciones y
traslaciones de estos puntos a lo largo de un ciclo de marcha
para realizar el rastreo completo. Finalmente el trazado
automático de los vectores una vez los puntos son detectados,
requiere de conocimientos básicos de geometría
computacional y visualización 2D.
A. METODOLOGÍA DE SEGMENTACIÓN.
El Algoritmo 2 describe paso a paso, el método de
segmentación propuesto para la segmentación de los
marcadores empleando RBF.
Algoritmo 2: Segmentación empleando redes neuronales de
base radial.
Paso 1: Identificar el color promedio en los componentes
RGB de los marcadores y calcular μ .
Paso2: Evaluar la intensidad en cada componente de color
RGB de cada pixel en la FPP utilizando la Ecuación (4).
11
Paso 3: Ajustar con imágenes de entrenamiento el parámetro
de umbralización λ0 .
Paso 4: Detectar las regiones resultantes y sus centroides
después de la umbralización.
Antes del proceso de segmentación, es necesario un
preproceso para homogeneizar el color. Para este trabajo, se
implementó un filtro de mediana, con una ventana de tamaño
5x5.
B. IDENTIFICACIÓN AUTOMÁTICA DE LOS
MARCADORES.
El modelo de los miembros inferiores del cuerpo humano
adoptado para este trabajo, es el modelo de vectores rígidos
que representan los segmentos cadera – rodilla, rodilla – talón
y talón – punta de pies. Para el trazado de estos vectores, son
necesarios solo cuatro puntos. El punto 1 será el marcador
ubicado en la cadera del paciente, el punto 2 el marcador de la
rodilla, el punto 3 el marcador del talón y el punto 4 el
marcador de la punta de los pies.
El problema de la rotación y traslación de estos puntos require
la identificación de características estables para cada punto. El
Algoritmo 3 describe los pasos basados en estas caratcerísticas
para identificar los marcadores.
Algoritmo 3: Identificación automática de los puntos
Paso 1: Identificar del punto 1 como el primer centroide
encontrado en el barrido de la imagen de arriba hacia abajo.
Paso2: Identificar los posibles puntos 3 y 4 como los
centroides más cercanos entre si según la distancia euclidiana
en el plano.
Paso 3: Identificar el punto 2 como centroide no punto 1 ni
posible punto 3 y 4.
Paso 4: Evaluar el sentido del vector resultante del producto
cruz entre los vectores generados desde el punto 2 hasta los
posibles puntos 3 y 4. Sólo el punto final del primer vector
que entrega como resultado un vector en dirección “saliedo
del plano”, será reconocido como punto 3. La identificación
del punto 4 después de esta operación es obvia.
El paso más crítico es la identificación del punto 3. Como
se describe en el Algoritmo 3, la distancia más corta sin
importar la fase de la marcha entre los cuatro marcadores,
involucra dos puntos que tienen posibilidades de ser tanto el
punto 3 (PP3) como el punto 4 (PP4). La identificación segura
12 XIII SIMPOSIO DE TRATAMIENTO DE SEÑALES, IMÁGENES Y VISIÓN ARTIFICIAL. STSIVA 2008

del punto 2 (P2), permite trazar dos vectores desde éste hasta
los posibles puntos 3 y 4 respectivamente. Teniendo en cuenta
la operación básica de producto cruz entre vectores y en
especial la dirección del vector resultante, sólo existirá una
dirección de producto (esto es P2-PP3 a P2-PP4 o viceversa,
siendo P2-PP3 el vector que va desde el punto 2 hasta el
posible punto 3) que sugiera el vector rodilla-talón como
coherente, según el modelo del cuerpo humano. Para este
trabajo, cuando el paciente camina de izquierda a derecha en
la escena, el vector resultante del punto cruz debe tener una
dirección “saliendo del plano” donde se encuentran los
marcadores. El vector de arranque en el producto cruz, será el
vector rodilla-talón, y el putno final de este punto será
identificado como el punto 3 (P3).

IV. RESULTADOS Figura 3: Trazado automático de vectores.

Una vez identificados los puntos del modelo, el trazado
automático de vectores requiere de la aplicación de
conocimientos básicos de geometría. La Figura 2 muestra el
resultado del trazado automático de los vectores para dos fases
distintas de la marcha.

Tabla 1: Angulos medidos por la herramienta desarrollada.

Las Tablas 2 y 3 muestran el resultado de la caracterización de

los ángulos de cada articulación y comparaciones en cada fase
del ciclo de la marcha para pacientes entre las edades de los
18 a los 25 años.

Figura 2a: Inicio de la fase de balanceo.

Tabla 2: Ángulos caracterizados de la marcha en el ciclo de

apoyo.

Una vez identificados los ángulos de máxima y minima

extensión de las articulaciones inferiores del paciente se
realizó la comparación de los resultados de la imagen. La
Figura 4 muestra el resultado entregado por el programa
diseñado.

Figura 2b: Trazado automático de vectores de la Figura 6c.

La Figuras 3 y 4 muestran la aplicación final de la herramienta
desarrollada. En ellas se muestran fotografías procesadas con
los vectores trazados. Los ángulos se muestran en la Tabla 1.
XIII SIMPOSIO DE TRATAMIENTO DE SEÑALES, IMÁGENES Y VISIÓN ARTIFICIAL. STSIVA 2008
Tabla 3: Ángulos caracterizados de la marcha en el ciclo de
balanceo.
Figura 4a: Trazado automático de vectores.
Figura 4b: Resultados obtenidos mediante la herramiente
computacional desarrollada.
V. DISCUSION
Se desarrolló una metodología de segmentación automática
de marcadores en imágenes para análisis clínico de la marcha,
así como de identificación automática de los mismos para el
13
trazado de los vectores. Esta metodología emplea funciones de
base radial y posibilita la segmentación en el espacio del
color. Así mismo, identifica los marcadores en cada una de las
fases de la marcha, sin importar la rotación o la traslación de
los mismos.
La herramienta desarrollada permite la construcción de
modelos cinemáticos de los miembros inferiores en ambientes
de iluminación no controlados, entregando a los
fisioterapeutas medidas de los ángulos cadera – rodilla, rodilla
– tobillo y tobillo – punta de pies para su análisis.
El algoritmo desarrollado presenta problemas en fotografías
que registren movimiento con marcadores que presenten
emborronamiento. Se recomienda en el momento de su
implementación el uso de cámaras fotográficas que permitan
la captura de fotografías de buena calidad a ratas
suficientemente altas.
AGRADECIMIENTOS
Este proyecto fué desarrollado al interior del grupo de
investigación de biomecánica y automatización de la
Universidad Autónoma de Manizales (Colombia), en el marco
del proyecto “Análisis de la Marcha Humana Empleando
Técnicas de Visión Artificial”.
REFERENCIAS
[1] H. Lakany. “Extracting a diagnostic gait signature”. Pattern Recognition
41 (2008) pp. 1627 – 1637.
[2] C. Díaz, A. Torres, J. Ramírez, L. García, N. Álvarez. “Descripción de un
dispositivo destinado al análisis de la marcha en dos dimensiones”, in
CineMED. Revista EIA, ISSN 1794-1237 Número 5 p. 85-92. Junio 2006.
[3] N.V. Boulgouris, D. Hatzinakos, K.N. Plataniotos, “Gait Recognition: a
challenging signal processing technology for biometric identification”, IEEE
Signal Process. Mag. 78-84 (2005).
[6] E. F. Desserée Calais, L. R. Legrand. “First Results of a Complete
Marker-Free Methodology for Human Gait Analysis”. Proceedings of the
2005 IEEE Engineering in Medicine and Biology 27th Annual Conference
Shanghai, China, September 1-4, 2005.
[7] D. Chel, O. Kwon, J. Shim, J. Park. “Design of Multipurpose Sensing
System for Human Gait Analysis”. SICE-ICASE International Joint
Conference 2006 Oct. 18-21, 2006 in Bexco, Busan, Korea.
[8] J. Doornik, T. Sinkjær. “Robotic Platform for Human Gait Analysis”.
IEEE Transactions on Biomedical Engineering, Vol. 54, No. 9, September
2007.
[9] M. Cheng, M. F. Hoa, C. Huang. “Gait analysis for human identification
through manifold learning and HMM.” Pattern Recognition (2007), doi:
10.1016/j.patcog.2007.11.021.
[10] Fabrício Martins Lopes, Luís Augusto Consularo. “A RBFN Perceptive
Model for Image Thresholding”. Proceedings of the XVIII Brazilian
Symposium on Computer Graphics and Image Processing (SIBGRAPI’05).
IEEE 2005.
 Identificación de formas, colores, tamaño y ubicación cartesiana
Identificación
de objetos de Formas,
mediante métodos de visiónColores,
artificial Tamaño
aplicado aly control
Ubicación de manipuladores
Cartesiana robóticosMediante
de Objetos
Métodos de Visión Artificial Aplicado al
Sergio Andrés Zabala, Gianni Yasser Rivera, Jhonny Marvin Maldonado y José Manuel Parra

Control de Manipuladores Robóticos

Sergio Andrés Zabala, Gianni Yasser Rivera, Jhonny Marvin Maldonado y José Manuel Parra

cambios de iluminación, requiriendo que los algoritmos de

Abstract—En este documento se presenta una descripción
sintetizada del funcionamiento de un sistema de visión artificial
para la identificación de objetos, basado en criterios como la
forma, el color y el tamaño. La metodología de desarrollo e
implementación, así como los resultados finales, son descritos en
el presente artículo, destacando las estrategias de visión artificial
utilizadas, los principales descriptores para las imágenes y la
aplicación a un manipulador de tipo pórtico con cuatro grados de
libertad. Para llevar a cabo el proyecto, se realizaron y aplicaron
técnicas de pre-procesamiento y adecuación de la imagen,
entrenamiento y uso de redes neuronales, así como la gestión de
las señales para el control del manipulador. Es importante
resaltar que la implementación del sistema de posicionador no es
descrita en este artículo, enfocándose solamente al procesamiento
y adecuación de las imágenes. Categoría C2)
Index Terms- Iluminación, manipulador tipo pórtico,
reconocimiento de formas, redes neuronales artificiales,
ubicación espacial, visión artificial.
I. INTRODUCCIÓN
C UALQUIER sistema manipulador autónomo diseñado
para implementarse en un entorno desconocido, necesita
de múltiples sensores (mecánicos, ultrasónicos e infrarrojos) e
implementar diferentes estrategias de control para evitar
colisiones con obstáculos y detectar con certeza los objetivos
de su entorno para desplazarse a un punto especifico. Una
alternativa utilizada actualmente, son los sistemas de
procesamiento digital de imágenes como los presentados en
los trabajos [1-3], para la detección y reconocimiento de
objetos en el espacio de trabajo. Estos modelos de percepción
le permiten al sistema manipulador tener un grado de
autonomía mayor y le ayudan en la toma de decisiones.
Una de las consideraciones principales al momento de
diseñar los sistemas de reconocimiento, es la sensibilidad a los
Artículo recibido Julio 11, 2008; revisado Agosto 25,2008. Este trabajo
fue apoyado económica y logísticamente por la Universitaria de
Investigación y Desarrollo- UDI.
S. Zabala, G. Rivera, J. Maldonado y J. Parra están vinculados al Grupo de
Investigación en Robótica, Control y Procesamiento de Señal GPS,
Universitaria de Investigación y Desarrollo(UDI), Bucaramanga, Colombia
(sergiozabala@udi.edu.co, yasser@hotmail.com, jmar433@hotmail.com).
filtrado, detección, y segmentación sean ajustados según las
condiciones del entorno donde se quiera experimentar.
Algunos de los sistemas más avanzados se basan en conceptos
de inteligencia artificial e implementan técnicas basadas en
lógica Fuzzy y redes neuronales [4-5].
En este orden de ideas, el presente artículo propone una
metodología de localización de uno o varios objetos, con el fin
de controlar la locomoción del manipulador para llegar hasta
él. La investigación está basada principalmente en la visión
artificial por computador, para manipular las imágenes de un
entorno, digitalizadas por medio de una sencilla cámara Web1.
En la sección II se realiza la descripción de la metodología
utilizada para el reconocimiento de formas y colores de los
objetos, la cual detalla los principales parámetros
considerados. En dicha sección se presentan también los
métodos de aprendizaje a partir de redes neuronales, a las
cuales se les asigna como parámetros de entrada un conjunto
de valores numéricos que son el resultado de diferentes
propiedades de forma y color de las figuras analizadas
(círculos, cuadrados, triángulos, rectángulos).
Por otra parte, la aplicación implementada, así como la
descripción del software de reconocimiento se proporcionan
en la Sección III. Finalmente, se presenta un conjunto de
conclusiones y comentarios del trabajo realizado, buscando
que el lector comprenda, de manera global, que
consideraciones se deben tener en cuenta para el desarrollo de
este tipo de sistemas de reconocimiento.
II. RECONOCIMIENTO DE COLORES Y FORMAS
En esta sección, se realizará una breve descripción de la
metodología utilizada para el reconocimiento e identificación
de patrones implementado en el presente trabajo. Es
importante recalcar al lector que se han seleccionado criterios
de color, forma y tamaño; los cuales permiten un
reconocimiento básico de un objeto. Cabe destacar, que para
efectos de la implementación del programa de reconocimiento,
se ha recurrido a la plataforma MATLAB® 7.0, resaltando el
uso de las herramientas suministradas para el tratamiento de
1
Se recurre a este tipo de cámaras buscando la reducción de costos en la
aplicación final.

Memorias STSIVA 2008 Tomo II 14 - 18

XIII SIMPOSIO DE TRATAMIENTO DE SEÑALES, IMÁGENES Y VISIÓN ARTIFICIAL. STSIVA 2008 15

imágenes y redes neuronales. Sin embargo, el objeto central

de este artículo es presentar la metodología implementada, así
como los resultados obtenidos en aplicaciones específicas, sin
entrar en detalles de la programación del mismo.
A. Reconocimiento de Colores
Una de las mayores dificultades de muchas tareas de visión Fig. 2. Datos de entrenamiento para una red PNN
es adaptar el sistema automáticamente a los cambios de
El problema se centra en la etapa de filtrado, debido al alto
iluminación. En el caso del proyecto, la imagen capturada por
contenido de luz blanca la figura de color verde toma una
la cámara Web presenta un alto contenido de ruidos y
tonalidad cercana al nivel de gris, y al realizar las
sombras, como se muestra en la Fig. 1(a), las cuales afectan
modificaciones en el espacio HSV se elimina, pero se resalta
los resultados de las etapas de segmentación, binarización y
que la red responde de forma adecuada para los demás
reconocimiento de forma. Para reducir este inconveniente, se
colores: rojo, azul y amarillo.
ha realizó una etapa de pre-procesamiento, la cual se
fundamenta en una conversión del espacio RGB al espacio
HSV y en el posterior uso umbrales para cada componente. En
este proceso, la componente de intensidad (V) se homogeniza
con un valor de 0.9 para eliminar el efecto de la sombra. El
ruido se minimiza modificando la componente de saturación,
niveles inferiores a 0.2 se igualan a cero y valores mayores se
igualan a 0.6. La componente de matiz (H) no se modifica (a) b)
Fig. 3. Iluminación con Luz Natural, a) Imagen original, b) Imagen
porque esta contiene la información del color. Un ejemplo de Segmentada.
dicho procedimiento se evidencia en la Fig. 1(b).
En el segundo caso, recurriendo a la iluminación con luz
amarilla, se percibe un cambio en el color de las figuras en la
imagen captada por la cámara Web, el verde toma una
tonalidad cercana al azul y el amarillo se acerca al color
naranja; al pasarla por el filtro este comportamiento se resalta
y la red neuronal no va responder de forma satisfactoria (Fig.
4).

(a) (b)

Fig. 1. Procesamiento inicial de la imagen. (a) Imagen original. (b) Imagen

filtrada.

Para seleccionar las figuras presentes en el escenario de a) b)

Fig. 4. Iluminación con Luz Amarilla, a) Imagen original, b) Imagen
trabajo que compartan el mismo color, se entrenó una red Segmentada
neuronal probabilística PNN [4], utilizando el comando
newpnn de la toolbox de MATLAB. Para su entrenamiento se B. Reconocimiento de formas
utilizó como dato de entrada un vector constituido por una
La función de los algoritmos de reconocimiento es detectar
paleta de 256 niveles de color y la salida es un vector de igual
e identificar cada objeto segmentado de una escena y asignarle
tamaño, con valores de cero y uno, donde un uno representa la
una etiqueta. Una limitante en la mayoría de los sistemas de
posición correspondiente al nivel de color que se quiere
visión, es que los niveles de reconocimiento trabajan objetos
reconocer y un cero lo que se desea descartar (Fig. 2). Se debe
que se supone han sido segmentados como unidades
ser cauteloso al momento de seleccionar los parámetros de la
individuales. Otra limitación común es que las imágenes se
red neuronal, como es el caso del spread, el cual depende de
deben tomar con una geometría de visión conocida, a menudo
las características del entorno en el que se esté trabajando
perpendicular al espacio. Esto hace que disminuya la
como el tipo de iluminación e intensidad de los colores que
diversidad de características de forma, simplificando la
serán segmentados.
segmentación y la descripción, reduciendo a su vez las
Para observar los efectos causados por la iluminación sobre
posibilidades de ocultación de detalles en las imágenes [6].
la segmentación de los colores se tomaron imágenes con luz
El problema de la descripción se centra en extraer
natural y luz amarilla producida por bombillas de 100 Watts.
características de un objeto para reconocerlo. Por lo general,
En la Fig. 3(a)-(b) se observa que la técnica implementada
los descriptores deben ser independientes del tamaño, la
bajo esta condición no responde de forma óptima, ya que no
localización y orientación del objeto, además deben contener
identifica el color verde.
16 XIII SIMPOSIO DE TRATAMIENTO DE SEÑALES, IMÁGENES Y VISIÓN ARTIFICIAL. STSIVA 2008
suficiente información de discriminación para distinguir un
objeto de otro [7]. En esta etapa lo que se hace básicamente,
es reducir la tarea de descripción de una imagen en dos
dimensiones a la descripción de una función unidimensional
por medio de la signatura de las figuras, que es una
representación o modelo funcional unidimensional de un
borde a la cual se le extraen propiedades características como
son los coeficientes de Fourier aplicando el algoritmo de la
Transformada rápida de Fourier (FFT), parámetros
topológicos como la redondez, compacidad y excentricidad y
otros datos estadísticos como el valor medio, la media
aritmética, media geométrica, media armónica, desviación
estándar y la mediana. En la Fig. 5 se muestra un ejemplo de
la extracción de descriptores para un cuadrado.
Fig. 5. Descriptores de forma para un cuadrado
Los datos extraídos de la signatura son introducidos a una
red back-propagation [6-7] previamente entrenada con un
número de 41 figuras planas en las que se encuentran 12
cuadrados, 8 círculos, 12 triángulos y 9 rectángulos, en
diferentes tamaños y orientación. El vector de salida se
construye asignándole a cada figura un número que la
identifique, donde un uno representa un cuadrado, un dos un
rectángulo, el tres es un círculo y el cuatro un triángulo.
Con el fin de validar la efectividad de la metodología
utilizada para el reconocimiento de formas, se analizó el
comportamiento de la red, con una imagen en la cual se
encuentran figuras superpuestas de diferente color y forma
(Fig. 6 y Fig. 7). Para las diferentes figuras se realizaron
decenas de pruebas, donde se observa que el sistema responde
de forma adecuada. Los resultados erróneos se presentan en
figuras con dimensiones inferiores a 5cm en sus lados, debido
a la resolución que tiene la cámara, que elimina el detalle de
los bordes y esquinas en cada figura, aproximando, por
ejemplo, un cuadrado a un círculo. En el caso que se unan dos
figuras del mismo color, la red la aproxima a una de las cuatro
figuras que se utilizaron para el entrenamiento, ya que las
toma como un solo objeto.
Fig. 6. Reconocimiento de formas en figuras unidas de diferente color.
III. DESCRIPCIÓN DEL PROTOTIPO FINAL
Para los propósitos de la aplicación de las pruebas y
desarrollos descritos en un ambiente real, se ha planteado y
trabajado sobre las características motrices de un manipulador
tipo pórtico con cuatro grados de libertad, tres de
desplazamiento y uno de orientación.
Al trabajar con este tipo de diseños fue necesario crear un
algoritmo de control motriz flexible, el cual permitiera ajustar
las características físicas (longitud y área) del manipulador, ya
que la dimensión del área de trabajo puede variar dependiendo
de la ubicación de la cámara Web. La interfaz gráfica, como
ya se comentó, fue desarrollada en el entorno de MATLAB
7.0, en ella el algoritmo reconoce y ubica automáticamente la
posición y orientación y área de una figura que selecciona el
usuario. En el aparte A. de la presente sección se describirá
con mayor detalle este aplicativo.
Fig 7. Reconocimiento de Formas en figuras unidas de un mismo color.
En este orden de ideas, se plantea entonces un escenario
iluminado con luz blanca fluorescente, uniformemente
distribuida, de tal forma que se presente la menor cantidad de
ruido y sombras posibles en la imagen. El entorno, en el que
se trabajó abarca un área de 1.10m de ancho por 0.80m de
largo, pintada de color blanco, en el se encuentran distribuidas
de forma aleatoria, figuras planas de diferentes tamaños con
forma circular, cuadrada, triangular o rectangular, de color
rojo, verde, azul o amarillo. El escenario lo complementa una
cámara WEB ubicada a una altura de 1.40m, que captura
imágenes a una velocidad de 15 cuadros por segundo, con una
resolución de 640x480 píxeles (Fig. 8).
A. Descripción aplicativo software de reconocimiento y
control de posición
Luego de realizar los análisis y pruebas descritas sobre el
espacio trabajado, se desarrolló el aplicativo software , el cual
cuenta con una interfaz de usuario constituida por una pantalla
principal, presentada en Fig. 9(a) y con el subprograma para
XIII SIMPOSIO DE TRATAMIENTO DE SEÑALES, IMÁGENES Y VISIÓN ARTIFICIAL. STSIVA 2008
el entrenamiento de la red neuronal con los objetos utilizados
y registrados por la imagen. Fig. 9(b).
Fig. 8. Esquema del escenario de trabajo.
(a)
(b)
Fig. 9. Aplicativo Software. (a) Ventana principal para reconocimiento y
control del manipulador. (b) Ventana del entrenador de la red neuronal
En síntesis, la interfaz principal permite visualizar el
número de figuras, ya sea por forma, color, tamaño; a su vez
permite combinar criterios de elección.
También cuenta con un control manual del elemento
posicionador, el cual envía las señales a un puerto serie
convencional, encargado de la gestión del movimiento del
manipulador descrito con anterioridad. Finalmente, se cuenta
con una herramienta denominada Entrenador para el
reconocimiento de figuras, la cual permite realizar la
adecuación de la red neuronal, basado en el análisis de las
figuras existentes fundamentándose en la forma, en las
propiedades métricas descritas en la Fig. 5 y en el número de
neuronas por capa.
IV. CONCLUSIONES
En este documento se ha presentado la metodología para el
desarrollo de una herramienta para el reconocimiento de
figuras, basada en descriptores de forma, color y tamaño;
aplicado en el control de manipuladores y posicionadores
17
robóticos. En general, se pueden destacar los siguientes
elementos como conclusiones del presente trabajo:
• Los diferentes tipos de iluminación sobre el escenario
afectan directamente los algoritmos de reconocimiento
de color y forma, debido a que la etapa previa de
acondicionamiento de la imagen no genera los
resultados esperados. Esta situación se evidencia en las
imágenes con demasiada iluminación, donde no es
conveniente homogenizar la componente de
intensidad, pues ocasiona saturación y eliminación e
figuras.
• Se vuelve fundamental el uso de filtros adaptativos
para el mejoramiento de la iluminación, buscando
aumentar la capacidad de operación del manipulador
en ambientes no controlados.
• El principal problema del reconocimiento de formas es
su dependencia directa con el algoritmo de
segmentación de colores, porque al presentarse
problemas en las condiciones de iluminación no se
identificarían de forma clara los bordes de las figuras,
generándose datos erróneos en los descriptores de
forma utilizados. Una buena solución para este
problema es realizar algoritmos de segmentación y
reconocimiento totalmente independientes.
• Se deben tener en cuenta todas las características
mecánicas del manipulador a la hora de desarrollar los
algoritmos de control y locomoción porque la
imprecisión de su diseño afecta de forma considerable
sus movimientos.
• La desventaja de trabajar sobre escenarios que
suponen un entorno con cámaras en posición fija, es
que el espacio de trabajo se ve limitado al rango de
visión de la cámara implementada, reduciendo el área
de exploración. Se plantea, como trabajo futuro ubicar
una cámara móvil sobre el manipulador, para tener una
visión periférica del ambiente, además se propone la
realización de comunicación vía inalámbrica.
V. REFERENCIAS
[1] AMAYA QUINTERO, Yamit Danilo. Universidad Industrial de
Santander, Bucaramanga. Facultad de Ingenierías Fisico-Mecanicas.
Escuela de ingenierías eléctrica, electrónica, y telecomunicaciones.
Localización dinámica de móviles y obstáculos en una escena controlada
para aplicaciones en robótica. Marzo 2005.
[2] FLÓREZ, Juan Fernando. Universidad del Cauca, Colombia.
Herramienta para la experimentación con robots móviles aplicando
control inteligente y visión por ordenador.
[3] RAMOS, Marcos Daniel. Escuela Politécnica Universidad de Alcalá.
Micro-robot futbolista GOLIATTOR.
[4] HAYKIN, Simon, Neural networks a comprehensive foundation. 2ed.
Ed. Prentice-Hall. 842 p. 1999. ISBN 0139083855.
[5] M.A. Zamora, L.M. Grupo de Visión, Robótica y Proy. Universidad de
Murcia. H.Martínez, A.G.Skarmeta. Dpto. Inf., Inteligencia artificial y
electrónica Facultad de informática Universidad de Murcia. Navegación
planificada de un robot móvil en entornos interiores desconocidos.
[6] PAJARES MARTINSANZ, Gonzalo. Redes neuronales artificiales:
fundamentos modelos y aplicaciones. Ed. Addison-Wesley
Iberoamericana 390p. 1995. ISBN 0-201-87895-X.
[7] PAJARES MARTINSANZ, Gonzalo. Visión por computador: Imágenes
digitales y aplicaciones. Ed. Alfaomega. 764p. 2002. ISBN 970-15-
0804-1.
18 XIII SIMPOSIO DE TRATAMIENTO DE SEÑALES, IMÁGENES Y VISIÓN ARTIFICIAL. STSIVA 2008

VI. BIOGRAFÍAS

Sergio Zabala (1982) nació en Bucaramanga,

Colombia el 7 de Noviembre de 1921. Obtuvo su grado
de bachiller del Colegio Franciscano del Virrey Solís en
1999. Realizó sus estudios de pregrado en Ingeniería
Electrónica en la Universidad Industrial de Santander,
donde obtuvo su titulo en Octubre de 2005. En su
experiencia profesional cuenta con la participación
como docente de tiempo completo de la Universitaria de
Investigación y Desarrollo, así como docente cátedra de
la Universidad Industrial de Santander. Participa
actualmente en la procesos de investigación en la UDI, como lider del grupo
de investigación en Robótica, Control y Procesamiento de Señales GPS.
Actualmente, desarrolla sus estudios de Maestría en Ingeniería Electrónica en
la UIS.

Gianni Yasser Rivera (1975) nació en Bucarmanga

en el año de 1979.. Llevó a cabo sus estudios en la
Universitaria de Investigación y Desarrollo
obteniendo el grado de Ingeniero Electrónico en el
año 2004. Se desempeña actualmente como jefe del
laboratorio de Metrología de la Universitaria de
Investigación y Desarrollo; además como asesor para
el grupo de investigación GPS-UDI en el área de
Sensores y Control de Procesos. Ha liderado varios
proyectos de pregrado en el área de redes de sensores,
procesamiento de imágenes y tratamiento de señal.

Jhonny Marvin Maldonado (1979) nació en

Villanueva en el año de 1979. Estudió su bachillerato en
el Colegio Nacional Roque de Alba. Llevó a cabo sus
estudios en la Universitaria de Investigación y
Desarrollo obteniendo el grado de Ingeniero Electrónico
en el año 2007. Se desempeña actualmente como
trabajador independiente en el área de redes de datos y
procesos de automatización.

Jose Manuel Parra (1984) nació en Providencia en

el año de 1984. Estudió su bachillerato en el Colegio
de la Salle. Llevó a cabo sus estudios en la
Universitaria de Investigación y Desarrollo
obteniendo el grado de Ingeniero Electrónico en el
año 2007. Se desempeña actualmente como trabajador
independiente en el área de redes de datos y procesos
de automatización.
Arquitectura hardware para la implementación FPGA de algorit-
mos de extracción de bordes en imágenes
Arquitectura Hardware para la Implementación
FPGA de Algoritmos de Extracción de Bordes
Lorena Vargas Quintero, Leiner Barba Jiménez, Cesar Torres, Lorenzo Mattos
en Imágenes
Lorena Vargas Quintero, Leiner Barba Jiménez, Cesar Torres, Lorenzo Mattos
Resumen— Este trabajo describe la implementación de una
arquitectura hardware sobre FPGA de algoritmos de extracción
de bordes en imágenes basados en técnicas orientadas al píxel.
Los bordes son píxeles alrededor de los cuales la imagen
representa una brusca variación en los niveles de gris y la
obtención de ellos representa una de las aplicaciones más
utilizadas en procesamiento digital de imágenes. En el diseño, los
algoritmos de extracción de bordes son desarrollados usando
Lenguaje de Descripción de Hardware (VHDL). El FPGA es
usado para la implementación gracias a que pueden reducir
considerablemente el tiempo de desarrollo, es fácil de
reprogramar, tiene bajo precio, y permite implementaciones tipo
hardware de sistemas completos en forma rápida y no muy
costosa. La arquitectura es evaluada usando imágenes de
diferentes tamaños y características.
Palabras claves — Procesamiento digital de imágenes, detección
de bordes de una imagen, Lenguaje de Descripción de Hardware
VHDL, Arreglo Compuertas de Campo Programable FPGA.
I. INTRODUCCIÓN
L OS bordes son una de las características mas importantes
en una imagen, por lo que su detección constituye una de
las tareas más relevantes en el procesamiento digital de
imágenes debido, fundamentalmente, a que están relacionados
con la delimitación y segmentación de zonas. La detección de
bordes ha sido extensamente analizada en visión por
computador durante los últimos años, [1] – [8].
El problema de la detección de bordes en imágenes
digitales se ha abordado en la literatura desde dos puntos de
vista diferentes: técnicas orientadas al pixel, y técnicas
orientadas a la región. Las técnicas de detección de bordes
orientadas al pixel se basan en la detección de
discontinuidades (transiciones fuertes) en la información de
los pixeles de una imagen, mientras que las técnicas
orientadas a la región determinan el proceso de detección
mediante una medida cuantitativa de ciertas propiedades de un
grupo conexo de pixeles [9].
Los bordes en imágenes en escala de grises pueden ser
considerados como un cambio abrupto de los niveles de gris
en la posición del píxel. Un cambio en la función imagen se
puede describir por un gradiente que apunta en la dirección de
mayor crecimiento de la función imagen. Por lo tanto una
Todos los autores son miembros del Grupo de Óptica e Informática -
Universidad Popular del Cesar.
Memorias STSIVA 2008
técnica es medir la magnitud del vector gradiente en la
posición del píxel. Este método trabaja bien cuando la
transición del píxel es bastante abrupta como una función
escalón. Cuando sucede lo contrario es más conveniente
aplicar la técnica de la segunda derivada [10].
En años recientes, los sistemas hardware basados en FPGA
han sido ampliamente usados para desarrollar diferentes tipos
de aplicaciones digitales incluyendo procesadores, maquinas
de computación específica y tarjetas de desarrollo de rápido
procesamiento. Un sistema con hardware reconfigurable
FPGA tiene múltiples ventajas, sobre todo porque pueden
agilizar el tiempo de procesos de muchas aplicaciones en
comparación con implementaciones en herramientas de
software. Debido a su naturaleza reconfigurable, los FPGAs
pueden implementar múltiples tareas en tiempos diferentes,
por lo que los sistemas pueden ser escalables [11].
Algunos trabajos de implementación de filtros de bordes
de imágenes sobre FPGA han sido propuestos [12]-[13].
Este trabajo propone una arquitectura hardware para la
implementación FPGA de algoritmos de extracción de bordes
de imágenes basados en técnicas de primera y segunda
derivada.
El resto del artículo es organizado así. La sección II
describe las técnicas de detección de bordes; la sección III y
IV ilustra la arquitectura hardware de los algoritmos
implementados; la sección V resume la implementación
FPGA. La sección VI muestra los resultados y la sección VII
las conclusiones.
II. TECNICAS DE DETECCIÓN DE BORDES ORIENTADAS AL PIXEL
Dentro de los distintos operadores utilizados para la
detección de bordes, se suele distinguir entre los operadores
de la primera y de la segunda derivada. Entre los operadores
de la primera derivada, cabe destacar aquellos que hacen uso
del gradiente. Los de la segunda derivada los más importantes
son la Laplaciana y la Laplaciana de la Gaussiana. El uso de
estos tipos de operadores está muy extendido y conforman la
base de muchos filtros utilizados en la actualidad.
A. Técnicas de Primera Derivada
Un borde es una variación significativa del nivel de gris.
Tomando la derivada en cada posición de píxel, se puede
determinar la rata de cambio del nivel de intensidad. La
primera derivada es cero en todas las regiones donde el nivel
de gris es constante y tiene un valor distinto de cero en
Tomo II 19 - 22
20 XIII SIMPOSIO DE TRATAMIENTO DE SEÑALES, IMÁGENES Y VISIÓN ARTIFICIAL. STSIVA 2008
transiciones de nivel de gris, ver figura 1. Por tanto, un
cambio de intensidad o borde, se manifiesta como un cambio
brusco en la primera derivada.
Figura 1. Representación de la función del borde de una imagen
Teniendo en cuenta este proceso, las técnicas de primera
derivada utilizan el operador gradiente, el cual puede
determinar la región de máximo crecimiento de una función:
∂I ( x, y ) ∂I ( x, y ) (1),
∇f ( x, y ) =i + j
∂x ∂y
donde I(x,y) representa el píxel de entrada, i y j son los
vectores unitarios en la dirección x e y.
Basado en el concepto de variación de intensidad de los
niveles de grises se introdujo un operador para la detección
digital de los bordes: las máscaras, las cuales representan
aproximaciones de diferencia finita del gradiente ortogonal o
del gradiente direccional [13].
Sobel y Prewit proponen dos tipos de máscaras 3x3 para
calcular el gradiente de la función imagen en una posición de
píxel dada, a través de la convolución entre ellas y una
ventana de la imagen centrada en el píxel que se esta
analizando:
Figure 2. Operadores de Sobel y Prewit para calcular el gradiente
Posteriormente, la magnitud del vector gradiente es definida
como:
G( x, y) = Gx( x, y) 2 + Gy( x, y) 2 (2)
La forma de determinar si G(x, y) corresponde a un píxel de
borde es aplicando un proceso de umbralización:
⎧1, si G ( x, y ) < T
Edge( x, y ) = ⎨
⎩0 si G ( x, y ) >= T
Para la implementación en hardware la magnitud del
gradiente suele usar esta aproximación:
G ( x, y ) = Gx( x, y ) + Gy ( x, y )
B. Técnicas de Segunda Derivada
La segunda derivada, por su parte, es cero en todos los
puntos, excepto en el comienzo y en el final de una transición
de intensidad. Cuando ocurre un cambio de intensidad o borde
en una imagen, se presenta un paso por cero, es decir, se
produce un cambio de signo en su valor en la segunda
derivada, tal como se observa en la figura 1.
Uno de los operadores de segunda derivada más usado es la
máscara Laplaciana, la cual es un filtro pasaalto que resalta los
cambios bruscos dentro de la imagen (figura 3).
Figura 3. Máscaras Laplacainas para la detección de bordes
Matemáticamente este filtro es descrito como:
G( x, y) = 4I ( x, y) − I ( x − 1, y) − I ( x + 1, y) − I ( x, y − 1) − I ( x, y + 1) (5 ),
donde I(x,y) es el píxel de la imagen de entrada.
Análogamente al proceso anterior se convoluciona cualquiera
de las máscaras de la figura anterior con la imagen de entrada,
y aplicando posteriormente el proceso de umbralización
descrito en la ecuación (3) se obtiene el píxel de borde final.
III. ARQUITECTURA HARDWARE DEL ALGORITMO DE
DETECCIÓN DE PRIMERA DERIVADA
El algoritmo de detección usando la primera derivada es
desarrollado en varios bloques de procesamiento, como se
muestra en la figura 4; aquí se utilizó una metodología de
diseño descendente (Top Down), en la cual todos los bloques
son implementados y analizados individualmente para luego
unirlos en un solo sistema.
Figura 4. Diagrama de bloques del algoritmo de detección de primera
(3)
derivada.
Los pixeles de la imagen de entrada se almacenan en el
bloque llamado “Block RAM IMAGE”. El píxel que se está
(4) procesando y su vecindad son convertidos como un vector fila
a través del bloque “Buffer Shift”, lo cual permite procesar
todos los pixeles de la vecindad paralelamente. La
convolución entre las máscaras definidas en la figura 2 y la
XIII SIMPOSIO DE TRATAMIENTO DE SEÑALES, IMÁGENES Y VISIÓN ARTIFICIAL. STSIVA 2008 21

imagen de entrada se realiza a través de las unidades de utilización de recursos del FPGA.
procesamiento de multiplicación “Multiplication Block” y de Tabla 1. Resumen de Utilización de recursos en el FPGA
suma “Sum Mask”. Cada bloque sumador procesa los datos Number of Slices: 174 out of 2352 7%
de una de las dos máscaras. Finalmente la umbralización y el Number of Slice Flip Flops: 100 out of 4704 2%
píxel de borde resultante se obtiene en el bloque “Mask Number of 4 input LUTs: 245 out of 4704 5%
Number of bonded IOBs: 30 out of 144 20%
Umbral”. La señal “sel_mask” indica el tipo de operador a
Number of TBUFs: 140 out of 2352 5%
utilizar: Sobel o Prewit.
Number of GCLKs: 1 out of 4 25%
Para la implementación hardware en FPGA fue adoptado el
Frecuencia de Trabajo 50 MHz
Lenguaje de Descripción de Hardware VHDL (VHSIC
Hardware Description Languaje). En la figura 5 se observa el
Adicionalmente se hizo un análisis de potencia con la
diagrama esquemático de algoritmo implementado utilizando
herramienta Xilinx XPower y se estima que la potencia
este estándar de diseño electrónico.
máxima consumida por el diseño es de 13 mW.

Figura 6. Diagrama de bloques del algoritmo de detección de segunda

derivada

Figure 5. Diagrama esquemático de algoritmo de detección de primera

derivada implementado en VHDL

IV. ARQUITECTURA HARDWARE DEL ALGORITMO DE

DETECCIÓN DE SEGUNDA DERIVADA
La arquitectura hardware del algoritmo de segunda derivada
es similar al de primera derivada. La variación está dada
básicamente por el bloque sumador “Sumation” que remplaza
los dos bloques “Sum Mask” de la figura 4. Esto se debe a que
esta técnica solo utiliza una máscara de filtro pasa alto para la
detección. El diagrama de bloques de este algoritmo es
ilustrado en la figura 6.
Asimismo, la implementación FPGA del algoritmo se hace
a través del diseño en VHDL, cuyo esquemático puede ser
observado en la figura 7.

V. IMPLEMENTACIÓN FPGA
El sistema ha sido mapeado en un dispositivo FPGA de
Xilinx de la familia Spartan II, de referencia XC2S200 a
través de la tarjeta de desarrollo Digilab 2 distribuida por
Digilent. La arquitectura fue implementada usando el
software ISE de Xilinx, versión 9.1, la cual suministra varias
herramientas para síntesis del diseño, técnicas de
configuración, análisis de desempeño, incluyendo recursos,
velocidad y consumo de potencia. En la tabla uno se resume la
Figure 7. Diagrama esquemático de algoritmo de detección de segunda
derivada implementado en VHDL. La señal “sel_mask” determina la máscara
Laplaciana.
VI. RESULTADOS
Para evaluar el desempeño de los algoritmos
implementados se desarrollo una interfaz gráfica en Matlab
7.1, la cual permite cargar las imágenes digitales que se
quieren analizar, enviarlas serialmente al FPGA, recibir la
22 XIII SIMPOSIO DE TRATAMIENTO DE SEÑALES, IMÁGENES Y VISIÓN ARTIFICIAL. STSIVA 2008
imagen procesada por el mismo medio y finalmente
visualizarla. Se utilizaron imágenes de diferentes tamaños, en
escala de grises con cada pixel codificado entre 0 (color
negro) y 255 (color blanco). La figura 8 muestra una imagen
inicial a ser procesada, con un tamaño de 400 x264 pixeles en
escala de grises.
Figura 8. Imagen inicial de 456x264 pixeles
En La figura 9 se observa los resultados al aplicar el
operador de Prewit con valores de umbral T = 60 y T = 120.
(a) (b)
Figura 9. Resultado de aplicar el operador de Prewit, (a) T= 60, (b) T = 120.
Asimismo se procesa la imagen utilizando el operador de
Sobel y la máscara 1 del operador Laplaciana para un umbral
T = 60. La figura 10 ilustra estos resultados.
(a) (b)
Figura 10. Resultado de aplicar los operadores con T= 60, (a) Sobel, (b)
Máscara 1 del filtro Laplaciana.
Otras imágenes fueron segmentadas con cada uno de los
filtros y utilizando diferentes valores de umbral.
Para evaluar el desempeño de los algoritmos se crearon
imágenes de bordes sintéticas, como la imagen mostrada en la
figura 11. Conociendo cuales son los bordes exactos de la
imagen creada se puede determinar el desempeño de cada uno
de los algoritmos de detección sobre dicha imagen.
La tabla 2 resume el desempeño promedio de cada filtro
para detectar los bordes sobre las imágenes creadas, con
umbral T=60.
Tabla 2. Desempeño promedio de los filtros en la detección
Filtro Porcentaje de Desempeño
Prewit 93.00%
Sobel 93.05%
Laplaciana (Máscara 1) 98.00%
Figura 11. Imagen de entrada creada y resultado después de aplicar los
diferentes operadores de detección con T = 60.
VII. CONCLUSIONES
Se desarrollo una arquitectura hardware para la
implementación FPGA de algoritmos de extracción de bordes
que emplean técnicas de primera y segunda derivada. De los
operadores el que presentó mejor desempeño en la evaluación
fue el filtro Laplaciano utilizando la máscara 1, seguido por
Sobel y Prewit. Además el filtro Laplaciano muestra una
mejor apariencia visual de los bordes detectados.
El tiempo de completo para procesar un pixel de imagen, es
decir hacer la convolución entre la máscara con la vecindad
del pixel (en total 9 pixeles) y después de tener los pixeles
almacenados en memoria es de 780 nseg, es decir 39 ciclos de
reloj para una frecuencia de trabajo de 50 MHz. Por tanto, se
puede inferir que el tiempo de proceso de una imagen
completa de tamaño 256x256 pixeles es de 51.11 mseg.
REFERENCIAS
[1] J. F. Canny, “A computational approach to edge detection,” IEEE Trans
Pattern Anal. Machine Intell., vol. 8, pp. 679–698, Sept. 1986.
[2] R. Deriche, “Using Canny’s criteria to derive a recursively implemented
optimal edge detector,” Int. J. Comput. Vis., vol. 1, no. 2, pp. 167–187,
1987.
[3] T. Lindeberg, “Edge detection and ridge detection with automatic scale
selection,” Int. J. Comput. Vis., vol. 30, no. 2, 1998.
[4] D. Marr and E. Hildreth, “Theory of edge detection,” in Proc. Royal Soc.
London B, 1980, pp. 187–217.
[5] V. Torre and T. A. Poggio, “On edge detection,” IEEE Trans. on Pattern
Anal. Machine Intell., vol. 8, pp. 148–163, Mar. 1986.
[6] M.C. Shin, D.B. Goldgof, K.W. Bowyer, and S. Nikiforou, “Comparison
of Edge Detection Algorithms Using a Structure from Motion Task,”
IEEE Trans. System, Man, and Cybernetics—Part B: Cybernetics, vol. 31,
pp. 589-601, Aug. 2001.
[7] J. Prewitt, “Object enhancement and extraction,” Picture Process.
Psychopict., pp. 75–149, 1970.
[8] J. Canny, “Finding edges and lines in images,” MIT Artif. Intell. Lab.,
Cambridge, MA, Tech. Rep. AI-TR-720, 1983.
[9] R.C. González, R.E. Woods, Digital Image Processing, Addison-Wesley,
1993.
[10] Koschan, A. Abidi, M. “Detection and classification of edges in color
images”. IEEE Signal Processing Magazine, Volume 22, Issue: 1
Pag.: 64- 73, 2005
[11] G. Wall, F. Iqbal, J. Isaacs, L. Xiuwen, S. Foo, “Real time texture
classification using field programmable gate arrays”. Applied Imagery
Pattern Recognition Workshop, 2004, Proceedings. 33rd, pp.130 - 135.
Oct. 2004.
[12] I. Bravo, R. Mateos, A. Gardel , A. Hernández, J.L. Lázaro, R. Rivera.
“Detección de bordes de imágenes mediante máscaras de 3x3 con
FPGA's”. III Jornadas de Computación Reconfigurable y Aplicaciones
(JCRA) Sept. 2003, Madrid.
[13]Note Application:“Edge Detection in AT6000 FPGAs” in:
http:/www.eetasia.com/ART_8800062747_499485_AN_8b2b1b38.HTM
Transformada wavelet y técnicas de filtrado no lineal aplicadas a
la detección de microcalcificaciones en mamografías digitales
Transformada Wavelet y Técnicas de Filtrado no
Lineal aplicadas a la Detección de
Lorena Vargas Quintero, Leiner Barba Jiménez, Cesar Torres, Lorenzo Mattos
Microcalcificaciones en Mamografías Digitales
Lorena Vargas Quintero, Leiner Barba Jiménez, Cesar Torres, Lorenzo Mattos
Resumen — En este trabajo se utilizaron técnicas de
segmentación y filtrado no lineal de imágenes, así como técnicas
de procesamiento multiresolución como la transformada
Wavelet, aplicadas a imágenes mamográficas digitales para la
detección de microcalcificaciones, las cuales representan los
primeros indicios acerca de la presencia de cáncer de mama.
Las imágenes mamográficas tienen la característica de ser de
bajo contraste, lo que muchas veces dificulta la interpretación del
Radiólogo, por lo cual se desarrolló un método para mejorar
esas imágenes y detectar dichas anomalías. Las imágenes
mamográficas digitales fueron tomadas de la base de datos MIAS
(Mammographic Image Analysis Society), debido a que poseen
una completa información acerca del cáncer de mama y de la
interpretación que debe hacerse de las mamografías.
Palabras claves — Transformada Wavelet, procesamiento
de imágenes, filtrado de imágenes, mamografías digitales,
microcalcificaciones.
I. INTRODUCCIÓN
E L cáncer de mama es la principal causa de mortalidad en
las mujeres según la Organización Mundial de la Salud
(World Health Organization). El diagnostico temprano de la
enfermedad puede significar una opción de recuperación para
personas que la padecen. Las microcalcificaciones constituyen
un importante signo radiológico en una mamografía y pueden
ser analizadas de acuerdo a su tamaño, forma, número y
distribución. El número de calcificaciones que conforman un
clúster es un indicador de malignidad o benignidad. Mientras
que el número de ellas en sí mismo es arbitrario, los
Radiólogos tienden a decir que el número mínimo de
calcificaciones debe ser de cuatro a seis, para ser relevante, ya
que un número menor raramente conlleva a la detección de
cáncer de mama [1].
Los mamogramas son las imágenes radiológicas más
difíciles de ser interpretadas, debido al bajo contraste que
frecuentemente presentan, además ellas pueden mostrar
distintas características y patrones dependiendo de la anatomía
de la mama y la densidad del tejido, el cual varía con la edad
de la paciente, y su condición hormonal o física [2].
Varios métodos computarizados para la detección de
microcalcificaciones y mejoramiento de contraste de imágenes
Todos los autores son miembros del Grupo de Óptica e Informática -
Universidad Popular del Cesar
Memorias STSIVA 2008
mamográficas basados en técnicas de morfología matemática,
redes neuronales y análisis wavelet han sido propuestos[3]-
[8].
Laine et al. [8] usa tres representaciones multiescala: 1) la
transformada de wavelet dyadic, 2) la transformada φ , y 3) la
transformada wavelet hexagonal. Cada una de estas
representaciones constituye una jerarquía de las imágenes
multiescala las cuales localizan información importante de la
imagen en diferentes espacios frecuenciales, aplicando
operadores no lineales a estas representaciones multiescala
para mejorar características deseadas. Los resultados son
comparados con métodos tradicionales usados para el
mejoramiento de imágenes tales como la mascara unsharp y
histogramas adaptativos y se encontró que los algoritmos de
procesamiento basados en wavelet fueron superiores.
Nishikawa et al. [9] desarrollo una técnica para la detección
automática de microcalcificaciones. Este método consiste en
tres etapas: el primero es la reducción de ruido en la imagen
mamográfica, las potenciales microcalcificaciones son
identificadas por los niveles de gris, tercero, el número de
falsos positivos detectados son reducidos según la distribución
espacial y la relación entre tamaño, forma y valor del pixel en
la imagen mamográfica.
Algunos trabajos desarrollados que exponen la teoría,
conceptos y aplicaciones del análisis wavelet son reportados
en [10]-[12].
En este trabajo se propone un método para detectar
microcalcificaiones en mamografías digitales a través de
técnicas de procesamiento de imágenes que permiten mejorar
el contraste y técnicas de análisis multiresolución como la
transformada wavelet discreta.
II. MEJORAMIENTO DE CONTRASTE DE LA MAMOGRAFÍA
DIGITAL
A. Mejoramiento usando una máscara Unsharp
La máscara unsharp es usada para mejorar la calidad de la
imagen, enfatizando en su contenido de alta frecuencia,
mejorando los bordes y la información de detalles. Esta
técnica es un simple y efectivo método ampliamente utilizado
en muchas aplicaciones, pero tiene la desventaja que el filtro
lineal pasa alto es sensible al ruido [13]. En esta técnica una
fracción de la imagen filtrada en pasa alto es adicionada a la
imagen original, tal como lo muestra la figura 1.
Tomo II 23 - 26
24 XIII SIMPOSIO DE TRATAMIENTO DE SEÑALES, IMÁGENES Y VISIÓN ARTIFICIAL. STSIVA 2008
Fig. 1. Diagrama de bloques de la máscara Unsharp
Teniendo en cuenta esto, el algoritmo de la máscara
Unsharp obtiene la imagen O(x,y) desde la imagen de entrada
I(x,y) a través de la siguiente ecuación:
O( x, y ) = I ( x, y) + λ Z ( x, y) (1)
donde Z(x,y) es la señal de corrección a la salida del filtro
pasa alto lineal, λ es el factor de mejoramiento que controla el
nivel de mejoramiento de contraste de la salida. Un filtro pasa
alto comúnmente empleado para este método es el filtro
Laplaciano, que puede ser descrito por:
Z ( x, y ) = 4 I ( x, y ) − I ( x − 1, y ) − I ( x + 1, y )
− I ( x, y − 1) − I ( x, y + 1)
Dependiendo de las características de la imagen a procesar,
es necesario modificar la máscara del filtro para obtener un
mejor contraste de salida. Esto se debe a que las imágenes
mamográficas generalmente varían el contraste y la resolución
inicial, dependiendo de ciertas características de las mujeres
de quienes se obtiene dicha imagen, tal como se mencionó
anteriormente.
B. Mejoramiento a través de una modificación de
Histograma
El histograma de una imagen representa la frecuencia
relativa de ocurrencia de los niveles de gris dentro de una
imagen. Las técnicas de modelamiento de histograma
modifican una imagen para mejorar la intensidad de la
mamografía de tal manera que tenga la forma deseada [14].
Una vez la máscara unsharp es aplicada se procede a
modificar los niveles de gris para generar una mejor
visualización de las microcalcificaciones en la imagen. Aquí
se necesita seleccionar un umbral, el cual permite separar los
valores de intensidad de los pixeles correspondientes a
microcalcificaciones y el resto de la imagen; esto es posible
teniendo un conocimiento a priori de los pixeles de las
microcalcificaciones. Para tal efecto se utiliza una función no
lineal que puede ser descrita matemáticamente como:
⎧⎪e O( x, y ) / k , si O( x, y) ≥ T
P( x, y) = ⎨ O( x, y ) / k
⎪⎩e − D, si O( x, y) < T
donde P(x,y) es el pixel de salida, O(x,y) es el pixel de
entrada, T es el umbral, D es un entero positivo y k está dada
por:
O( x, y ) max
k=
ln O( x, y ) max
donde O(x,y)max es el máximo nivel de gris de la imagen. Es de
anotar que los niveles de gris están codificados entre 0
representa el color negro y 255 el color blanco.
Dado que las calcificaciones son componentes de alta
frecuencia dentro de la imagen mamográfica, ellas presentan
un nivel de intensidad de los pixeles más alto que el resto de
la imagen, por tanto con la ecuación (3) se busca dar un poco
mas de luminosidad a las calcificaciones en comparación con
el resto de la imagen. Por tal razón se observa que los valores
entre las componentes de bajo y alto contraste puedan tener un
rango considerable entre sus niveles de intensidad resaltando
las microcalcificaciones en la imagen mamográfica con
respecto al tejido mamario.
III. ANÁLISIS WAVELET
El análisis wavelet consiste en la descomposición de una
señal arbitraria en versiones escaladas y trasladadas de la
wavelet original, es decir, la idea básica de esta transformada
consiste en representar cualquier función arbitraria como una
superposición de un conjunto de dichas wavelets o funciones
bases, además de adoptar un prototipo de función llamado
wavelet madre [15].
(2)
A. Análisis wavelet en dos dimensiones
El análisis wavelet descompone la señal o imagen en un
conjunto jerárquico de aproximaciones y detalles. Desde un
punto de vista de análisis de señales, esto consiste de una
descomposición de la señal en una familia de señales de
análisis, las cuales son usualmente un método de función
ortogonal. Este trabajo emplea la transformada wavelet
discreta en dos dimensiones, la cual se define como:
C (a, b) = C ( j, k ) = ∑∑ f ( x, y) g j , k ( x, y) (5)
x∈Z y∈Z
con a = 2 j , b = k 2 j , j ∈ N, j ∈ N
donde f es la imagen original, g es la función wavelet, a es el
factor de escala de la función wavelet, b es un parámetro de
traslación de la función wavelet y C(a,b) son los coeficientes
obtenidos. El proceso inverso se obtiene por medio de la
ecuación:
∑∑
f ( x, y ) = C ( j , k )ψ j , k ( x, y ) (6)
j∈Z k∈Z
donde ψ es la función wavelet. Una completa explicación de
este proceso se encuentra en [16].
B. Proceso de descomposición wavelet en dos dimensiones
El proceso de descomposición wavelet entrega cuatro
imágenes para un nivel de descomposición: una subbanda de
aproximación (cA) que muestra la información de baja de
frecuencia de la imagen, y tres subbandas de detalles (cDV,
(3) cDH, cDD) que muestran la información de alta frecuencia de
la imagen. Estas cuatro de salida tienen la mitad del tamaño de
la imagen de entrada. El proceso de reconstrucción de la
imagen se realiza con las cuatro imágenes de descomposición
resultantes. El algoritmo completo para obtener la
descomposición wavelet puedes ser visto en [16].
En la literatura existen diferentes tipos de familias wavelet,
(4) entre ellas se tienen Haar, Daubechies (dbN), Symlets (symN),
Meyer (meyr), las cuales han sido implementadas en el
sistema.
XIII SIMPOSIO DE TRATAMIENTO DE SEÑALES, IMÁGENES Y VISIÓN ARTIFICIAL. STSIVA 2008 25

IV. DESCRIPCIÓN DEL SISTEMA

Una vez segmentada la imagen, el siguiente paso en el
proceso es mejorar el bajo contraste usando la máscara de
filtro descrita en la sección II, la cual tiene un tamaño 3x3.
La figura 2 muestra el diagrama de bloques del algoritmo
desarrollado.

Fig.3. Imagen mamográfica a ser analizada y región ampliada donde

está localizada la anormalidad.

Fig.2. Diagrama de bloques del sistema desarrollado

A través de una modificación de histograma se puede

obtener una imagen donde se resaltan las microcalcificaciones
con respecto al resto de la imagen.
En la descomposición wavelet de uno o más niveles, las
sub-bandas de aproximación (cA) son suprimidas, debido a
que estas contienen las componentes de baja frecuencia de la (a) (b)
imagen, por tanto todos los elementos de esta matriz son Fig. 4. (a) Imagen después de aplicarle la máscara; (b) Imagen
llevados a cero: después de modificar el histograma.
cA = 0 (7) En la figura 5(a) se ilustra el resultado al aplicar los
El filtrado de subbanda se describe a través de un método algoritmos de las últimas cuatro etapas del proceso
de mejoramiento de contraste desarrollado por [8], el cual (transformada wavelet discreta, filtrado de sub-bandas,
enfatiza en características mamográficas mientras se reduce el transformada wavelet discreta inversa y umbralización).
ruido, esta operación se realiza por medio de técnicas de Análogamente, se aplicó el mismo procedimiento a la
mejoramiento de imágenes local y global basadas en bordes imagen de la figura 4 utilizando la familia wavelet Coiflet de
multiescala. orden 2 (coif2) y se obtuvo el resultado de la figura 5(b).
Finalmente, la Transformada Wavelet Discreta Inversa
(TWDI) recupera la imagen mostrando solamente las
componentes de alta frecuencia detectadas en las sub-bandas
de detalles cD (horizontal-cDH, vertical-cDV y diagonal-
cDD). Por último se procede a umbralizar la imagen resultante
para eliminar algunas partes recuperadas no correspondientes
a microcalcificaciones, esto se hace a través de la técnica de
umbralización global.

⎧1, si G( x, y) ≥ T
B( x, y) = ⎨ (8)
⎩0, si G( x, y) < T (a) (b)
Fig. 5. (a) Resultados del proceso. Se utilizó la familia wavelet
Daubechies de orden 2 (db2), (b) Microcalcificaciones detectadas
V. RESULTADOS
usando Coiflet 2 (coif2).
Para evaluar los resultados del sistema se usó la base de
datos MIAS (Mammographic Imge Analysis Society),
especialmente aquellas imágenes mamográficas que presentan
calcificaciones en su diagnóstico; en total son 30 imágenes
con calcificaciones. Asimismo, se emplearon diferentes
familias wavelet como db2, db4, sym3, coif2.
En la figura 3 se muestra la región ampliada donde se
encuentran las calcificaciones de la imagen a procesar. La
figura 4 muestra los resultados después de aplicar la máscara
unsharp y la modificación de histograma.
Fig. 6. Imagen mamográfica a ser analizada y región ampliada donde
está localizada la anormalidad.
26 XIII SIMPOSIO DE TRATAMIENTO DE SEÑALES, IMÁGENES Y VISIÓN ARTIFICIAL. STSIVA 2008
Se evaluaron los resultados utilizando una imagen
mamográfica de características diferentes, tal como se observa
en la figura 6, en la cual se seleccionó una sección de ella para
ser analizada.
(a) (b)
Fig. 7. (a) Resultado de aplicar la máscara; (b) Resultado de
modificar el histograma.
La figura 7 muestra los resultados al aplicar la máscara y la
técnica de modificación de histograma. En la figura 8 se
aprecia el resultado después de aplicar la TDW, filtrar y
reconstruir la imagen utilizando la familia wavelet Daubechies
de orden 4 (db4).
Fig. 8. Resultado de aplicar la TWD usando la familia db4
Asimismo, se evalúan los resultados utilizando la familia
wavelet Symlets de orden 3 (sym3), tal como se observa en la
figura 9.
Fig.9. Resultado de aplicar la TWD usando la familia sym3
En cada caso, se evaluó el número de microcalcificaciones
y falsos positivos encontrados teniendo en cuenta la
información suministrada en [17], y se determinó que los
mejores resultados fueron obtenidos con funciones wavelet:
db4 (Daubechies de orden 4), coif2 (Coiflet de orden 2) y
sym3 (Symlet de orden 3). Asimismo se pudo concluir que la
wavelet madre db4 presentó un mayor número de
microcalcificaciones detectadas.
VI. CONCLUSIONES Y TRABAJOS FUTUROS
El sistema desarrollado puede detectar microcalcificaciones
en imágenes mamográficas a través de la transformada
wavelet y técnicas de mejoramiento de contraste. Todas las
imágenes con calcificaciones de la base de dato MIAS se
emplearon para probar el sistema. El algoritmo desarrollado
para la detección de microcalcificaciones tiene una exactitud
promedio de 91% de verdaderos positivos
(microcalcificaciones detectadas), y un promedio de 10% de
falsos positivos (objetos detectados en la imagen que no son
microcalcificaciones). El mejor resultado obtenido fue con la
familia wavelet Daubechies de orden 4 (db4), con cuatro
niveles de descomposición. Este trabajo puede ser útil como
ayuda diagnóstica para los radiólogos en la interpretación de
imágenes mamográficas.
Como trabajo futuro se planea la implementación de un
algoritmo de reconocimiento utilizando redes neuronales para
clasificar las microcalcificaciones detectadas de acuerdo a su
tamaño, forma o distribución.
REFERENCIAS
[1] James Nguyen, David Fleiszer, “Interactive mammography analysis web
tutorial”, McGill Medicine, Molson Medical Informatics, 2002 at:
http://sprojects.mmi.mcgill.ca/mammography/index.htm
[2] João Martins Pisco, Imagiologia Básica, LIDEL, 2003, pp. 65-70 (in
portuguese).
[3] J.-P. Antoine, P. Carette, R. Murenzi, and B. Piette, “Image analysis with
two-dimensional continuous wavelet transform,” Signal Process., vol.31,
pp. 241–272, 1993.
[4] T. C. Wang and N. B. Karayiannis, “Detection of microcalcifications in
digital mammograms using wavelets,” IEEE Trans. Med. Imag., vol. 17,
pp. 498–509, Aug. 1998.
[5] Qian W, Clarke LP, Kallergi M, Li H, Velthuizen R, Clark RA, et al.
“Tree-structured nonlinear filter and wavelet transform for
microcalcification segmentation in mammography”. SPIE Biomed Image
Process Biomed Visual 1993;12(4):634–642.
[6] R.N. Strickland and H.I. Hahn, "Wavelet transform for detecting
microcalcifications in mammograms" IEEE Trans. Med. Imaging, vol.15,
no.2, pp.218–229, 1996
[7] Laine Andrew, Fan Jian and Yang Wuhai, “Wavelets for Contrast
Enhancement of Digital Mammography” IEEE Engineering in medicine
and Biology, Volume 14, Issue 5, Sep/Oct 1995 pp.536 – 550.
[8] A. F. Laine, S. Schuler, J. Fan, and W. Huda, “Mammographic feature
enhancement by multiscale analysis,” IEEE Trans. Med. Imag., vol. 13,
pp. 725–740, Aug. 1994
[9] R. M. Nishikawa, Y. Jiang, M. L. Giger, K. Doi, C. J. Vyborny, and R. A.
Schmidt, “Computer-aided detection of clustered microcalcifications,” in
Proc. IEEE Int. Conf. Syst., Man, cybern., 1992, pp. 1375-1378.
[10] I. Daubechies, “Orthonormal bases of compactly supported wavelets,
”Commun. Pure and Appl. Math., vol. 41, pp. 909–996, 1988.
[11] S. G. Mallat, “A theory for multiresolution signal decomposition: The
wavelet representation,” IEEE Trans. Pattern Anal. Machine Intell., vol.
11, pp. 674–693, July 1989.
[12] ________, “Multifrequency channel decomposition of images and
wavelet models,” IEEE Trans. Acoust., Speech, Signal Processing, vol.
37, pp. 2091–2110, Dec. 1989.
[13]Andrea Polesel, Giovanni Ramponi, and V. John Mathews, “Image
Enhancement via Adaptive Unsharp Masking”, IEEE Transactions on
Image Processing, Vol. 9, No. 3, MARCH 2000, pp. 505-510.
[14]L. Lehr and P. Capek, "Histogram equalization of CT image,",
Radiology, vol. 154, pp. 163-169, 1985.
[15]Amara Graps, “An introduction to wavelets”,
IEEE Computational Science and Engineering,
Volume 2, Issue 2, Summer 1995 Page(s):50 – 61.
[16] Pajares Gonzalo, de La Cruz Jose, Visión por computador – Imágenes
digitales y aplicaciones, Alfaomega, pages 47-56, 2004 (in spanish).
[17] Mammographic Imge Analysis society (MIAS), MiniMammography
Database; available on-line at http://peipa.essex.ac.uk/ipa/pix/mias/mias-
database.tar.gz.
Algoritmo de apoyo para el diagnóstico de tuberculosis pulmonar
Algoritmo de Apoyo
mediante para el Diagnóstico
el procesamiento digital de de Tuberculosis
imágenes
Pulmonar mediante el Procesamiento Digital de Imágenes
Rueda D. Laura, Narváez L. Remberth, Sotaquirá G. Miguel, miembro IEEE
Rueda D. Laura, Narváez L. Remberth, Sotaquirá G. Miguel, miembro IEEE
Resumen—Este artículo presenta el diseño e implementación de
un algoritmo que sirve de herramienta para el diagnóstico de
tuberculosis pulmonar. Con las técnicas de computación
adecuadas es posible disminuir el tiempo de diagnóstico, siendo la
rapidez vital para el paciente. Haciendo uso de técnicas de
segmentación por umbralización es posible contar el número de
bacilos y/o agrupaciones en una muestra de esputo con tinción de
Ziehl-Neelsen. Una característica que se aprovecha en el conteo
automático es el color de los bacilos, el cual es estudiado en el
procesamiento mediante la utilización de los espacios de color
YCbCr y Lab. Se presenta el proceso de selección de los espacios
de color y la segmentación de los bacilos y sus agrupaciones.
Todas las decisiones fueron tomadas de acuerdo con resultados
estadísticos. La herramienta diseñada tiene un desempeño en el
diagnóstico del 81.8%
Palabras clave— Espacios de color, imágenes biomédicas,
tuberculosis pulmonar, esputo, segmentación, histograma,
correlación.
I. INTRODUCCIÓN
E l diagnóstico temprano de tuberculosis pulmonar es
crítico para la salud del paciente. Actualmente la
detección de bacilos se realiza analizando manualmente la
muestra de esputo; sin embargo, no está exenta de errores por
subjetividades del observador, consume mucho tiempo, es
tediosa por la repetición del proceso y requiere de personal
altamente especializado y experimentado.
Por la experiencia de los microbiólogos y otros profesionales
afines, el diagnóstico tarda aproximadamente entre 40 minutos
y 3 horas (dependiendo de la experiencia del profesional), [1].
Por otro lado, dado el número de casos presentados
anualmente a nivel nacional (entre 7000 y 8000 siendo el 22%
de esos casos en promedio de la Costa [2]) la respuesta del
diagnóstico de un paciente en particular puede durar hasta 24
horas hábiles.
En este proyecto se utilizan el procesamiento digital de
imágenes para contar los bacilos y dictaminar el diagnóstico,
con el fin de agilizar éste.
II. METODOLOGÍA
A. Toma de Imágenes
Para obtener un nivel de confiabilidad adecuado, es
necesario estandarizar los procesos relativos a la preparación
de la muestra y la toma de imágenes. La preparación de las
muestras de esputo depende exclusivamente del laboratorio en
donde se realice, por lo que está fuera de los alcances de este
proyecto.
En el microscopio se determinaron el enfoque y la
luminosidad; en la cámara, desde el computador, se
Memorias STSIVA 2008
determinaron las dimensiones de la imagen (640 x 480), el
balance de blancos (Nuboso) y el zoom óptico.
B. Características de las imágenes
La imagen está compuesta de manchas azules (en todas las
tonalidades), residuos (verdes, negras o marrones), bacilos y el
fondo. La coloración de las manchas azules y de los bacilos es
debida a la técnica de tinción utilizada. Existen manchas
debido a residuos de alimentos, fibras y polen y/o rasguños en
las láminas reutilizadas.
El rango en el que se puede variar la iluminación constituye
un 40% del rango que ofrece el microscopio. Las pruebas
realizadas se muestran en la Sección IV.
Las muestras utilizadas se obtuvieron de la Secretaría de
Salud de Bogotá la cual recibe muestras preparadas de
diferentes centros de salud por lo que el resultado no es
homogéneo. Por esto, lo que se observa en el microscopio y en
las imágenes que se procesan es una diversidad en tonos, de
rojo para los bacilos, y azul para el medio en que se
encuentran, y en concentración de la muestra, mostrando unos
campos traslúcidos y unos opacos.
C. Procesamiento Digital
Para verificar el comportamiento de los espacios de color
ante la tarea de identificación de bacilos, se probó el código de
segmentación, es decir, fue un proceso simultáneo. A
continuación se presentan los espacios de color con su
respectiva estrategia.
1) Espacios de Color y Segmentación.
 Espacio RGB. La estrategia que se utiliza en este
espacio es la observación de los valores que toman los píxeles
de cada matriz en las regiones de interés de las imágenes, éstas
son: los bacilos, las manchas azules y el fondo. Se tomaron los
valores de los píxeles mediante el comando imtool de la
herramienta de Software Matlab.
No se encontraron agrupaciones de bacilos mayores a 300
píxeles pero sí un ruido de tipo “sal y pimienta”. Debido a
ciertos bacilos segmentados que eran débiles ante un filtro de
media, se eliminaron objetos cuya área fuera menor a 10
píxeles y así se veían menos afectados los bacilos.
 Espacio YCbCr. En el plano Cr del espacio YCbCr,
los bacilos y otras partes de la imagen del mismo color toman
tonalidades claras y el resto de la información se oscurece; en
los otros planos, los bacilos no se pueden diferenciar de las
manchas y el fondo.
Experimentalmente se hallaron umbrales ideales para cada
imagen. Éstos se encontraban en un punto poco característico
del histograma, no eran mínimos ni máximos locales o
globales. Los umbrales ideales se encontraban en la caída del
histograma, después del máximo, siendo difíciles de
determinar.
Tomo II 27 - 30
28 XIII SIMPOSIO DE TRATAMIENTO DE SEÑALES, IMÁGENES Y VISIÓN ARTIFICIAL. STSIVA 2008
En este punto se propuso un método iterativo que depende de
la derivada del histograma. Obteniendo un valor límite de los
valores que toma la derivada, se calculó el umbral para el
plano Cr (ver Sección IV). El programa diseñado para la
segmentación en el espacio YCbCr consiste en la lectura de la
imagen en el espacio RGB y su conversión al espacio YCbCr.
El procesamiento consiste en el cálculo del umbral, la
binarización de la imagen y la remoción de grupos pequeños y
grandes de píxeles blancos.
 Espacio Lab. Se tienen dos tipos de imágenes en los
planes a y b con información en común, los bacilos claros, y
con información de cada tipo, manchas oscuras y claras, por lo
que, con el umbral adecuado, una operación AND entre las
dos resulta en una imagen con los bacilos, únicamente.
La estrategia con el espacio Lab es similar a la utilizada en el
espacio YCbCr. La diferencia radica en las condiciones para el
umbral T del plano a, en la binarización de otro plano, el b, y
en la operación lógica entre las imágenes resultantes. Al
aplicar una AND entre los planos a y b se busca eliminar las
componentes de manchas azules del primero, así que el plano
b funciona como una máscara. En este caso, se puede
determinar un umbral fijo porque las manchas tienen valores
de intensidad visiblemente menores. Después de varias
pruebas, se determinó el umbral en 100.
 Unión de los espacios Lab y YCbCr. La
segmentación en el espacio Lab presenta ventajas en cuanto a
insensibilidad ante ruido por iluminación, pero no ante objetos
extraños, puntos y manchas de diferentes colores. Sin embargo
el YCbCr tiene un buen comportamiento ante estos. Una
opción es el procesamiento en estos dos espacios. Como la
imagen segmentada del plano Cr no tiene las manchas azules,
sino los bacilos y ruido por iluminación, es posible utilizar
únicamente el plano a del espacio Lab en la unión. Así, se
utilizaron el plano a del espacio Lab y el Cr del YCbCr.
Imagen a color
Adquisición de la imagen
I(x,y) en RGB
Segmentación de I(x,y) en Segmentación de I(x,y) en
el espacio Lab, usando el el espacio YCbCr, usando
canal a el canal Cr
Operación lógica AND
entre las dos imágenes
Remoción grupos grandes
y pequeños de píxeles
blancos
Imagen segmentada
Fig. 1. Flujograma del algoritmo de segmentación en la unión YCbCr/Lab
En la Figura 2 se muestra la segmentación de una región de
una imagen, comparándola con la segmentación con los
algoritmos anteriores.
a) b) c) d)
Fig. 2. Comparación segmentación: a) imagen original, b) imagen
segmentada en Lab, c) imagen segmentada en YCbCr, d) imagen
segmentada en Lab/YCbCr
2) Conteo de Bacilos. Se tomó un área promedio en
píxeles de los bacilos (depende del tamaño de la imagen) y se
encontró el área total de los objetos blancos dentro de la
imagen segmentada. El tamaño promedio de los bacilos, según
las pruebas realizadas, es de 41.4 píxeles.
III. PRUEBAS, RESULTADOS Y ANÁLISIS DE RESULTADOS
A. Escogencia de los espacios de color
Cada componente de los espacios tiene características que
puede resaltar o esconder los objetos de interés. En este caso,
los bacilos se diferencian visualmente del fondo en el tercer y
segundo canal de los espacios YCbCr y Lab, respectivamente.
Con los tres planos y estudiando los espacios HSI, YIQ y
RGB, los bacilos eran reconocidos únicamente en el último,
por lo tanto éste, el YCbCr y el Lab fueron los seleccionados.
B. Pruebas para selección de umbrales
1) Espacio RGB. Se obtuvo el rango de intensidades de los
bacilos, las manchas azules y el fondo, en cada componente de
las imágenes. Los bacilos y el fondo toman valores similares
en el canal rojo pero diferentes en el canal verde lo que
permitió discriminar los objetos de interés de las manchas
azules y del fondo, respectivamente.
2) Espacios YCbCr y Lab. Se buscó el punto a partir del
cual la derivada del histograma se mantuviera mayor a un
valor r. Para el espacio YCbCr se probaron umbrales con
derivadas mayores a -1000, -2000, -3000 y -4000; para el
espacio Lab, con pendientes mayores a los valores r: -500,
-1000, -2000, -3000. La comparación se hizo con umbrales
ideales, definidos manualmente por imagen. Con este conjunto
de datos se calculó el coeficiente de correlación para
determinar cuál umbral era el más cercano al manual. En la
Tabla I se resumen los resultados obtenidos y en negrilla se
destaca el límite de la derivada que arrojó umbrales con mayor
correlación. Para la unión de espacios YCbCr/Lab se
utilizaron estos mismos umbrales.
TABLA I
COEF. DE CORRELACIÓN PARA UMBRALES CALCULADOS EN YCBCR Y LAB
Umbral calculado para
-1000 -2000 -3000 -400
YCbCr diferentes pendientes r
Coef. de Correlación 0,969 0,976 0,977 0,439
Umbral calculado para
-500 -1000 -2000 -3000
Lab diferentes pendientes r
Coef. de Correlación 0,945 0,939 0,938 0,936
C. Categorización de las imágenes
Para comparar los resultados de cada espacio de color, es
necesario tener una referencia común para todos. En este caso,
por asesoría de un especialista en el tema, [3], lo
recomendable es categorizar cuantitativamente la cantidad de
XIII SIMPOSIO DE TRATAMIENTO DE SEÑALES, IMÁGENES Y VISIÓN ARTIFICIAL. STSIVA 2008
información dentro de la imagen. De esta forma, se dieron
niveles a la cantidad de bacilos, iluminación y la presencia de
ruido en la imagen segmentada. De las imágenes segmentadas
se obtienen dos tipos de información: una correspondiente a
bacilos y otra a la imagen segmentada en su totalidad. Esta
diferencia se debe al ruido, por iluminación u objetos extraños,
que es segmentado junto con los bacilos. Con el primer tipo de
datos se determina la efectividad del algoritmo para reconocer
los bacilos presentes en la imagen; con el segundo tipo se
define la robustez del algoritmo ante el ruido, ya que, entre
más similar sea este tipo de información a la de los bacilos,
menos ruido tiene la imagen.
Para determinar la relación entre la información obtenida (de
bacilos y la total) y la imagen segmentada, se calculó el
coeficiente de correlación para comparar entre todos los
espacios. Se utilizaron 141 imágenes de diferentes muestras y
características de iluminación y cantidad de bacilos.
E. Resultados y comparación
En la Tabla II se resumen los resultados obtenidos en las
pruebas para cada algoritmo. Por el coeficiente de correlación,
se descarta el código en el espacio RGB. Debido a las
características complementarias de los algoritmos del espacio
Lab y YCbCr se optó por una unión de espacios.
TABLA II
COMPARACIÓN
Espacios Coef. De Correlación
RGB 0.3474
YCbCr 0.5346
Lab 0.9016
YCbCr/Lab 0.8398
Se calculó la cantidad de imágenes que detectan ruido por
iluminación y por objetos, conformando el porcentaje de “FP
por iluminación” y “FP por obj. no deseados” en la Figura 3.
También se halló la cantidad de imágenes que presentaban los
dos tipos de ruido (“FP mutuo”). Para el caso en que no hay
bacilos segmentados cuando sí los hay en la imagen original,
se halló la cantidad de imágenes que presentan una categoría
menor que en las originales, conformando los falsos negativos
(campo “FN”).
Resultados por Imágenes
100
No. de imágenes
80
afectadas
60
40
20
0
FP por FP por obj. No FP mutuo
iluminación desseados
Tipo de error
RGB YCbCr Lab
Fig. 3. Resultados de errores en los espacios de color
El coeficiente de correlación indica la relación entre la
imagen original y la segmentada, y los falsos positivos y
negativos indican los errores del algoritmo. Con estos datos es
posible seleccionar el espacio de color más adecuado. El
YCbCr se podría descartar por el bajo coeficiente de
correlación obtenido, pero presenta 6.29% menos FP que el
Lab por lo que se consideró como opción para la unión. Así,
se complementan los resultados: el YCbCr es débil ante ruido
29
por iluminación, pero es más fuerte ante los objetos no
deseados; el Lab es robusto ante el ruido por iluminación y es
más débil que el YCbCr ante los objetos no deseados. Sin
embargo, los FN son menores en el espacio Lab un 0.71%,
pero debido a la mejora considerable en los FP por objetos,
entonces la unión YCbCr/Lab es escogida para el programa
final. Cabe resaltar que aunque los falsos negativos mantengan
un porcentaje bajo, es uno de los retos a tratar en trabajos
posteriores.
F. Resultados del diagnóstico
Con el programa final, se procesaron las imágenes por
muestra para un diagnóstico. Se compararon los resultados con
el diagnóstico emitido por el Programa de Enfermedades
Transmisibles de la Secretaría Distrital de Salud de Bogotá.
Se utilizaron 11 muestras, cuatro son tipo 3, cuatro son tipo
2, dos son tipo 1 y una es tipo 0. Se obtuvo un 81.8% de
aciertos, que corresponden a nueve muestras y 18.2% de
desacierto, que corresponden a dos muestras. El algoritmo
arrojó un diagnóstico tipo 1 y 3, cuando en realidad eran tipo 0
y 2, respectivamente. Errores de este tipo eran predecibles a
partir del porcentaje de FP obtenido con las pruebas para la
escogencia del espacio.
Un parámetro importante a considerar es el tiempo de
computación requerido para realizar un diagnóstico. Para el
caso de muestras tipo 3, el algoritmo toma únicamente 20
imágenes, por lo que le corresponde el menor tiempo de
procesamiento, con 40 segundos aproximadamente. Para las
muestras tipo 1 ó negativas, se procesan 100 imágenes en 200
segundos aproximadamente.
IV. APORTES SIGNIFICATIVOS
A. Segmentación mediante la derivada del histograma
Se utilizó este método para la segmentación en los espacios
YCbCr y Lab. Los histogramas de los planos Cr y a de los
espacios YCbCr y Lab, respectivamente, son similares en la
forma por lo que, para fines ilustrativos, se explica el
procedimiento para el plano Cr únicamente. Como se observa
en la Figura 4, el histograma es decreciente con una alta
pendiente después del valor máximo, aunque con unos puntos
de pendiente positiva para ciertas imágenes. Se optó por
analizar la forma con la derivada aproximada del histograma.
FP total FN
YCbCr-Lab
Fig. 4. Histograma del plano Cr de una imagen de prueba
Si H n es el histograma de una imagen en escala de grises,
la diferencia, o derivada aproximada, se define por:
H n  H n  1  H n n  0, 1, 2, 255
30 XIII SIMPOSIO DE TRATAMIENTO DE SEÑALES, IMÁGENES Y VISIÓN ARTIFICIAL. STSIVA 2008
Con la derivada, se tiene el comportamiento creciente y
decreciente del histograma siendo esto de utilidad para la
aplicación, ya que los umbrales ideales son puntos poco
característicos del histograma. De esta forma, si se definen
límites para la derivada, es decir, que ésta se mantenga mayor
o menor a determinado valor, r, se obtiene un umbral, T, el
cual es el punto de esa derivada. Entonces, se define el umbral
como el valor máximo de intensidad cuya derivada sea menor
a r.
T  maxn / H n  r 
B. Independencia de la iluminación
La ventaja principal del método descrito es que permite
determinar umbrales a cada imagen, según la derivada del
histograma, por lo que es independiente de la iluminación
hasta cierto punto. Las imágenes que se muestran en la Figura
5 corresponden a un mismo campo variando la iluminación.
a) b) c)
Fig. 5 Cambio de iluminación en un mismo campo
TABLA III
UMBRALES CALCULADOS POR EL SOFTWARE
Imagen a b c 81.8%, que abre la posibilidad de la aplicación en el campo
Umbral Lab 161 150 146
Umbral YCbCr 165 159 155
Promedio bacilos 69.1 74.1 75.8
Esta es una prueba preliminar que indica un grado de
independencia de la iluminación pero se requieren pruebas
adicionales para determinar la importancia de la diferencia del
promedio de bacilos segmentados. El cambio de iluminación
hace que el histograma se traslade a la izquierda o a la derecha
y asimismo cambia el umbral obtenido por la segmentación
mediante la derivada del histograma.
V. DISCUSIÓN
El algoritmo diseñado presenta tres características
importantes frente a los trabajos afines desarrollados
anteriormente: la primera de ellas es el tipo de tinción de las
muestras de esputo (Ziehl Neelsen), los trabajos previos
procesan imágenes de muestras con tinción fluorescente, [4],
[5], [6], [7]; la segunda de ellas es la unión de dos modelos de
color que aprovecha la robustez para reducir los objetos no
deseados y el ruido por la iluminación; y la última es la
solución que se encuentra para segmentar las imágenes e
independizarlas de la iluminación calculando el umbral a
partir de la derivada del histograma. Algunos de los trabajos
que se han realizado para detectar bacilos redes neuronales,
lógica difusa o técnicas que están fuera de los alcances de este
proyecto, pero pueden ser consideradas para mejorar el
desempeño en cuanto a los falsos positivos y negativos. Una
de las conclusiones comunes que se obtuvieron desarrollando
el presente proyecto es que la solución debe estar enfocada
principalmente en el diagnóstico que brinde el software y en
segundo lugar, en la cantidad promedio de bacilos detectados.
VI. CONCLUSIONES
El algoritmo de apoyo para el diagnóstico de tuberculosis
pulmonar desarrollado es una herramienta innovadora basada
en el procesamiento digital de imágenes, para el cual es
necesario estandarizar las entradas. La variabilidad, una
característica indeseada en las imágenes, depende de dos
etapas, una de ellas externa al proyecto: la preparación de la
muestra con tinción de Ziehl Neelsen y la toma de imágenes.
En la primera, se deben tomar las medidas necesarias para que
se mantengan las mismas características en las imágenes. Por
otro lado, las imágenes se limitan a un balance de blancos,
iluminación y zoom óptico determinado.
Gracias al método de segmentación mediante la derivada del
histograma, fue posible independizar el procesamiento de las
imágenes de la iluminación, hasta cierto punto. Los resultados
muestran que la iluminación en el microscopio puede variar en
un amplio rango, siendo esto una característica destacable del
algoritmo.
De los espacios de color utilizados, el algoritmo de la unión
YCbCr/Lab tiene los porcentajes de falsos positivos más bajos
y una alta correlación con respecto a la imagen original,
razones por las cuales se eligió para el sistema final. Con éste,
se obtuvo un porcentaje bueno de diagnósticos acertados,
real.
AGRADECIMIENTOS
Este proyecto fue posible gracias a la colaboración del
Laboratorio Departamental del Atlántico, del Programa de
Prevención de Enfermedades Transmisibles de la Secretaría de
Salud de Bogotá y del Laboratorio de Biología y Genética de
la Universidad del Norte.
REFERENCIAS
[1] G. Reyes Carmona. Especialista en Microbiología; Especialista en
Módulos, tipos y diseños de investigación 2002. Universidad del Norte.
Entrevista realizada 6 de febrero de 2007.
[2] Instituto Nacional de Salud (Colombia). Tablas de notificación anual
obligatoria. [Citado en 5 de febrero del 2007]. Disponible en Internet:
http://www.ins.gov.co/nivel3.php?seccion=26&sub=45
[3] L. Guzmán Acuña. Profesora catedrática del Departamento de
Matemáticas y Física de la Universidad del Norte. Entrevista realizada 17
de octubre de 2007.
[4] K. Veropoulos, G. Learmonth, C. Campbell, B. Knight, J. Simpson.
Automatic identification of tubercle bacilli in sputum. A preliminary
investigation. Analytical and Quantitative Cytology and Histology, vol.
21, no. 4, pp. 277-281, 1999.
[5] M. Forero, G. Cristóbal, M. Desco. Automatic identification of
Mycobacterium tuberculosis by Gaussian mixture models. Journal of
Microscopy, vol. 223. no. 2, pp. 120-132, 2006
[6] M. Forero, F. Šroubek, G. Cristóbal. Identification of tuberculosis
bacteria based on shape and color. Real-Time Imaging, vol. 10, no. 4, pp.
251-262, 2004. Disponible en:
http://www.tsi.enst.fr/~bloch/P6/PRREC/forero.pdf
[7] M. Forero, G. Cristóbal, J. Álvarez-Borrego. Automatic identification
techniques of tuberculosis bacteria. SPIE Proceedings of the Applications
of Digital Image Processing XXVI, vol. 5203, pp. 71-81, 2003. Disponible
en: < http://www.iv.optica.csic.es/papers/tuber03.pdf>
 Caracterización del grado de madurez del limón Tahití
Caracterización del Grado De Madurez
Ing. Ángel Álvarez, PhD. Arturo Plata, Ing. Jorge Araoz, MsC. Hernando González.

del Limón tahití.

Ing. Ángel Álvarez, PhD. Arturo Plata, Ing. Jorge Araoz, MsC. Hernando González.
clasificación de los frutos cosechados con calidad de
Abstract— This document describes the used technique to exportación.
obtain the characterization of the degree of maturity of the Tahiti
lemon. The system uses techniques of image processing to
segment and to quantify the amount of yellow colour with respect
to the total area of the lemon. Basically all the states of
maturation of the lemon can be identified, from a 0% to a 100%
with respect to the total area. (The system is conformed for a
CCD sensor, whose output is an analogue signal of light intensity,
more an AD converter that processes the signal). The treatment
is made in the CIELab polychromatic space, in special is used
blue the yellow component, which allowed making the
characterization of the state of maturation of the lemon.

Index Terms — CIELab polychromatic space, characterization
of the degree of maturity of the Tahiti lemon.
I. INTRODUCTION
En una empresa donde se tienen grandes volúmenes de
producción, se hacen necesarios métodos más eficientes que
realicen las tareas de producción en serie, una de estas tareas
es el control de calidad sobre los productos terminados. Esta
tarea en especial, debe llevarse a cabo con gran eficiencia y
precisión para poder cumplir con los altos requerimientos que
exige el mercado actual, el cual esta regido por normas y
estándares nacionales e internacionales.
Teniendo en cuenta la gran riqueza agrícola de nuestro país, se
plantea la necesidad de desarrollar proyectos con tecnología
propia, que permita la explotación más eficiente de los
recursos naturales, de una manera tal que se incremente la
producción, elevando los ingresos de los propios agricultores
y generando divisas, sin descuidar los campos y disminuyendo
las pérdidas por desperdicios. Además, como consecuencia de
la necesidad de ingresar en nuevos mercados, el productor
agrícola se obliga a tecnificar sus procesos.
Figura 1. Clasificación del grado de madurez en forma manual
Como una alternativa para la reducción de costos en la
clasificación del limón en Colombia, se desarrolló un sistema
de visión artificial, que reconoce el estado de madurez del
limón Tahití para su posible exportación.
II. SISTEMA DE ILUMINACIÓN
El procedimiento realizado experimentalmente para lograr la
caracterización del grado de madurez del limón Tahití, inicia
con determinar el ambiente de iluminación adecuado para la
toma de las muestras fotográficas del limón en diferentes
estados de maduración, para ello se implementaron sistemas
con diferentes características hasta lograr la toma adecuada de
las fotografías (Ver la Figura 2). Dichas fotografías son
digitalizadas por una cámara, que realiza la captura con
características particulares, especificas y son almacenadas en
un formato que posibilitan su procesamiento en MATLAB,
con el cual se desarrolla el algoritmo que permite la
cuantificación de los datos relacionados con la cantidad de
color amarillo que pueden contener las imágenes digitalizadas.

En Colombia, la región de los Santanderes posee uno de los

mejores ambientes para la producción del limón, estimándose
la producción en 25 toneladas métricas por hectárea al año,
convirtiéndose en la región con mayor potencial para la
explotación del limón para exportar. Los limones tipo
exportación deben cumplir con determinados requerimientos
especificados en el manual de exportación de cada mercado,
bien sea, el norteamericano, el europeo o el Japonés, entre
otros. La tarea de clasificar el limón por el grado de
maduración se realiza actualmente de forma manual (ver la
Figura 1), por personas que a través de su experiencia han
logrado desarrollar esta habilidad, por medio de su percepción Figura 2. Sistema de iluminación.
visual, requiriendo de muchas horas/hombre para la

Memorias STSIVA 2008 Tomo II 31 - 35

32 XIII SIMPOSIO DE TRATAMIENTO DE SEÑALES, IMÁGENES Y VISIÓN ARTIFICIAL. STSIVA 2008
III.SISTEMA DE PREPROCESAMIENTO
Para alcanzar la caracterización del grado de madurez del
limón Tahití a partir de imágenes procesadas, se extrae de la
imagen la información referente a los colores verde y
amarillo, por medio de los cuales se logra establecer el grado
de maduración del fruto. Para ello se determina el espacio
policromático que otorgue dicha información y permita el
procesamiento de la imagen. Apoyados en el histograma se
puede determinar dicho espacio ya que éste nos entrega
información sobre la cantidad y la tonalidad de los píxeles que
conforman cada componente de la imagen, en cada espacio de
color. A continuación se muestran gráficas realizadas en una
GUI (Graphic user interface “interfase de usuario gráfica”)
desarrollada en MATLAB, y que permiten observar los
histograma de la imagen de un limón Tahití en diferentes
espacios de color, con cada una de sus componentes.
Figura 3. Espacios policromáticos
IV.UMBRALIZACIÓN Y BINARIZACIÓN
Para lograr separar el limón Tahití del fondo de la fotografía,
se binarizan las componentes de cada espacio de color
utilizando como umbral, para dicha binarización, los valores
entregados por los máximos o mínimos de la gráfica del
respectivo histograma de cada componente, en cada uno de los
espacios de color. De todos los espacios analizados, con cada
una de sus componentes, se puede deducir que la componente
(G) del sistema RGB, las componentes (L), (a) y (b), del
sistema CIELab, y la componente (CB) del sistema YCBCR,
todas binarizadas con los valores mínimos en x , entre sus dos
nodos, permiten aplicar un análisis posterior a la binarización
para conseguir la caracterización, puesto que con ellas se logra
separar el limón del fondo de la imagen.
La imagen binarizada de la componente (G) del sistema RGB,
mostrada en la Figura 4, utilizando como umbral el valor de
x en el punto mas bajo del histograma entre los dos nodos,
permite distinguir el limón con respecto al fondo, con algunas
componentes de ruido.
Figura 4. Umbralización del mínimo de (G)
Al momento de binarizar cada una de las componentes del
sistema CIELab, la claridad (L), la componente rojo/verde (a)
y la componente amarillo/azul (b), se logra obtener de alguna
manera la segmentación del limón, en la componente (L), con
un poco de ruido, al utilizar el valor del pico mínimo entre los
dos nodos. Ver la Figura 5.
Figura 5. Umbralización del mínimo de (L)
De igual manera, en la componente rojo/verde (a), apreciamos
que al binarizar la imagen, utilizando como umbral el valor
mínimo de x , entre los dos nodos, el limón queda en gran
parte separado del fondo de la imagen. Ver la Figura 6.
Figura 6. Umbralización del mínimo de (a)
Lo mismo sucede con la componente amarillo/azul (b) al
binarizar la imagen con el umbral dado por el valor minino de
x , entre los dos nodos, donde la imagen del limón queda en
XIII SIMPOSIO DE TRATAMIENTO DE SEÑALES, IMÁGENES Y VISIÓN ARTIFICIAL. STSIVA 2008 33

su mayoría separada del fondo negro, y se pueden estimar los resto de la imagen. Ver la Figura 10. Como dicha extracción
bordes del limón. Ver la Figura 7. se logra con cierto contenido de ruido, se aplica a la imagen
un filtrado que lo elimine y entregue el limón totalmente
segmentado.

(a)
Figura 7. Umbralización del mínimo de (b)

Al umbralizar la componente de crominancia (CB) del sistema

YCBCR con el valor mínimo de x , entre los dos nodos, se
obtiene una imagen donde se aprecian los bordes del limón
con un poco de ruido. Ver la Figura 8.

(b)

(c)
Figura 8. Umbralización del mínimo de (CB) Figura 10. Umbral único de (b)

Para la binarización realizada en el análisis anterior, se utilizó Como umbral de segmentación para la binarización de la parte
la imagen del limón de la Figura 9(a). amarilla de la imagen, se determina el valor de x en el último
tono presente en la binarización del limón, cuyo grado de
Para determinar la componente del espacio de color en la que maduración es menor, es decir el limón mas verde, donde sus
se debe realizar la segmentación final, se utilizan las imágenes tonos de amarillo representan la parte verde del limón. En la
de dos limones más, uno en un estado más maduro (Figura Figura 11 se puede apreciar la parte amarilla de los limones en
9(c)) y otro en un estado intermedio de maduración (Figura cada estado de maduración al aplicar como umbral de
¡Error! No se encuentra el origen de la referencia.9(b)), binarización, el tono dado por el último valor de x ,171 del
(dicho estado de maduración, determinado por el experto en la limón más verde.
clasificación de los limones Tahití en forma manual), se
analiza el comportamiento de las tres imágenes en las
componentes ya mencionadas para determinar un umbral
único que posibilite aislarlos, sin importar en que estado de
maduración se encuentren; y para ello recurrimos nuevamente
al análisis gráfico basándonos en los histogramas de cada
limón en los tres estados de maduración.
(a)

(a) (b) (c)

Figura 9. Limones de prueba en la binarización
(b)

La componente (b) del sistema de color CIELab, permite

establecer un umbral único para la binarización del limón de
134, en cualquier estado de maduración, permitiendo extraer
la parte de la imagen que representa el área total del limón, del
34 XIII SIMPOSIO DE TRATAMIENTO DE SEÑALES, IMÁGENES Y VISIÓN ARTIFICIAL. STSIVA 2008
(c)
Figura 11. Umbral para la binarización de la parte amarilla
V. FILTRADO
Para eliminar el ruido que se presenta fuera del área de
interés, se utiliza un filtro de mediana que permite
eliminar el ruido y preservar la agudeza de los bordes. En
la Figura se aprecia el área total del limón segmentada en
cada estado de maduración.
(a)
(b)
(c)
Figura 12. Filtrado del área total del limón
Para determinar el grado de madurez del limón, es necesario
estimar la cantidad amarilla de la imagen con respecto al área
total del limón segmentado.
VI. CARACTERIZACIÓN
Para calcular el porcentaje de color amarillo del limón, se
realiza el conteo de píxeles en el área total del limón y en la
parte amarilla.
En la Figura13 está la caracterización del limón verde(a) con
0%, el intermedio (b) con 56.18% y el amarillo(c) con
98.32%.
(a)
(b)
(c)
Figura 13. Caracterización del limón Tahití
VII. CONCLUSIONES
Para la identificación de colores por medio de imágenes
fotográficas se debe implementar un sistema de iluminación
difuso que garantice muestras sin sombras o reflejos, el cual
va a influenciar la segmentación para determinar las
componentes principales del limón.
Por medio de la componente a (rojo/verde) y b (amarillo/azul)
del espacio de color CIELab, se pueden caracterizar frutos
cuyos colores característicos presentes en su maduración
tengan transición de color en estos tonos. La componente l
(luminancia) permite determinar el nivel de saturación de la
iluminación.
La componente (b) del sistema de color CIELab, permite
establecer un umbral único para la binarización del limón, en
cualquier estado de maduración, permitiendo extraer la parte
de la imagen que representa el área total del limón, del resto
de la imagen.
XIII SIMPOSIO DE TRATAMIENTO DE SEÑALES, IMÁGENES Y VISIÓN ARTIFICIAL. STSIVA 2008 35

El valor del umbral para el proceso de binarización se
determinó tomando como referencia los limones que presentan
un estado de maduración intermedio, es decir, tonalidades
entre 167 y 179, el umbral se fijo por encima de esta región
definiéndolo en 180. Los resultados obtenidos por este valor
se validaron con el experto resultando una discrepancia de
12%.
La cuantificación objetiva de parámetros de color permitió
optimizar el proceso de selección, que hasta el momento se
hace de forma subjetiva pudiendo generar errores de
clasificación.
VIII. RECOMENDACIONES
[6] GONZALEZ, Rafael & WOODS, Richards. Tratamiento
digital de imágenes. Madrid: Addison – Wesley / Díaz
de Santos. 1996. 773 p.
[7] ROLDÁN, Diego y SALAZAR, Marcela. La cadena de
cítricos en Colombia. Ministerio de agricultura y
desarrollo rural. [En línea], mayo 2002 [cited junio de
2004]. Disponible en Internet.
URL:http://www.agrocadenas.gov.vo/citricos/citricos_de
scription.html
[8] SEGMENTACIÓN DE IMÁGENES DE COLOR.
Revista Mexicana de Física 50 (6) (2004) p. 579-587

Otra característica a tener en cuenta para la exportación de los
limones Tahití a mercados extranjeros, es la identificación de
quemaduras en su corteza, la cual podría ser identificada
trabajando en la componente rojo/verde del sistema CIELab.
Para futuros trabajos sobre la calidad del limón Tahití, se debe
implementar algoritmos que identifiquen daños, quemaduras y
malformaciones, confrontándolas con el proceso de
producción para poder establecer las posibles causas de éstas
y retroalimentar así, el sistema de control de producción.
[9] SEMINARIO DE IMAGEN Y SONIDO DIGITAL. El
sentido de la vista. Repuesta a la intensidad y color. [En
línea] Google, 2004. Disponible en Internet: Disponible
en Internet. URL:http://
www.pubfasta.edu.ar/SISD/vision/respuestacolor.htm
[10] TECNOLOGÍA DEL COLOR .S.A. El sistema CIELab
de medición de un color. [En línea] Provincia de buenos
aires: Google, disponible en Internet. URL:
http://www.coloryapariencia.com.ar/color.html

El avance de tecnologías de reconstrucción tridimensional

permitirá el control del volumen del limón para obtener otros
parámetros de tribología y estado de superficie. Por eso se
puede preveer el aplicarlos a los procesos de clasificación para
la calidad del limón.

IX. BIBLIOGRAFÍA

[1] AGRONEGOCIOS. Guía técnica para el cultivo del

limón pérsico. [En línea] Google. Disponible en Internet.
URL:http://www.agronegocios.gob.sv/Media/Fru2LimTe
xt.htm

[2] APFA. Asociación profesional de fotoperiodistas

asturianos. [En línea] Google. Disponible en Internet.
URL: http://www.fotoperiodista.org/

[3] ARQHVS. Luminotecnia. La visión del color. El

espectro visible. [En línea] Google, 2004.Disponible en
Internet.
URL:http://www.arqhys.com/arquitectura/color_vision
html

[4] GALLEGO, Carlos. Introducción a las cámaras CCD en

astronomía. El sensor CCD. Convertidor análogo-digital.
[En línea] Octubre 2000. Disponible en Internet. URL:
http:// www.hipatia.org/ccds.html.

[5] GANSLANDT, Rudiger y Hofmann Harald. Como

planificar la luz. [En línea] España. Erco ediciones, 289
p. Disponible en Internet.
URL:http://www.erco.com/download/data/30_media/20_
handbook/es_erco_lichtplanung.pdf
 Diseño
Diseño e implementación
e implementación de un de
de un prototipo prototipo
software de
para la
software paravisualización
la visualización
de videosde videos a 360◦
a 360º
1 1 1
Pedro Francisco
PedroPinzón
FranciscoVillafrades 1 , Cristian
Pinzón Villafrades , CristianQuintero y W.J.
Quintero y1W.J. Sarmiento
Sarmiento 1

Abstract—En este articulo se presenta un prototipo de software II. I M ÁGENES A 360◦

para la visualización de videos a 360◦ partiendo desde la
visualización de imágenes a 360◦ . El prototipo implementa los
modelos matemáticos de deformación y el registro de imágenes,
creando imágenes tanto cilı́ndricas como esféricas a 360◦ , gener-
ado navegación e inmersión en las imágenes. Posteriormente el
prototipo fue extendido para visualizar videos a 360◦ .
Palabras Claves—Imágenes a 360◦ , video a 360◦ , video inter-
activo.
I. I NTRODUCCI ÓN
Para la creación de imágenes a 360◦ es necesario tener
en cuenta dos conceptos matemáticos, la deformación de
imágenes, que la distorsiona para obtener una sensación de
profundidad y el registro de imágenes que permite unir un
mosaico de imágenes como una única imagen continua.
A. Deformación de cojı́n
La distorsión Pincushion o de cojı́n es la distorsión utilizada
en la creación de imágenes a 360◦ , debido al tipo de efecto
que genera. La distorsión de cojı́n es una distorsión geométrica

E L video ofrece una narración y una claridad excelente,

especialmente por su composición visual, ya que puede
incluir muchı́simas áreas del arte y el diseño como los efectos
en imágenes por la cual las lı́neas rectas adoptan una forma
cóncava curvada hacia dentro, desde los extremos de la pan-
talla entre las esquinas de la imagen [3], como se muestra en
especiales, la animación 2D y 3D y la integración con el audio; la figura 1.
lo que hace de esté una pieza audiovisual muy clara y com-
pleta. Buscando nuevas formas de comunicación audiovisual
y una narración hacia nuevos niveles de entendimiento, se ha
intentado dotar al video de caracterı́sticas de interactividad.
Es ası́, que aunque el video interactivo no tiene una definición
normalizada, puede referirse a él como la conjunción de las
posibilidades tecnológicas que ofrecen el video en si mismo
y la informática [1].
Por otro lado, las imágenes a 360◦ brindan una posibilidad
excelente de obtener interactividad en diferentes ambientes y
necesidades. Su uso se a vuelto tan importante dentro de la
comunicación visual, que se a extendido a las páginas Web y Fig. 1. Deformación de Pincushion: Imagen Original (izquierda), imagen
diversos entornos multimediales en los que requieren mostrar distorsionada con deformación Pincushion (derecha).
ambientes del mundo real, como habitaciones, show rooms y
paisajes, de manera que el usuario pueda hacerse una idea más En las imágenes a 360◦ , la deformación de cojı́n es utilizada
realista que con una foto estática del ambiente que se le desea para distorsionar una imagen plana de forma tal que genere
mostrar [2]. una sensación envolvente en el usuario, dando la ilusión de
Este articulo presenta el desarrollo de un prototipo de un estar visualizando una imagen esférica [2].
software para la visualización de videos a 360◦ , como una her-
ramienta tecnológica para el desarrollo de videos interactivos B. Registro de Imágenes
que permita plantear una forma de narración audiovisual en En muchas aplicaciones de visión artificial es necesario
la que el video sea el elemento principal y permita al usuario realizar comparaciones y seguimientos entre imágenes que
cambiar a voluntad el angulo de visualización. representan el mismo elemento, pero obtenidas en distinto
La primera sección ilustra el proceso de creación de momento, por distintos dispositivos de captación, con distintas
imágenes a 360◦ , la segunda sección describe el proceso de orientaciones, bajo distintas condiciones etc. Estas diferen-
creación de la aplicación de visualización de videos a 360◦ y cias producen una serie de distorsiones en las imágenes,
al final se presentan las conclusiones y perspectivas de trabajo. imposibilitando la comparación directa de las mismas, ya que
puntos equivalentes en las distintas tomas no tienen por qué
1 Grupo de Investigación en Multimedia, Programa de Ingenierı́a en corresponder a los mismos puntos en los objetos representados.
Multimedia, Facultad de Ingenierı́a, Universidad Militar Nueva Granada.
Bogotá, Colombia.
El registro de imágenes se ha presentado como una solución
a este problema y permite a obtener series de imágenes

Memorias STSIVA 2008 Tomo II 36 - 39

XIII SIMPOSIO DE TRATAMIENTO DE SEÑALES, IMÁGENES Y VISIÓN ARTIFICIAL. STSIVA 2008
Fig. 2. Resultado del registro de imágenes entre dos imágenes tomadas con
ángulos diferentes.
alineadas y por lo tanto más fácilmente comparables entre si
[4].
El proceso de registro mas sencillo, desplaza una imagen
móvil sobre una fija (siendo dx y dy los desplazamientos
en cada de uno de los ejes), evaluando para cada desplaza-
miento una medida de similaridad entre ellas. El resultado
se logra al ubicar la imagen móvil sobre la fija, para los
valores del desplazamiento que hallan arrojado la máxima
medida de similaridad. Este procedimiento puede ser cada vez
mas elaborado si adicionamos parámetros de transformación
como rotaciones, escalamientos o transformaciones no rı́gidas.
La figura 2 muestra el resultado de registrar dos imágenes
tomadas con ángulos distintos.
En la literatura se encuentran diferentes medidas de
similitud como el coeficiente de correlación [4], la correlación
cruzada [5] y la información mutua[6].
En imágenes a 360◦ , se acostumbra crear un mosaico de
imágenes tomados en diferentes angulo, que cubra toda la
imagen de manera panorámica. Ası́, el registro de imágenes
se utiliza para unir el mosaico generando una imagen única y
continua [2].
III. D ESARROLLO
A. Creación de imágenes de prueba
Existen en el mercado diferentes cámaras fotográficas y
de video capaces de capturar espacios a 360◦ , en nuestro
laboratorio no contamos con este tipo de dispositivos, por
lo que se opto por una solución con “cámaras virtuales”.
Tomando un software para modelado y animación 3D se creo
una cámara que simulara las caracterı́sticas de una cámara
real con formato NTSC, es decir con un angulo de apertura
horizontal de 49.03◦ y un aspecto de proporción de radio de
4 : 3 (1.33). Posteriormente, la cámara fue duplicada para
realizar la configuración necesaria para la creación de las
imágenes y videos. Por último, se realizo un proceso de render
independiente para cada cámara de la configuración.
Se crearon dos configuraciones distintas de cámaras,
la primera permitı́a crear imágenes con una navegación
cilı́ndricas y la segunda imágenes de navegación esféricas.
37
A continuación describiremos las dos configuraciones de
cámaras usadas:
Fig. 3. Ejemplo de 3 cámaras de la configuración de navegación cilı́ndrica:
cámara Roja a 0◦ , cámara verde a 90◦ y cámara azul a 225◦ .
1) Navegación cilı́ndrica: Para obtener una imagen final
que pueda ser navegada de manera cilı́ndrica es necesario
obtener imágenes independientes de la misma escena rotando
la cámara sobre el punto de observación. Teniendo en cuenta
que el angulo de apertura horizontal de la cámara es de 49.03◦ ,
se requiere de 8 rotaciones de 45◦ sobre la cámara original,
para cubrir toda la circunferencia. La figura 3 ilustra 3 cámaras
de esta configuración; la cámara roja es la cámara original,
la cámara verde es la cámara rotada 90◦ y la cámara azul
es la cámara rotada 225◦ . Las imágenes resultados de esta
configuración contienen información común en los extremos
debido al traslape horizontal entre las cámaras, la figura 4
muestra el resultado del proceso de render independiente de
las 8 cámaras.
2) Navegación esférica: Esta es una generalización de la
configuración para navegación cilı́ndrica, es decir no solo se
deber realizar una rotación sobre el plano, sino que también
debe realizarse una rotación sobre un eje perpendicular para
cubrir una esfera de visualización. Si vemos a la configuración
cilı́ndrica como rotaciones a un angulo θ sobre el eje XY , la
configuración esférica se logra agregando una rotación en el
angulo ϕ, como se muestra en la figura 5. Ası́, cada cámara
en la configuración obedece a dos rotaciones: ϕ entre −90◦ y
90◦ y θ entre 0 y 360◦ .
Teniendo en cuenta que el angulo de apertura vertical de
Fig. 4. Resultado del proceso de render independiente de las 8 cámaras
necesarias para logar una imagen con navegación cilı́ndrica. Primera fila de
derecha a izquierda, imágenes a 0◦ , 45◦ , 90◦ y 135◦ ; segunda fila, de de
derecha a izquierda, imágenes a 180◦ , 225◦ , 270◦ y 315◦ .
38 XIII SIMPOSIO DE TRATAMIENTO DE SEÑALES, IMÁGENES Y VISIÓN ARTIFICIAL. STSIVA 2008

de todas las cámaras pueden verse en la figura 6, las imágenes

esta ubicadas de arriba a abajo y de derecha a izquierda de
acuerdo con los valores de ϕ y θ de la tabla I.

B. Registro de las imágenes

Fig. 5. Ángulos de rotación necesarios para logra una configuración de
cámaras de navegación esférica
ϕ θ No. Cámaras
90◦ 0◦
60◦ 0◦ , 90◦ , 180◦ , 270◦
30◦ 0◦ , 45◦ , 90◦ , 135◦ , 180◦ , 225◦ , 270◦ , 315◦
0◦ 0◦ , 45◦ , 90◦ , 135◦ , 180◦ , 225◦ , 270◦ , 315◦
−30◦ 0◦ , 45◦ , 90◦ , 135◦ , 180◦ , 225◦ , 270◦ , 315◦
60◦ 0◦ , 90◦ , 180◦ , 270◦
−90◦ 0◦
TABLA I
R ECORRIDO DEL ÁNGULO θ PARA CADA VALOR DEL ÁNGULO ϕ.
la cámara es de 37.85◦ se debe realizar un barrido en ϕ cada
30◦ , donde para cada valor ϕ se debe realizar la variación
completa de θ (de 0 a 360◦ ), la cual se puede lograr con
pasos de 45◦ como en la configuración cilı́ndrica. Sin embargo,
esto no es recomendable, ya que el área de traslape de la
imágenes aumenta con el valor de ϕ. Empı́ricamente se diseño
un sistema de barrido ϕ, θ el cual puede verse en tabla I. Se
observa que para valores de ϕ de −30◦ a 30◦ se realiza un
barrido de θ cada 45◦ , mientras que para valores de ϕ iguales a
−60◦ y 60◦ el recorrido en θ es cada 90◦ , por último, las tapas
de la esfera (ϕ −90◦ y 90◦ ) solo es necesaria un imagen. Las
imágenes resultantes del los procesos independientes de render
Una vez finalizado el proceso independiente de render de
cada una de las cámaras de la configuración, se obtienen
ocho imágenes con traslape vertical, para la configuración
cilı́ndrica y 34 imágenes con traslape tanto horizontal como
vertical, para la configuración esférica, las cuales pueden verse
en las figuras 4 y 8 respectivamente. Aunque un proceso de
registro tradicional implica la búsqueda de los parámetros de
transformación (traslación, rotación, etc.) para la superposición
de las imágenes, este proceso no es necesario en este caso, ya
que desde el momento de la adquisición se conoce el valor
exacto de superposición de cada imagen sobre sus vecinas.
1
4
8
8
8
4
1
Fig. 7. Imagen resultante de la configuración cilı́ndrica
Para el montaje de la imagen final se realiza un proceso de
mapeo inverso, ası́, para la imagen de navegación cilı́ndrica se
construye una imagen de θ vrs z, como la que se observa en
la figura 7, resultado del registro de las ocho imágenes de la
figura 4. La imagen de la navegación esférica se construye en
θ vrs ϕ, logrando la deformación de cojı́n necesaria para su
correcta visualización, en la figura 8 se muestra el resultado
final del registro de las imágenes de la figura 8, para este caso,
en el eje x quedan consignados los valores cada θ grados de
adquisición, mientras en el eje y,cada ϕ grados. El proceso
de registro para la creación de esta ultima imagen es similar
el proceso de mapear una superficie esférica sobre un plano
usando coordenadas de latitud y longitud[7].

Fig. 8. Imagen resultante de la configuración esférica

Fig. 6. Resultado del proceso de render independiente de las cámaras
necesarias para logar una imagen con navegación esférica. Las imágenes se
encuentran organizadas de acuerdo con los valores de θ y ϕ de la tabla I.
C. Visualización
Se escribió una aplicación usando una librerı́a de desarrollo
3D, en el cual se mapea la imagen final obtenida con el registro
de imágenes en una superficie cilı́ndrica ó esférica, de acuerdo
con el procedimiento anterior. Una cámara de visualización es
creada en el centro del sistema de coordenadas, visualizando
solo un fragmento de la superficie respectiva.
XIII SIMPOSIO DE TRATAMIENTO DE SEÑALES, IMÁGENES Y VISIÓN ARTIFICIAL. STSIVA 2008
Con la configuración cilı́ndrica la cámara de visualización es
rodeada por la superficie cilı́ndrica y apunta hacia el exterior
donde la imagen es mapeada. La navegación se realiza con
movimientos horizontales del mouse ó con las flechas del
teclado, que producen un ángulo de rotación θ en la cámara de
visualización, permitiendo al usuario ver la imagen completa.
En la configuración esférica el procedimiento es similar al
anterior, con la diferencia de que la superficie de mapeo cam-
bia. La navegación se realiza con movimientos horizontales y
verticales del mouse ó con el teclado, produciendo rotaciones
en ϕ y θ sobre la cámara de visualización.
D. Extensión del Prototipo de Software para la visualización
de videos a 360◦
Una vez el prototipo para la visualización de imágenes a
360◦ fue validado, se procedió a extenderlo de modo tal que
pudiera utilizarse para visualizar videos.
El procedimiento de registro se realizó cuadro por cuadro
de video para todas la imágenes resultantes del proceso
independiente de render para cada cámara de la configuración.
Las imágenes resultantes de este proceso, se usaron para crear
un único video, donde cada cuadro era resultado del proceso
de registro anterior.
La aplicación de visualización también fue modificada para
cambiar la imagen mapeada sobre la superficie a la velocidad
adecuada, de tal manera que permitiera ver el video de forma
fluida. Es bueno aclarar que este proceso se realizaba de
manera independiente al proceso de navegación que podı́a
hacer el usuario sobre el video (ángulos θ y ϕ), el resultado
fue una aplicación 3D, que permite la visualización de un
video mapeado sobre una superficie, donde le usuario puede
a voluntad cambiar el angulo de visualización de la cámara a
medida que el video es reproducido. En la Figura 9, se puede
ver una imagen de la aplicación desarrollada.
Para la validación se creo un video de 15 segundos, el cual
fue renderizado para las dos configuraciones de cámara. Se
realizaron pruebas de rendimiento de la aplicación, cambiando
el angulo de visualización de la cámara a medida que el video
era reproducido, observando una continuidad en el proceso
de reproducción, independiente del proceso de navegación.
También se creo un video (video 0)usando la cámara con 0◦
de rotación tanto en ϕ como en θ. Los videos a 360◦ fueron
reproducidos sin realizar ningún tipo de navegación por el
usuario y se compararon con el resultado de visualizar el video
0, donde se observó prácticamente el mismo resultado visual.
IV. C ONCLUSI ÓN Y PERSPECTIVAS
Este prototipo abre las puertas del video interactivo, hacia
caminos diversos, en donde el video se convierte en un com-
ponente de interactividad por derecho propio, generando ambi-
entes propicios para nuevas formas de expresión, y narraciones
no lineales, en donde un suceso puede cambiar dependiendo
del punto en donde se mire.
Hacia un camino futuro, el prototipo podrida adquirir nuevas
caracterı́sticas, implementando la navegación dentro de cam-
pos de visión, a partir de movimientos de la configuración de
39
Fig. 9. Visualización de la imagenes a 360◦
cámaras para observar escenas que de otra manera no seria
posible.
Actualmente se esta viendo la posible aplicación de estos
videos en otras áreas como la educación, la medicina y el en-
trenamiento personal, e incluso se esta portando el sistema de
visualización hacia el primer prototipo se la Sala de Inmersión
Virtual (SIV) creado al interior de grupo de investigación
[8][9].
R EFERENCIAS
[1] D. J. S. Ibáñez, “Interaccion, medios interactivos y video interactivo,”
RED: Revista de Educación a Distancia, 1.994., vol. 10, pp. 137–148,
1993.
[2] S. E. Chen, “Quicktime vr: an image-based approach to virtual environ-
ment navigation,” in SIGGRAPH ’95: Proceedings of the 22nd annual
conference on Computer graphics and interactive techniques. New York,
NY, USA: ACM, 1995, pp. 29–38.
[3] L. G. C. Incorporated, EF LENS WORK III, The Eyes
of EOS, 8th ed. Lens Group Canon Incorporated, 2006,
ch. OPTICAL TERMINOLOGY & MTF CHARACTERISTICS,
pp. 192 – 216. [Online]. Available: http://www.canon-
europe.com/Support/Documents/digital slr educational tools/
[4] P. A. Crespo and J. M. Vázquez, “Notas de clase,
vision artificial registro de imagenes,” Grupo VARPA, Dpto.
Computación, Facultad de Informática, Universidade da Coruña,
Campus de Elviña, Tech. Rep., Mayo 2006. [Online]. Available:
http://www.varpa.es/Docencia/VAFiles/Curso0506/
[5] M. J. Botello S, “El metodo de los elementos finitos en el registro
de imagenes de resonancia magnetica,” Revista Mexicana de Ingenierı́a
Biomédica, vol. 24, no. 2, pp. 104–115, Septiembre 2003. [Online].
Available: http://www.medigraphic.com/pdfs/inge/ib-2003/ib032b.pdf
[6] J. Pascau, J. D. Gispert, S. Reig, R. Martı́nez, and D. M., “Registro
de imagenes en medicina nuclear (registro de imágenes, multimodalidad,
pet, spect),” Revista de la Real Academia de Ciencias Exactas, Fı́sicas y
Naturales, vol. 96, no. 1-2, pp. 29–43, 2002.
[7] Foley, Van-Dam, Feiner, Hughes, and Phillips, Introduction to computer
Graphics. Addison-Wesley Publishing, 1994.
[8] C. Quintero, W. J. Sarmiento, and E. L. Sierra-Ballén, “Low cost
cave simplified system,” in Proccedings of Human Computer Interaction
International, Beijin, China, 2007.
[9] C. Quintero, W. J. Sarmiento, and E. L. Sierra-Ballen, “Diseño de un
prototipo de sistema de realidad virtual inmersivo simplificado,” Ciencia
e Ingenieria Neogranadina, vol. 18, no. 1, 2008, in press.
 Reparametrización de mallas triangulares en cuadriláteros
Reparametrización de Mallas Triangulares en
[1] [2]
[1]
Mateus, S., [2]Giraldo, J., y [3]Branch, J.
Politécnico Colombiano Jaime Isaza Cadavid, [3]Universidad Nacional de Colombia – Sede Medellín
Cuadriláteros [1]
spmateus@elpoli.edu.co, [2]jegiraldo@elpoli.edu.co, [3]jwbranch@unalmed.edu.co
[1]
Mateus, S., [2]Giraldo, J., y [3]Branch, J.
[1] [2]
Politécnico Colombiano Jaime Isaza Cadavid,
[1] [2]
spmateus@elpoli.edu.co, jegiraldo@elpoli.edu.co,
Resumen— En este artículo se presenta una metodología para
la reparametrización de mallas triangulares en cuadriláteros, a
través del análisis espectral de mallas y la teoría de Morse, dada
la necesidad de métodos de reparametrización cuadrilaterales de
calidad, los cuales son de gran importancia en varias áreas de
computación gráfica y visión por computador . En este sentido, se
implementa un algoritmo que cuadrilateriza superficies
triangulares, aplicando un análisis de la teoría de Morse a los
valores propios de una malla Laplaciana. Finalmente, los parches
cuadrilaterales resultantes se forman adecuadamente y se
levantan directamente de las propiedades intrínsecas de la
superficie, debido a las propiedades del operador Laplaciano.
Palabras Claves— Reparametrización, cuadriláteros, análisis
espectral, teoría de Morse, Laplaciano, visión por computador.
I. INTRODUCCIÓN
AS mallas triangulares con frecuencia exhiben varias
L deficiencias. Ellas son frecuentemente parametrizadas con
resoluciones inapropiadas y típicamente contienen muchos
elementos formados de manera inadecuada. Debido a la
constante ocurrencia de mallas deficientes, la habilidad de
segmentar las superficies en regiones formadas
adecuadamente y de reparametrizar superficies con mallas
bien formadas, es de importancia crítica en casi todos los
sistemas de procesamiento de mallas [1].
La mayoría de trabajos reportados en la literatura sobre
métodos de remallado, se han enfocado en el problema de
producir mallas triangulares. Sin embargo, la habilidad para
producir mallas cuadrilaterales es también de gran
importancia. Los cuadriláteros son las primitivas preferidas
para el modelamiento de muchos objetos y en muchos
dominios de aplicación [4]. Muchas formulaciones de
subdivisión de superficies como los Splines y las NURBS,
requieren bases cuadrilaterales complejas; descomponer una
superficie en cuadriláteros bien formados provee un medio
casi natural para la construcción de parches NURBS.
Recientemente se han desarrollado métodos para
cuadrilaterizar automáticamente superficies complejas [2],
dichos métodos son bastante complicados, difíciles de
implementar y cuentan con múltiples componentes
heurísticos.
En este artículo, se presenta una metodología para construir
bases cuadrilaterales complejas sobre superficies trianguladas
Memorias STSIVA 2008
[3]
Universidad Nacional de Colombia – Sede Medellín
[3]
jwbranch@unalmed.edu.co
de topología arbitraria. En contraste a las aproximaciones
basadas en agrupamiento heurístico, la metodología expuesta
sugiere trabajar sobre las propiedades intrínsecas de la forma
de la superficie. Esta cuadrilateración base produce mallas
compuestas exclusivamente de cuadriláteros y con un número
pequeño de puntos. Para descomponer una superficie en
parches cuadrilaterales, se introduce un análisis de la teoría de
Morse del espectro de la malla triangulada. Los vectores
propios de la matriz Laplaciana discreta son usados para
definir los campos escalares sobre una superficie triangulada
tal que el extremo de un campo dado, se da a una frecuencia
deseada. La extracción del complejo Morse-Smale de los
campos escalares provee una descomposición de la superficie
que es cuadrilateral en superficies complejas y con topología
arbitraria.
II. REPARAMETRIZACIÓN DE MALLAS TRIANGULARES EN
CUADRILÁTEROS
De manera general, el análisis espectral trata de inferir
características topológicas del objeto a través de funciones
matemáticas. Este análisis espectral, arroja un espectro, lo
que viene a ser un conjunto de valores y vectores propios de
una matriz que ha sido inferida de la malla triangular. El
análisis espectral se apoya en la Teoría de Morse. Esta teoría
escoge unos puntos representativos de los vértices de la malla
triangular, que son los puntos críticos de Morse, los cuales
serán posteriormente los vértices de los cuadriláteros.
La aplicación de la teoría de Morse para mallas
triangulares, implica resolver una forma discreta de la
ecuación del Laplaciano, para encontrar una función Morse
que describa la topología representada en la malla triangular.
En este sentido, pueden existir puntos críticos adicionales a la
característica de la superficie, que produzcan un dominio base
que represente adecuadamente la geometría tanto de la misma
topología como de la malla original, y también puede
agruparse la malla en parches mejorados. En este trabajo se
aplica la teoría de Morse a mallas triangulares de una manera
más robusta teniendo en cuenta los puntos de silla y la
preservación de bordes, encontrando una función Morse que
sea apropiada a un número determinado de puntos críticos.
Esta teoría se basa en el Laplaciano para encontrar las
funciones armónicas de una función dada. La teoría de Morse
relaciona la topología de una superficie S con su estructura
diferencial especificada por los puntos críticos de una función
de Morse f: f : S → R [5] y está relacionada con el análisis
espectral de mallas.
Tomo II 40 - 43
XIII SIMPOSIO DE TRATAMIENTO DE SEÑALES, IMÁGENES Y VISIÓN ARTIFICIAL. STSIVA 2008
A. Análisis Espectral de Mallas
El análisis espectral, se realiza calculando inicialmente el
laplaciano. El operador Laplaciano discreto en funciones
lineales de pedazos de superficie sobre superficies
trianguladas está dado por la Ec. (1):
∑
Δf = W ( f − f )
i ij j i
(1)
j∈N i
Donde Ni es el conjunto de vértices adyacentes al vértice i y
Wij, es un peso escalar asignado a la arista dirigida (i,j). Este
cálculo se puede observar en la Figura 1, en la cual los puntos
de los vértices, indican los vértices vecinos sobre el que se
hace la sumatoria sobre la que se calcula el Laplaciano
discreto.
Fig 1. Cálculo del Laplaciano discreto sobre un vértice.
Para cada grafo libre de cualquier geometría embebida, es
habitual usar la definición de pesos combinatorios Wij = 1 / deg(i) .
Sin embargo, para superficies múltiples la opción apropiada,
son los pesos armónicos discretos, según la Ec. (2):
1
Wij = − (cot α ij + cot β ij )
2 (2)
α β ij
donde ij y son los ángulos opuestos al borde (i,j).
Representando la función f por el vector columna de sus
f = [ f1 f 2 ... f n ]T
valores hacia todos los vértices , podemos
reformular el laplaciano como una matriz (Ec. (3)):
Δf = − Lf (3)
donde la matriz Laplaciana L tiene las siguientes entradas (Ec.
(4)):
⎧∑k Wik Si i=j,
⎪
Lij = ⎨ − wij Si (i,j) es una arista de M, (4)
⎪ 0
⎩ En cualquier otro caso.
Los valores propios λ1 = 0 ≤ λ2 ≤ ... ≤ λn de L forman el
espectro de la malla S, además de describir el cuadrado de la
frecuencia y los correspondientes vectores propios 1 2
e , e ,..., e
n
de L definen las funciones lineales de pedazos de superficie
sobre S de las más altas frecuencias progresivamente.
B. Teoría de Morse
Dada una función real sobre alguna superficie, la teoría de
Morse conecta la geometría diferencial de una superficie con
su topología algebraica; esta teoría, describe la conectividad
de la superficie, a partir de la configuración de los puntos
donde la función del gradiente decae. Tales puntos son
llamados puntos críticos (estos son: mínimos, máximos y
41
puntos de silla). La teoría de Morse ha sido utilizada en
gráficos y visualización por computador, para analizar
diferentes funciones reales. Un ejemplo son los datos de
terrenos, los cuales están definidos por una función de altitud
en el plano, en donde la teoría de Morse puede identificar
características topológicas, controlar su simplificación y
organizarlas en jerarquías de multiresolución.
Puntos Críticos
El procedimiento propuesto en esta etapa, estima una
cuadrilateración inicial de la malla utilizando el análisis
espectral mediante teoría de Morse. Inicialmente, se obtienen
los vértices de los cuadriláteros como un conjunto de puntos
críticos de una función Morse. Sea c ∈ S ⊂ R3 un punto en
una superficie S, en un vecindario continuo parametrizado por
(u,v):
f (c ) = f (c ) = 0
• Un punto c ∈ M es crítico si u v con valor
crítico f(c), de otra manera es regular.
• El punto crítico c es degenerado si
f uu (c) f vv (c) − 2 f uv (c) = 0
, de otra manera es Morse.
La función f es llamada función de Morse si todos sus
puntos críticos son no degenerados.
Siendo λ1 ≤ λ2 dos valores propios de la Hessiana de una
función f, con sus correspondientes vectores propios, el índice
de un punto crítico de Morse es el número de valores propios
negativos de su Hessiana, por tanto éste puede clasificarse en
[3]:
• Mínimo (índice 0, f incrementa en toda las direcciones).
• Punto de Silla (índice 1, f cambia en decrementos e
incrementos cuatro veces alrededor de un punto).
• Máximo (índice 2, f decrementa en todas las
direcciones).
En la Figura 2, se observa la configuración de los puntos
críticos. La parte a, indica un punto regular. Para la parte b, se
observa cómo se halla un máximo cuando todos en el
vecindario son mínimos. En la parte c, se observa cómo es un
mínimo, cuando todos los de alrededor son máximos. Las
partes d y e, indican puntos de silla.
Fig. 2. Ejemplos de Vértices Críticos y Regulares [3].
Complejo de Morse-Smale
El complejo de Morse-Smale es obtenido mediante la
conexión de un conjunto de puntos críticos que pertenecen a
un campo propio de la matriz laplaciana. La definición de un
campo propio se obtiene seleccionando el conjunto de
vectores asociado a un valor solución del sistema de
ecuaciones.
Como la función de Morse representa una función sobre la
malla, cada valor propio describe el cuadrado de la frecuencia
42 XIII SIMPOSIO DE TRATAMIENTO DE SEÑALES, IMÁGENES Y VISIÓN ARTIFICIAL. STSIVA 2008

de dicha función. Así, la selección de cada valor propio indica utilizada por su geometría suave; la segunda es el objeto
directamente la cantidad de puntos críticos que posee la “moai” el cual tiene topología arbitraria muy irregular.
función. Para valores de frecuencia altos, mayor número de En las Figuras 4a y 5a se pueden observar los puntos críticos
puntos críticos se obtendrán. Esto permite representar cada resultantes de diferentes configuraciones de armónicos para
objeto con un número variable de parches de superficie. El ambos objetos. En las Figuras 4b y 5b, la malla cuadrilateral
campo propio asigna valores de función para cada vértice de se ajustó adecuadamente a la geometría de los objetos,
la malla, lo que permite determinar si un vértice de la malla es independiente de su topología.
un punto crítico de la función de Morse. Adicionalmente, de
acuerdo a un conjunto de valores obtenidos como el
vecindario del primer anillo de cada vértice, es posible
clasificar los puntos críticos como máximos, mínimos o
puntos de silla. La identificación y clasificación de cada punto
crítico permite construir el complejo Morse-Smale.
Una vez obtenidos y clasificados los puntos críticos estos se
deben conectar para formar la base cuadrilateral de la malla.
La conexión de los puntos críticos se inicia seleccionando un
punto silla y construyendo dos líneas de ascenso inclinadas y
dos líneas de descenso declinadas. Las líneas inclinadas se
forman como un conjunto de vértices que terminan en un
punto crítico máximo. Inversamente, una línea de descenso se
forma por el camino de vértices que terminan en un punto
crítico mínimo. Sin embargo, existen casos en los que no es
posible determinar el conjunto de dos líneas ascendentes y dos
descendentes. Se debe tener en cuenta que dos caminos
pueden ser unidos sólo si ambos ascienden o ambos
descienden.
Después de calcular todos los caminos, se divide S en a.
regiones cuadrilaterales que forman las células del complejo
de Morse-Smale. Específicamente, se desarrolla cada
cuadrilátero de un triángulo incidente a un punto de silla sin
cruzar nunca un camino (ver Figura 3).

b.
Fig 3. Cuadriláteros formados por el Complejo de Morse-Smale. Fig. 4. Puntos críticos arrojados por la Teoría de Morse y Cuadrilaterización
obtenida mediante el Complejo de Morse-Smale para el Objeto Pera.

III. EXPERIMENTOS Y RESULTADOS

Las pruebas visuales para cada una de las fases de este
trabajo fueron obtenidos utilizando un procesador AMD
Semprom a 3,0GHz con 512Mb de Memoria. El lenguaje de
programación utilizado fue C++ con motor gráfico OpenGL y
como plataforma de desarrollo Builder 5.0.
La generación de la malla cuadrilateral y la representación
computacional de los modelos, fueron probados con dos
imágenes de rango de objetos reales: la primera es la “pera”,
XIII SIMPOSIO DE TRATAMIENTO DE SEÑALES, IMÁGENES Y VISIÓN ARTIFICIAL. STSIVA 2008 43

IV. CONCLUSIONES
En este trabajo, se ha explorado y desarrollado el Análisis
Espectral y la Teoría de Morse en mallas triangulares para
generar mallas cuadrilaterales. La teoría discreta de Morse
garantiza que sin importar la complejidad topológica de la
superficie que representa la malla triangular, se obtenga una
descripción cuadrilateral completa, es decir, que es posible
dividir completamente la superficie de los objetos mediante
cuadriláteros. La obtención de un número determinado de
puntos críticos, depende exclusivamente del armónico
seleccionado. Se usa la Teoría de Morse para analizar la
estructura de los campos propios laplacianos de la superficie y
así producir cuadriláteros que se generan directamente sobre
la forma intrínseca de la superficie. Además el uso del
Complejo de Morse-Smale es robusto topológicamente y
garantiza que la base compleja sea siempre cuadrilateral,
evitando así las ambigüedades entre cuadriláteros.

REFERENCIAS
[1] Boier-Martin, I., Rushmeier, H. y Jin, J. (2004). Parameterization of
triangle meshes over quadrilateral domains. In Proc. Eurographics
Symposium on Geometry Processing, 197–207.
[2] Bremer, P., Edelsbrunner, H., Hamann, B. y Pascucci, V. (2004). A
topological hierarchy for functions on triangulated surfaces. TVCG 10,
4, 385–396.
[3] Edelsbrunner, H., Harer, J. y Zomorodian, A. (2003). Hierarchical
a. Morse-Smale complexes for piecewise linear 2-manifolds. Discrete
Comput. Geom, 30, 87-107.
[4] Friedel, I., Schröder, P. y Khodakovsky, A. (2004). Variational normal
meshes. TOG 23, 4, 1061–1073. (Proc. SIGGRAPH).
[5] Koren, Y., Carmel, L. y Harel, D. (2002). ACE:A fast multiscale
eigenvectors computation for drawing huge graphs. In Proc. InfoVis ’02,
137–144.

Sandra Patricia Mateus Santiago: Docente Tiempo Completo y Miembro

del Grupo GRINSOFT, Area de Informática, Facultad de Ingeniería,
Politécnico Colombiano Jaime Isaza Cadavid. Magíster en Ingeniería –
Ingeniería de Sistemas de la Universidad Nacional de Colombia – Sede
Medellín. Ingeniera de Sistemas de la Universidad del Magdalena. E-mail:
spmateus@elpoli.edu.co. Dirección: Carrera 48 N° 7-151, Sede Poblado,
Bloque P19, Of: 146. Tel: 3197900 Ext: 477. Medellín – Antioquia.

Jorge Eliecer Giraldo Plaza: Docente Tiempo Completo y Miembro del

Grupo GRINSOFT, Área de Informática, Facultad de Ingeniería, Politécnico
Colombiano Jaime Isaza Cadavid. Magíster en Ingeniería – Ingeniería de
Sistemas de la Universidad Nacional de Colombia – Sede Medellín. Ingeniero
de Sistemas de la Universidad Distrital Francisco José de Caldas. E-mail:
jegiraldo@elpoli.edu.co. Dirección: Carrera 48 N° 7-151, Sede Poblado,
Bloque P19, Of: 148. Tel: 3197900 Ext: 476. Medellín – Antioquia.

John Willian Branch Bedoya: Profesor Asociado de Tiempo Completo y

Miembro del Grupo de I+D en Inteligencia Artificial, Escuela de Sistemas,
Facultad de Minas, Universidad Nacional de Colombia - Sede Medellín.
Doctor en Ingeniería – Sistemas, Magíster en Ingeniería de Sistemas e
Ingeniero de Minas y Metalurgia de la Universidad Nacional de Colombia,
Sede Medellín. E-mail: jwbranch@unalmed.edu.co. Dirección: Carrera 80 No.
65 - 223 Bloque M8A Of: 307. Tel: 4255375. Medellín – Antioquia.

b.
Fig. 5. Puntos críticos arrojados por la Teoría de Morse y Cuadrilaterización
obtenida mediante el Complejo MS para el Objeto Moai.
 Reconstrucción y mejoramiento de imágenes


Javier Roncancio, Julian Quiroga, AlejandroForero



         

         
      
        


     

 
         
         
     
 
       


      


 
         

       



         




          
       
         
       

       
          


         





         

        
           

         

            
         


           

        
         
      


         
      
       

       

        

       
         
         
   
                       
             
 
                  
 

           
 
              
        
        
        
         
 


Memorias STSIVA 2008 Tomo II 44 - 48

XIII SIMPOSIO DE TRATAMIENTO DE SEÑALES, IMÁGENES Y VISIÓN ARTIFICIAL. STSIVA 2008 45



         

      
           

        
                     
 

          
        
    
               
  
         
 
        
 
                
 
 
           
 


       





        
       

         
        






           
 



            
           
         
         
          
46 XIII SIMPOSIO DE TRATAMIENTO DE SEÑALES, IMÁGENES Y VISIÓN ARTIFICIAL. STSIVA 2008

 




         
        
       
 


 
       

           

         

 


            

 

       


• 
• 
• 
         


          
        

     
       
          
         
        
        
       
      
         
       

  
 






         
         

        
         



 


         










 
          
        
     

 
       
          







  


 
                 
         
         
      


XIII SIMPOSIO DE TRATAMIENTO DE SEÑALES, IMÁGENES Y VISIÓN ARTIFICIAL. STSIVA 2008

         


         
          
        
     

         
       
          
     
        
        




           
          
         

          
        
         
          
    

 
        
        

       
        

       
         
        
         

          


        


       

           
         

         
          

  

47


     

          

        

         
         
        

           
         
       



      
      
       
        
       

         
         


        
      
       
         

       



          

        

        

 
       
         

       
       
        
      


48 XIII SIMPOSIO DE TRATAMIENTO DE SEÑALES, IMÁGENES Y VISIÓN ARTIFICIAL. STSIVA 2008



         
       

 


          
       


        
      

        
   
      
      

 
       

 
        

 

 
       
        

             
          
        
         

 


          
          

            


           
        

        
        

        

           
        
         

           

         

          

Propuesta de un sistema de verificación de hablantes basado en
Propuesta de un Sistema
máquinas de Verificación
de vectores de soporte de Hablantes
basado en Máquinas de Vectores de Soporte
David A. Jaramillo, Danny A. Múnera, Henry A. Arcila, Byron Buitrago, José Aedo
David A. Jaramillo, Danny A. Múnera, Henry A. Arcila, Byron Buitrago, Jose Aedo
Resumen - En este artículo se propone un sistema de
verificación de hablante dependiente del texto basado en
Máquinas de Vectores de Soporte (SVMs.) El sistema de
verificación fue implementado completamente en MATLAB.
Tras la realización de diversas pruebas experimentales con el
uso de las SVMs se obtuvo como resultado un sistema óptimo
basado en un kernel polinómico, una caracterización de voz
MFCC y una filosofía multiclase uno contra uno, con un Half
Total Error Rate de 8.67% y un False Acceptance Percent del
2%, ratificando el buen funcionamiento de las SVMs
aplicadas al campo del reconocimiento.
Palabras claves – SVM, verificación de hablantes, LPC,
MFCC, MatLab.
I. INTRODUCCIÓN
L OS sistemas de reconocimiento de hablantes han
tomado en los últimos años un inusitado interés por los
continuos avances tecnológicos desarrollados tanto en
los sistemas multimedia como en la computación móvil.
Actualmente existen muchos métodos de aprendizaje de
máquina para abordar el desarrollo de un sistema
automático de reconocimiento de voz, siendo las redes
neuronales artificiales las más conocidas [1], sin embargo,
publicaciones recientes muestran que metodologías
estadísticas tales como los Modelos de Mezclas Gausianas
y Modelos Ocultos de Markov ([2], [3], [4]), y
metodologías discriminativas como las Maquinas de
Vectores de Soporte ([5], [6]) arrojan resultados
satisfactorios en cuanto a su complejidad y a las tasas de
error.
En particular, las máquinas de vectores de soporte
(SVMs) han tenido gran aceptación debido a que tienen la
habilidad de discriminar datos con un tamaño de modelo
seleccionado automáticamente por medio de los vectores
de soporte y en un espacio característico altamente
dimensional. La base teórica de las SVMs está
fundamentada en la teoría estadística del aprendizaje
convirtiéndose en una herramienta excepcional para la
generalización en problemas complejos, lo cual las hace
adecuadas para el uso en problemas de verificación de
hablantes.
En este artículo se presenta la implementación de una
técnica de reconocimiento de voz, específicamente un
sistema de verificación de hablantes utilizando Máquinas
de Vectores de Soporte.
Este articulo ha sido estructurado de la siguiente forma:
en las secciones 2 y 3 se realiza una descripción de las
Maquinas de Vectores de Soporte y de características útiles
de la voz para la identificación del locutor. En la sección 4
se describe la estructura del sistema de verificación de
Memorias STSIVA 2008
hablantes. En la sección 5 se presentan los resultados
obtenidos en la implementación. Finalmente en la sección
6 se presentan las conclusiones y los trabajos futuros.
II. MÁQUINAS DE VECTORES DE SOPORTE
Las SVMs se basan en la idea de usar un hiperplano de
separación lineal para crear un clasificador, cuya distancia
de separación entre clases sea máxima, dados los datos de
entrenamiento [7]:
(x1 , y1 ), (x2 , y 2 ),..., (xl , yl ), x ∈ ℜ n , y ∈ {+ 1,−1}(1)
Si se asume que las clases son linealmente separables,
pueden ser clasificadas por medio de un hiperplano
(frontera de decisión) definido por:
w⋅ x + b = 0 (2)
donde w y b son parámetros ajustables que se hallan a
partir de la siguiente expresión [8]:
1
min wT ⋅ w (3)
2
sujeto a yi (w ⋅ xi + b ) ≥ 1, i = 1,..., l
Resolver algorítmicamente el problema anterior toma un
grado de complejidad muy alta, ya que este depende de la
dimensionalidad de los datos de entrada, por lo cual se
recurre a la representación Lagrangiana dual que se
resuelve por medio de la condiciones de Karush-Kuhn-
Tucker [8].
Además, las SVMs ofrecen las representaciones con
Kernel, las cuales brindan una solución para proyectar los
datos a un espacio característico de una dimensionalidad
más alta y así incrementar el poder de discriminación de
las máquinas lineales de aprendizaje. El uso de los
clasificadores lineales en la representación dual hace
posible realizar este paso implícitamente. La ventaja de
usar las máquinas en la representación dual deriva del
hecho que en esta representación el número de parámetros
sintonizables no depende del número de atributos que están
siendo usados. Reemplazar el producto interno con una
apropiada elección de la función kernel, sería una forma de
realizar un mapeo no lineal (ver ecuación 4) a un espacio
característico de una dimensionalidad más alta sin
incrementar el número de parámetros sintonizables [9].
φ : ℜd → H (4)
La función a optimizar es
∑α iα j yi y j K (xi , x j ),
1
Ldual = ∑ α i −
(5)
i 2 j
Tomo II 49 - 52
50 XIII SIMPOSIO DE TRATAMIENTO DE SEÑALES, IMÁGENES Y VISIÓN ARTIFICIAL. STSIVA 2008
donde Ldual hace referencia al Lagrangiano en su forma
dual del problema de clasificación, α son los
multiplicadores de Lagrange y K es la función kernel
asociada [10].
En las ecuaciones 6 y 7 se enuncian las funciones
kernel usadas para el sistema propuesto, asumiendo que
X ⊂ ℜ N [11].
Función Polinomial no homogénea:
K (xi , x j ) = ((xi ⋅ x j ) + c )
d verificación. Debe existir un compromiso entre la
donde, d ∈ N , c ≥ 0 .
Función de Base radial Gaussiana:
2 en este trabajo utiliza esencialmente tres etapas: Etapa de
xi − x j
K (xi , x j ) = e
− adquisición de la base de datos de los usuarios del sistema,
2σ 2
,
con σ >0.
La solución del problema de clasificación mediante las
SVMs se basa en el establecimiento de una frontera de
decisión entre clases que se forma a partir de elementos del
conjunto de entrenamiento llamados vectores de soporte,
que son elegidos al maximizar el margen a través de un
problema de optimización cuadrática [12].
NS
f ( x ) = ∑ α i yi K (si , x ) + b ,
i =1
donde N S es el número de vectores de soporte y b es la
polarización [8].
La discusión anterior sobre las SVMs asume que los
datos de entrenamiento se encuentran solo en dos clases
(clasificación binaria, ver ecuación 1).Para extender la
clasificación por SVM al caso multiclase existen métodos
entre los que se destacan: método uno contra todos y
método uno contra uno [13].
III. CARACTERIZACIÓN DE LA VOZ.
Cuando se caracteriza la voz, se busca la extracción de
sus parámetros más representativos con el fin de obtener
una representación más compacta y menos redundante por
medio de vectores característicos. Con esto se logra una
simplificación con relación al número de muestras a
analizar en las etapas posteriores de procesamiento de esta
señal. Entre los métodos más desarrollados para
caracterizar la voz se encuentran: Los coeficientes de
predicción lineal LPC [14] y los coeficientes cepstrales en
la frecuencia de Mel MFCC [15] [16].
IV. SISTEMA DE VERIFICACIÓN DE HABLANTES
Un sistema para verificación del hablante se utiliza para
decidir si un locutor específico corresponde al locutor real
previamente establecido. En un sistema de verificación una
persona hace una solicitud de identificación, la señal de
voz es analizada por el sistema de verificación que toma la
decisión de aceptar o rechazar la solicitud de identificación
del usuario o posiblemente reportar una insuficiente
confianza en los datos o solicitar datos adicionales antes de
tomar la decisión.
Previo a la verificación, el solicitante debe ser
matriculado en el sistema, bajo condiciones supervisadas.
Durante su matrícula los modelos de voz son generados y
almacenados para su uso futuro en el proceso de
(6) exactitud, la duración y el número de sesiones a matricular
[17].
La propuesta presentada, para el sistema de verificación
(7) etapa de matrícula de usuarios y por último, etapa de
verificación del solicitante.
La primera etapa consiste en la adquisición de las
muestras de voz necesarias de cada uno de los usuarios que
se desean matricular y, de aquellas personas que
aumentarán la base de datos como impostores para el
entrenamiento y test del sistema de verificación
desarrollado. Las muestras son almacenadas de manera que
siempre se encuentren disponibles para la etapa posterior
de entrenamiento y generación de los modelos.
En la etapa de matrícula de usuarios, se generan los
(8) modelos correspondientes a los usuarios que se desean
matricular en el sistema. El proceso es manejado por
medio de la interfaz para la generación de modelos que
controla todo lo pertinente a este proceso.
Para la implementación de esta etapa se utilizan funciones
del toolbox SVM para MATLAB®, desarrollado por el
Image Speech and Intelligent Systems Research Group, de
la Universidad de Southampton [18].
La interfaz de entrenamiento SVM permite la creación
y grabación de diferentes modelos para el sistema de
verificación. Tiene la capacidad de variar múltiples
parámetros para crear diferentes modelos que son
evaluados en la etapa de verificación. En este trabajo se
propone una metodología para la clasificación de personas
impostoras. La propuesta consiste en la utilización de una
clase adicional al sistema, en la cual se contenga
información de muestras de voz de varias personas que no
pertenecen a la base de usuarios, de modo que sus
muestras de entrenamiento se encuentren dispersas y
encierren el espacio de los usuarios matriculados limitando
el espacio de clasificación. El efecto práctico de esta clase
es que cuando una persona impostora para el sistema haga
una solicitud de entrada, sea clasificado con mayor
probabilidad en la clase adicional de impostores, en cuyo
caso el sistema negará su petición.
Por último, la etapa de verificación de solicitantes es la
encargada de realizar el proceso de comparación de
patrones de voz entre la persona solicitante y los usuarios
matriculados del sistema (ver figura 1).
XIII SIMPOSIO DE TRATAMIENTO DE SEÑALES, IMÁGENES Y VISIÓN ARTIFICIAL. STSIVA 2008 51

Figura 1. Pasos en la etapa de verificación.

V. PROTOTIPO EXPERIMENTAL Y RESULTADOS Filosofía de clasificación %FR %FA HTER

En la etapa de matrícula de usuarios, el sistema accede
a toda la base de datos de voz disponible (140 muestras de
la palabra por persona), que se ha creado de forma off-line.
Las muestras de voz de la etapa de verificación cumplen
las mismas condiciones que aquellas utilizadas en la etapa
de matrícula de usuarios, sólo que en la verificación son
adquiridas on-line y su número es más reducido.
Un sistema de verificación de hablantes se considera
bueno o aceptable cuando la probabilidad de error que este
ofrece es muy baja o nula [10]. El sistema es evaluado por
tres tipos de indicadores de error como lo son: False
Rejected percent (%FR), False Acceptance percent (%FA)
y Half total error rate (HTER), donde
HTER =
1
(% FR + % FA) . (9)
2 Tabla 2. Comparación entre kernel y caracterizaciones del sistema
Una máquina de vectores de soporte para cualquier
sistema en general se caracteriza por ser un buen
clasificador, dependiendo de la buena elección de sus
parámetros que constituye el primer aspecto que se tendrá
en cuenta. En la prueba de test se utilizan dos diferentes
tipos de kernel el polinomial y el RBF que son los que
mejor se comportan en ambientes de voz, variando sus
parámetros más importantes [19][12]. Para implementar
esta variación se utiliza inicialmente la crossvalidation
logrando algunos valores óptimos que son sintonizados
luego manualmente [13].
Con respecto a la etapa de caracterización de hablantes
también es importante establecer cuál método se comporta
mejor dentro del marco del sistema de verificación, por
ello, se eligieron MFCC y LPC como las posibles opciones
[19].
Se probó cuál es la filosofía multiclase que mejores
resultados posee para un sistema basado en un kernel
polinómico de orden 8, parámetro de regularización 0.2, 10
usuarios con 140 muestras cada uno y caracterización de
voz LPC. Cabe resaltar que el modelo fue elegido al azar
por lo que su desempeño no debe preocuparnos, lo que nos
interesa en realidad es la abismal diferencia que existe
entre los resultados de cada filosofía. El sistema de
filosofía 1 contra 1 con %HTER=3.72 es el mejor (ver
tabla 1).
1 contra 1 2.5 5 3.72
1 contra todos 14.2 7.86 11
Tabla 1. Comparación entre las diferentes filosofías multiclase
En la tabla 2 se puede observar la comparación entre los
dos métodos de caracterización mencionados y los dos
tipos de kernel más comunes [19] [12]. Se exhiben los
mejores resultados de una previa crossvalidation y
posterior sintonía manual de sistemas basados en la
filosofía multiclase uno contra uno, para 10 usuarios con
140 muestras cada uno.
Kernel RBF POLINÓMICO
Carac. %FR %FA HTER %FR %FA HTER
MFCC 10.3 4.29 7.31 15.3 2 8.67
LPC10 22.7 5.71 14.2 29.7 3.43 16.5
Aunque el kernel RBF obtuvo el HTER mas bajo
(7.31%) el kernel polinómico obtuvo un %FA
asombrosamente bajo (2%) que lo hace lucir como el
sistema más seguro, teniendo en cuenta que su HTER
también es bajo (8.67%). Según la tabla 2, la mejor
caracterización corresponde a MFCC ya que con
cualquiera de los kernel los porcentajes de error son
mínimos con respecto a LPC.
El parámetro de regularización (C) es un valor que
depende exclusivamente de los datos no clasificados
linealmente [8], para MFCC fue C = 215 y para LPC10 fue
C = 0.2 . Según esto, hay más datos no clasificados
linealmente al utilizar la caracterización MFCC, lo que no
quiere decir que sea la peor clasificación, ya que el
resultado depende exclusivamente del kernel a utilizar.
Pensando en una posible optimización de recursos de
memoria y procesamiento, se varió el número de personas
en cada sistema, como se muestra en la tabla 3, para ver
como afecta al funcionamiento en general de los modelos
más óptimos hasta el momento. Estos modelos se
realizaron con filosofía multiclase uno contra uno,
caracterización MFCC, 140 muestras por usuario y
parámetro de regularización C = 215 . El orden del kernel
polinómico es 8 y la desviación estándar del RBF es 1. Se
puede observar en la tabla 3 que una reducción en el
52 XIII SIMPOSIO DE TRATAMIENTO DE SEÑALES, IMÁGENES Y VISIÓN ARTIFICIAL. STSIVA 2008

número de usuarios del sistema implica una disminución HTER=13.1. Aunque el HTER tuvo un aumento, el %FA
en el porcentaje de error. disminuyó notablemente, lo cual es aceptable para un
sistema de verificación.
Kernel RBF POLINÓMICO Como trabajo futuro se pretende extender la base de
Users %FR %FA HTER %FR %FA HTER datos de muestras de voz para verificar el efecto que puede
10 10.3 4.29 7.31 15.3 2 8.67 tener ello en la robustez y desempeño del sistema.
Igualmente se propone la implementación en hardware del
8 6.67 2.78 4.72 10 1.04 5.52
sistema de verificación siguiendo la metodología
6 2.22 7.58 4.9 3.89 4.04 3.96 algorítmica que se ha desarrollado.
4 2.5 6.43 4.46 2.5 5 3.75
Tabla 3. Comparación entre número de usuarios y kernels VII. REFERENCIAS

Otra prueba consistió en analizar la influencia de la
cantidad de datos de entrenamiento en el desempeño del
sistema; para ello, se disminuyó el número de muestras
tomando como base el sistema de mejores resultados a lo
largo de las pruebas con kernel polinómico de orden 8,
parámetro de regularización C = 215 , filosofía multiclase
uno contra uno, 10 usuarios y caracterización MFCC.
Según la tabla 4, con una disminución a la mitad de las
muestras de entrenamiento podríamos lograr resultados
aceptables para el sistema, inclusive un muy bajo %FA
(0.86%), siendo un ítem importante a considerar para las
violaciones de un sistema de verificación.
Número de muestras %FR %FA HTER
140 muestras 15.3 2 8.67
70 muestras 25.3 0.86 13.1
35 muestras 49.7 2.86 26.3
Tabla 4. Comparación de número de muestras de entrenamiento
VI. CONCLUSIONES Y TRABAJO FUTURO
Las Máquinas de Vectores de Soporte demostraron ser
una excelente herramienta para llevar a cabo la tarea de
reconocimiento de voz enfocada en un sistema de
verificación de hablantes.
El método de caracterización MFCC es el que mejor
resultados obtuvo en el sistema de verificación; ya que,
para un kernel RBF obtuvo una disminución del 47.45% y
para un kernel polinómico del 48.52% con respecto a LPC
en el HTER.
Basados en todos los resultados, el kernel RBF tiende a
reducir el %FR mientras que el polinómico tiende a reducir
el %FA. Luego, como queremos un sistema de verificación
seguro, la opción más tentativa es el kernel polinómico.
Los resultados obtenidos en el modelo con valores
óptimos arrojaron porcentajes de error de 8.67% en el
HTER y del 2% en el %FA, éstos ratifican el buen
funcionamiento de las SVMs aplicadas al campo del
reconocimiento.
Para sistemas con un menor número de usuarios, se
obtienen resultados mejores; es así, como con una
reducción de un 60% en el número de usuarios se obtuvo
una disminución del HTER en un 56.75% para un kernel
polinómico y 38.99% para un kernel RBF.
Para una reducción de un 50% en el número de
muestras de entrenamiento se obtuvo un %FA=0.86% y un
[1] V. N. Vapnik. The Nature of statistical learning theory, Second
edition, Springer-Verlag new York, Inc, 2000.
[2] Auckenthaler, R. Parris y E. S. Carey M. J. “Improving a GMM
speaker verification system by phonetic weighting. Acoustics, Speech,
and Signal Processing, 1999,” ICASSP apos;99. Proceedings., 1999 IEEE
International Conference on Volume 1, Issue, pp 313 – 316, Marzo 15-19
1999.
[3] D. A. Reynolds. Model Compression For GMM Based Speaker
Recognition Systems, MIT Lincoln Laboratory, EUROSPEECH 2003 –
GENEVA.
[4] T. Masukoy, T. Hitotsumatsuy, K. Tokudayy, and T. Kobayashiy. On
The Security Of Hmm-Based Speaker Verification Systems Against
Imposture Using Synthetic Speech, Department of Computer Science,
Nagoya Institute of Technology, 1998.
[5] W. M. Campbell, J. P. Campbell, D. A. Reynolds, D. A. Jones, and T.
R. Leek. High-Level Speaker Verification with Support Vector Machines,
MIT Lincoln Laboratory, ICASSP, 2004.
[6] V. Wan y S. Renals .Svmsvm: Support Vector Machine Speaker
Verification Methodology, Department of Computer Science, University
of Sheffield, 2003.
[7] V. Kecman. Learning and soft computing: Support vector machines,
neural networks, and fuzzy logic models, The MIT Press, 2001.
[8] C. J. C. Burges. “A tutorial on support vector machines for pattern
recognition,” Data mining and knowledge discovery, vol 2, No 2, 1998.
[9] N. Cristianini y J Shawe-Taylor. An introduction to support vector
machines and other kernel-based learning methods, Cambridge university
press, 2000.
[10] V. Wan. Speaker Verification using Support Vector Machines,
Dissertation submitted to the University of Sheffield for the degree of
Doctor of Philosophy. Department of Computer Science. University of
Sheffield. United Kingdom, 2003.
[11] B. Scholkopf y A. J. Smola. Learning with Kernels: Support Vector
Machines, Regularization, Optimization, and Beyond, The MIT Press,
Cambridge, Massachusetts, London, England. 2002.
[12] W. Choi, D. Ahn, S. B. Pan, K. Chung, Y. Chung y S. Chung.
“SVM-Based speaker verificaction system for match-on-card and its
hardware implementation”, ETRI Journal, Volume 28, Number 3, Junio
de 2006.
[13] C. Lin. A guide to support vector machines, National Taiwan
University, Noviembre de 2004. http://www.csie.ntu.edu.tw/~cjlin.
[14] J. Bernal, J. Bobadilla, P. Gómez. Reconocimiento de voz y fonética
acústica, Ed. AlfaOmega, 2000.
[15] N. Plannerer. An Introduction to Speech Recognition. Noviembre 28
de 2005.
[16] F. Bimbot, J. Bonastre, C. Fredouille, G. Gravier, I. Magrin-
Chagnolleu, S. Meignier, T. Merlin, J. Ortega-Garcia, D. Petrovska-
Delacretaz, D. A.Reynols. A Tutorial on Text-Independent Speaker
Verification, Agosto 3, 2003.
[17] J. Campbell. “Speaker Recognition: A tutorial,” Proceedings of the
IEEE, Vol 85, No.9, pp. 1437-1462, 1997.
[18] S. Gunn. Support Vector Machines for Classification and
Regression, Technical Report. University Of Southampton, England. 10
May 1998.http://www.isis.ecs.soton.ac.uk/resources/svminfo/
[19] E. Villatoro, L. Villaseñor-Pineda y M. Montes-y-Gómez.
Comparación de algoritmos de aprendizaje para identificación del
usuario a través de la voz, Instituto Nacional de Astrofísica, Óptica y
Electrónica, México, Agosto de 2006.
Aplicación de modelosde
Aplicación paramétricos a la caracterización
modelos paramétricos a la
de señales sísmicas
caracterización de señales sı́smicas
Hernán H. Agudelo, Student Member, IEEE, Julian David Echeverry,
Hernán H. Agudelo, Student Member, IEEE, Julian David Echeverry, Mauricio Alexánder Álvarez y Ricardo Henao
Mauricio Alexánder Álvarez y Ricardo Henao
Resumen—Se desarrolla en este trabajo una metodologı́a para
la extracción de caracterı́sticas sobre la representación conjunta
en los dominios del tiempo y la frecuencia de señales sı́smicas, que
permite identificar entre los diferentes tipos de sismos de origen
volcánico, que actualmente son estudiados por la Red Sismológica
Nacional de Colombia (RSNC). Se emplean modelos paramétricos
autorregresivos (AR, ARMA) en la identificación de procesos
aleatorios. El estudio se realiza sobre tramas enventanadas de
la señal donde previamente se ha validado la hipótesis de
estacionariedad. Se aplican diferentes criterios en la selección
del orden del modelo paramétrico. La respuesta en frecuencia
del sistema identificado permite construir una representación
en el dominio conjunto del tiempo y la frecuencia a fin de
caracterizar eventos a lo largo del tiempo propios de cada tipo
de onda sı́smica. Se emplea un clasificador bayesiano en la tarea
de reconocimiento. Se obtienen porcentajes de reconocimiento de
97.8 % entre dos clases de señales volcánicas.
Palabras Claves—Procesamiento de señales sı́smicas, modelado
paramétrico
I. I NTRODUCCI ÓN
L A superficie de la Tierra está en constante movimiento, el
cual puede aumentar debido a la actividad del hombre en
menor escala, o a mayor escala debido a procesos geofı́sicos
propios de la dinámica interna del planeta; estos procesos se
traducen en señales sı́smicas que se propagan a través de
la corteza terrestre [1]. Las señales sı́smicas son estudiadas
como procesos aleatorios no estacionarios [2], de origen
tanto volcánico como tectónico; estas se originan a partir
del desplazamiento de las placas internas de la corteza
terrestre, el flujo de magma a través de la estructura interna
de los volcanes o el desprendimiento de materiales tales
como roca, hielo o lodo en las laderas de las montañas.
La actividad de recopilación y caracterización de eventos
volcánicos y sı́smicos, contenidos en las señales adquiridas
por instrumentos de medida especiales conocidos como
sismógrafos, es fundamental para definir planes de prevención
y cuidado en zonas de alto riesgo. Es de particular interés
dentro de la sismologı́a y la vulcanologı́a poder definir
la naturaleza de las señales sı́smicas a fin de estudiar
los fenómenos fı́sicos asociados a la ocurrencia de las
mismas [3]. En la actualidad el proceso de caracterización
y etiquetado de los eventos sı́smicos observados en las
estaciones pertenecientes a la Red Sismológica Nacional de
Colombia (RSNC), es realizada de forma manual por expertos
adscritos a los observatorios que componen la Red.
La identificación automática de señales sı́smicas puede
hacerse mediante el estudio del comportamiento de las
mismas en los dominios del tiempo y la frecuencia [2],
[4]. La identificación de modelos matemáticos que estimen
el comportamiento de la señal en el tiempo, permite
obtener una aproximación a esta representación en cuanto
Los autores pertenecen al Grupo de Control e Instrumentación de la
Universidad Tecnológica de Pereira. e-mail de contacto hh@utp.edu.co
Memorias STSIVA 2008 Tomo II
se determina una función de transferencia, para modelar el
sistema geofı́sico que genera las señales objeto de estudio.
La aplicación de estos modelos se realiza sobre segmentos
de tiempo de las señales sı́smicas donde estas presentan un
comportamiento cuasi-estacionario. A partir de la respuesta en
frecuencia de la función de transferencia del modelo pueden
generarse superficies de ajuste y/o contornos energéticos que
permiten extraer caracterı́sticas discriminantes entre clases;
Estas superficies son en si una representación en tiempo y
en frecuencia de la señal.
Los modelos paramétricos han sido utilizados previamente
para obtener caracterı́sticas de señales sı́smicas. En
investigaciones realizadas anteriormente [5] se han obtenido
altos porcentajes de discriminación, mediante el empleo
de clasificadores robustos, sin tener en cuenta la no
estacionariedad de la señal. En otros trabajos, han sido
utilizadas técnicas de representación como la transformada
wavelet y espectrogramas [2], coeficientes de predicción
lineal LPC [6], y análisis del contenido espectral de las
señales calculado mediante la función de autocorrelación, y
medidas estadı́sticas sobre las señales mismas [4].
Se desarrolla en este trabajo una metodologı́a para la
extracción de caracterı́sticas en señales sı́smicas que permite
identificar entre los diferentes tipos de sismos de origen
volcánico.
II. M ODELOS PARAM ÉTRICOS
Los modelos paramétricos son representaciones
matemáticas de sistemas, generalmente no estacionarios,
que se obtienen de la medición de una variable explicativa del
sistema estudiado. Esta medición produce una observación
ŷi = Y (ui ), donde ui es la unidad de estudio. Esta
observación permite construir la expresión
ŷi = f (xi ; θ) + ςi i = 1, 2, . . . , n, (1)
donde f (xi ; θ) es función dependiente de las condiciones xi , y
está indexada en el espacio paramétrico Θ, donde θ, que es el
parámetro de interés, determina el miembro particular [7]. Se
debe aclarar que ςi representa la parte aleatoria del sistema, y
se supone no observable con distribución probalı́stica, asumida
generalmente gaussiana.
Los modelos paramétricos más utilizados son los de la
familia ARMA; estos incluyen los puramente autorregresivos
(AR) y los de media móvil (MA). Los modelos ARMA
son usados para modelar estructuras dinámicas lineales,
representar relaciones lineales entre variables y servir como
medios para la predicción lineal. A continuación se hace una
breve descripción de los modelos usados en este trabajo.
A. Autorregresivos AR
EL modelo AR o de solo polos, expresa la salida como
una combinación lineal de muestras anteriores de la salida
53 - 56
54 XIII SIMPOSIO DE TRATAMIENTO DE SEÑALES, IMÁGENES Y VISIÓN ARTIFICIAL. STSIVA 2008
en un instante determinado. Se conoce de solo polos porque
su función de transferencia presenta un valor constante en
el numerador. Para sistemas de los cuales se desconoce su
entrada, se puede aproximar su salida en un instante de tiempo
dado a través de sus valores pasados. Otra interpretación de
este modelo se da en el sentido de que la salida actual puede
ser predicha como una combinación lineal de valores pasados;
por esto se le conoce también como modelo de predicción
lineal [8].
B. De media móvil MA
Este modelo se diferencia básicamente del anterior en que
posee sólo ceros en su función de transferencia, siendo el
valor del denominador constante. Esta caracterı́stica dificulta
el modelar un espectro de picos agudos, a menos que el orden
del modelo sea suficientemente alto [9]. Es ası́ como, igual
que el modelo autorregresivo, el modelo de media móvil es
una combinación lineal de parámetros no recursiva.
C. Autorregresivos de media móvil ARMA
Se conoce también con el nombre de modelo de polos y
ceros. El modelo ARMA se construye como una combinación
lineal de los modelos anteriores, donde la componente
autorregresiva permite estimar los picos de densidad espectral
de potencia, mientras la componente de media móvil permite
estimar correctamente la información de los valles en el
espectro. Este modelo paramétrico es ampliamente utilizado en
la identificación de sistemas dada su flexibilidad, sin embargo
no aproxima de manera adecuada fenómenos no lineales
presentes en la mayorı́a de sistemas fı́sicos [10].
III. S ELECCI ÓN DE PAR ÁMETROS DE AN ÁLISIS
A. Ancho de ventana
Es conveniente analizar segmentos de las señales que
presenten un comportamiento estacionario; esto dado que
los modelos paramétricos citados anteriormente modelan de
forma adecuada series de tiempo estacionarias. Debido a su
naturaleza, las señales sı́smicas son procesos aleatorios y no
estacionarios, sin embargo pueden determinarse ventanas de
tiempo para las cuales dichas señales cumplen con condiciones
de cuasi estacionariedad [11].
B. Orden del modelo
Uno de los aspectos más importantes del uso de modelos
paramétricos autorregresivos es la selección del orden p.
Como regla general, si se selecciona un modelo con orden
muy bajo, se obtiene un espectro altamente suavizado. Por
otra parte, si p se selecciona muy alto, se corre el riesgo de
introducir falsos picos de bajo nivel en el espectro. En el
caso del modelo autorregresivo, el valor cuadrático medio
del error residual constituye un indicador de desempeño.
La caracterı́stica de este error residual es que decrece a
medida que el orden del modelo AR incrementa. Se puede
monitorear la tasa de decremento y finalizar el proceso de
actualización del orden cuando la tasa de decremento se
vuelva relativamente lenta [12].
Diversos métodos se han descrito para la selección del orden
del modelo autorregresivo, entre los cuales el más conocido
es el criterio de información de Akaike (AIC). Este criterio se
basa en seleccionar el orden que minimiza la expresión
2 2p
AIC(p) = ln(σ̂ωp )+ , (2)
N
2
donde σ̂ωp es la varianza estimada del error lineal de
predicción. Este ı́ndice de desempeño está basado en la
minimización del error cuadrático medio para un predictor de
2
un paso. Nótese que el término σ̂ωp decrece y por lo tanto
2
ln(σ̂ωp ) decrece también a medida que el orden del modelo
AR se incrementa. Sin embargo, 2p N se incrementa en razón
de p. Debido a esto, el mı́nimo valor es obtenido para algún
valor p.
Otros trabajos sugieren que el criterio de información de
Bayes permite una mejor estimación del orden del modelo
autorregresivo. El criterio de información de Bayes (BIC),
está basado en seleccionar el orden que minimiza el largo
de la descripción, donde BIC se define según:
2
BIC(p) = N ln(σ̂ωp ) + pln(N ) (3)
Un método un poco más heurı́stico y computacionalmente
más costoso se basa en hallar el orden para el cual el error de
estimación del modelo sea mı́nimo. En este se busca variar
el orden de los modelos paramétricos y estimar la señal,
comparándola con la señal original punto a punto con el
objetivo de minimizar el error cuadrático medio entre ambas.
IV. G ENERACI ÓN DE SUPERFICIES DE AJUSTE
Una vez identificado el modelo paramétrico que describe la
dinámica propia de la señal sı́smica sobre ventanas de tiempo
de análisis, se procede a calcular la respuesta en frecuencia de
la función de transferencia que describe al sistema para cada
intervalo y a generar de esta forma una representación en el
dominio conjunto del tiempo y la frecuencia. Esta forma de
representación, denominada superficie de ajuste o superficie de
regresión permite evaluar la dinámica de cambio en la señal a
lo largo del tiempo, como se puede ver en la figura 1.
V. E XTRACCI ÓN DE CARACTER ÍSTICAS
Las caracterı́sticas utilizadas en el proceso de
reconocimiento fueron extraı́das de la representación
tiempo frecuencia de la señal obtenida a partir de las
superficies de ajuste. Durante el proceso de experimentación
fueron extraı́das 55 caracterı́sticas, tales como los cinco
primeros momentos estadı́sticos sobre los ejes del tiempo,
de la frecuencia y sobre los coeficientes de los modelos. Se
realizó de igual forma el cálculo de la energı́a contenida en
la superficie (criterios de Teager y Shannon) y se calcularon
parámetros de perturbación. Estos parámetros se obtuvieron
utilizando la expresión:
1
�N −1
N −1 i=1 [p(i + 1) − p(i)]
Vp = 1
�N −1 , (4)
N i=1 p(i)
sobre la media por filas de la superficie de ajuste. Se
obtuvieron ası́ mismo estos parámetros sobre los vectores de
energı́a.
XIII SIMPOSIO DE TRATAMIENTO DE SEÑALES, IMÁGENES Y VISIÓN ARTIFICIAL. STSIVA 2008
Fig 1. Señales Sı́smicas y sus superficies de ajuste
VI. M ATERIALES
La base de datos utilizada es una colección de registros
sı́smicos del Observatorio Vulcanológico y Sismológico de
Manizales. Consta de 622 datos clasificados como sismos
Largo Periodo (LP), y 487 registros etiquetados como
Vulcano-Tectónicos (VT), digitalizados con una frecuencia
de muestreo de 100.16 Hz. Estos registros fueron medidos
en la estación Olleta, sismógrafo ubicado a 4◦ 54.12′ N, 75◦
21.54′ W, aproximadamente a 4 km del cráter principal del
Volcán Nevado del Ruiz, sobre 4.630 m.s.n.m.
VII. R ESULTADOS
Inicialmente se determinó el orden de los modelos AR y
ARMA. Se utilizaron los criterios de Akaike (AIC), Bayes
(BIC) y el criterio de mı́nimo error de estimación. En el
modelo autorregresivo, se obtuvo un orden óptimo de 7 polos
a partir de los criterios de Bayes y de mı́nimo error de
estimación. En el modelo ARMA se obtuvo un orden óptimo
de 4 polos y 16 ceros mediante el criterio de mı́nimo error
de estimación. Sin embargo, realizando diferentes pruebas de
reconocimiento para diferentes órdenes de los modelos, se
obtuvo que el orden que mejor porcentaje de clasificación
entrega es de 7 polos y 18 ceros para el modelo ARMA.
Posteriormente fueron generadas las superficies de ajuste
a partir de la estimación paramétrica utilizando los modelos
citados. Se emplearon ventanas partiendo de intervalos
cuasi estacionarios para cada clase, previamente calculados
mediante el método Runtest [11]. Estos intervalos son de
0.7962 segundos (equivalentes a 80 muestras) para la clase
LP y de 0.6957 segundos (equivalentes a 70 muestras para
la clase VT). Estas ventanas fueron traslapadas en 0.05 s
o 5 muestras. De las matrices de ajuste se calcularon las
caracterı́sticas antes descritas, un total de 55. Se procedió a
realizar pruebas de clasificación empleando un clasificador de
Bayes con validación leave one out. Los resultados de este
55
proceso de clasificación con los modelos AR y ARMA se
muestran en la tabla I.
Modelo Paramétrico VT LP Acierto
AR 88,91 88,74 88,82 %
ARMA 98,76 96,30 97,53 %
TABLA I
R ESULTADO DE CLASIFICACI ÓN PARA TODAS LAS CARACTER ÍSTICAS
OBTENIDAS DE SUPERFICIES DE AJUSTE
El porcentaje de clasificación obtenido con el modelo
autorregresivo de media móvil es el más alto alcanzado sin
utilizar ningún método de reducción de dimensionalidad. En
esta misma tabla se observa el resultado de clasificación,
a partir de las caracterı́sticas del modelo AR, siendo este
inferior comparado con el anterior en ambas clases. Esto
permite inferir que el modelo ARMA permite observar mejor
el comportamiento de las señales sı́smicas objeto de estudio
que el modelo AR.
Posterior a este proceso, se aplicaron dos técnicas de
reducción de dimensionalidad al modelo AR, sin obtener
mejoras en los resultados de clasificación. El análisis de
componentes principales (PCA) arrojó un resultado de
clasificación de 88.44 %. Con el análisis discriminante lineal
(LDA) se obtuvo 88.34 % de porcentaje de acierto en las
pruebas de clasificación.
Estas pruebas se repitieron para las caracterı́sticas obtenidas
con el modelo ARMA. Se obtuvieron mejoras poco
significativas en los resultados de clasificación. Para PCA y
LDA se mejoró el resultado a 97.88 %. La diferencia se dio
en el número de caracterı́sticas con las cuales se obtuvo dicho
resultado para cada técnica. Para LDA fueron 53 mientras que
para PCA fueron 51 caracterı́sticas. Se observa entonces que
PCA permite la mayor reducción de caracterı́sticas mejorando
56 XIII SIMPOSIO DE TRATAMIENTO DE SEÑALES, IMÁGENES Y VISIÓN ARTIFICIAL. STSIVA 2008

el resultado de clasificación. [6] S. Scarpetta and F. Giudicepietro, “Automatic classification of seismic

VIII. D ISCUSI ÓN
En los trabajos de clasificación de sismos no ha sido una
tarea importante la extracción de caracterı́sticas. Ese es el eje
central de este trabajo. Se determinó la utilidad del modelo
paramétrico autorregresivo de media móvil, para reconstruir
las señales sı́smicas de las clases objeto de estudio. No se
halló información sobre la utilización del modelo ARMA en
otros trabajos de caracterización o clasificación de señales
sı́smicas. Por el contrario modelo AR ha sido utilizado para
calcular la estimación de la densidad espectral de potencia,
lo que ha permitido extraer caracterı́sticas que luego fueron
clasificadas usando procesos gaussianos [13] para obtener
resultados acierto del 94 %.
Para trabajos futuros, se utilizarán clasificadores de mayor
desempeño como maquinas de soporte vectorial o procesos
gaussianos, buscando mejores resultados de clasificación.
signals at mt. vesuvius volcano, italy, using neural networks,” Bulletin
of the Seismological Society of America,, vol. 95, 2005.
[7] M. M. Ojeda, “La modelación estadı́stica,” Foro de Matemáticas del
Sureste, p. 76, Diciembre 2004.
[8] J. D. Echeverry, “Caracterización acústica de bioseñales empleando
transformadas tiempo frecuencia y modelado paramétrico,” Master’s
thesis, Universidad Tecnológica de Pereira, 2006.
[9] P. Stoica and R. L. Moses, Introduction to Spectral Analysis. Prentice
Hall, February 1997.
[10] J. Fan and Q. Yao, Nonlinear Time Series: Nonparametric and
Parametric Methods. Springer, August 2005.
[11] K. S. Shanmugan, Random Signals: Detection Estimation and Data
Analysis, Wiley, Ed. Wiley, 1988.
[12] J. G. Proakis and D. G. Manolakis, Tratamiento Digital de Señales,
3rd ed., I. Capella, Ed. Prentice Hall, 2000.
[13] M. Alvarez and R. Henao, “Clasificación de eventos sı́smicos empleando
procesos gaussianos,” Scientia et Technica, vol. 35, 2007.

IX. C ONCLUSIONES
El modelo paramétrico autorregresivo de media móvil
permite obtener una mejor identificación del sistema
geofı́sico que genera las señales sı́smicas que el modelo
autorregresivo. Esto se sustenta en los resultados de
clasificación obtenidos (tabla I) con ambos modelos,
esto a pesar de que, al comparar las graficas donde se
muestran las superficies de ajuste de cada modelo y clase
(figura 1), se podrı́a pensar que el modelo AR permite
extraer mayor cantidad de información del sistema.
La generación de superficies de ajuste permite estudiar
la dinámica de cambio de las señales no estacionarias
en los planos del tiempo y la frecuencia, permitiendo
extraer caracterı́sticas discriminatorias en este espacio de
representación.
Las caracterı́sticas extraı́das sobre las superficies
estimadas a partir del modelo autorregresivo de media
móvil permiten discriminar con tasas hasta del 97.8 %
entre las diferentes clases de sismos de origen volcánico.

AGRADECIMIENTOS
Los autores agradecen al Observatorio Sismológico y
Vulcanológico de Manizales - INGEOMINAS - por la base
de datos facilitada y la colaboración prestada a lo largo del
proyecto de investigación.
Este trabajo se desarrolló en el marco del proyecto
de investigación “CLASIFICACIÓN AUTOMATIZADA DE
EVENTOS SÍSMICOS”, financiado por la Universidad
Tecnológica de Pereira con código 9-07-04.

R EFERENCIAS
[1] B. L.Ñ. Kennett, The Seismic Wavefield. Cambridge University Press,
2001.
[2] K. B. Mohammed Benbrahim, Adil Daoudi and A. Ibenbrahim,
“Discrimination of seismic signals using artificial neural networks,”
Transactions On Engineering, Computing And Technology, vol. 4, 2005.
[3] J. M. Londoño, “Manual de sismologı́a y volcánica básica,” 2002,
observatorio Vulcanologico de Manizales.
[4] T. P. b. H. Langer, S. Falsaperla and G. Thompson, “Automatic
classification and a-posteriori analysis of seismic event identification
at soufrie‘re hills volcano, montserrat,” Journal of Volcanology and
Geothermal Research, vol. 153, 2006.
[5] R. P. D. Mauricio Orozco, Marcelo E. Garcı́a and C. G. Castellanos,
“Dissimilarity-based classification of seismic signals at nevado del ruiz
volcano,” Earth Sciences Research Journal, vol. 10, 2006.
 Control de de
Control Mouse
mouseaatravés
travésdede señales
señales EOGEOG y
Algoritmos deBoosting
y algoritmos de Boosting
Diana Mahecha, Fernando Lozano, Elkin García,
Diana Mahecha, Fernando Lozano, Elkin García,
Resumen—La creación de alternativas de acceso a la tecnología orien-
tadas a personas discapacitadas, es un área de gran interés en la actuali-
dad. El desarrollo de software asociado a estos elementos tiende a la imple-
mentación de interfaces gráficas, cuyo principal acceso es el cursor contro-
lado por el Mouse. Crear una interfaz entre un usuario discapacitado y este
control, es un paso muy importante para permitir su interacción exitosa
con diferentes tecnologías. Este documento describe el diseño y la imple-
mentación de un control de Mouse manejado por potenciales bioeléctricos,
dirigido a personas con algún tipo de discapacidad física-motora. Se centra
en la adquisición de señales electrooculográficas (EOG) y su clasificación
mediante técnicas del área de Machine Learning, más específicamente, por
medio de la aplicación de algoritmos de Boosting Multivariable usando un
clasificador lineal como aprendiz débil. Se obtenienen resultados competi-
tivos en la generalización.
Index Terms—Electrooculografía, Boosting, Aprendizaje, Adquisición,
Boosting Multivariable, Mouse
I. I NTRODUCCIÓN
A CTUALMENTE, el uso creciente de los computadores ha
llevado a crear alternativas de acceso a los mismos para
personas con diferentes grados de discapacidad motora. Existen
distintos tipos de mouse alternativos al tradicional, cuyo desar-
rollo consiste principalmente en 3 áreas: El reconocimiento de
imágenes de video, el uso de elementos físicos fáciles de mane-
jar con partes del cuerpo diferentes a las manos y el análisis de
potenciales bioeléctricos [1] [2] [3] [4]. De acuerdo al grado de
discapacidad se debe escoger la opción que brinde más como-
didad al usuario.
En el análisis de potenciales bioeléctricos se usan diferentes
técnicas: electromiografía (EMG), electroencefalografía (EEG)
y electrooculografía (EOG). Este trabajo se enfoca en el análi-
sis EOG y el uso técnicas de clasificación del área de Machine
Learning (Boosting Multivariable) para desarrollar un control
de mouse por medio del análisis EOG.
A continuación, en la sección II se explican los conceptos
generales de la técnica de EOG y el aprendizaje supervisado
con boosting. En la sección III se desarrolla la implementación
y diseño de la solución. En la sección IV se presentan los resul-
tados y finalmente en la sección V las conclusiones.
II. P RELIMINARES
A. Electrooculografía
El análisis electrooculográfico obtiene una apreciación direc-
ta de la movilidad ocular mediante la medición de voltajes difer-
enciales alrededor del ojo [5]. Hay 4 movimientos oculares en-
tre los cuáles están los sacádicos [6]. Estos son desplazamientos
angulares muy rápidos y precisos que se producen al observar
D. Mahecha. Departamento de Ingeniería Eléctrica y Electrónica, Universi-
dad de los Andes, Bogotá, Colombia, email: d-mahech@uniandes.edu.co
F. Lozano. Departamento de Ingeniería Eléctrica y Electrónica, Universidad
de los Andes, Bogotá, Colombia, email: flozano@uniandes.edu.co
E. García. Departamento de Ingeniería Eléctrica y Electrónica, Universidad
de los Andes, Bogotá, Colombia, email: elkin-ga@uniandes.edu.co
Memorias STSIVA 2008
Figura 1.Comportamiento del ojo humano como dipolo (derecha) y ubicación
de electrodos para el análisis EOG (izquierda). Los electrodos B y C toman la
señal vertical, los electrodos D y E toman la señal horizontal y el electrodo A
sirve de referencia.Imagen tomada de [1]
con detalle algún objeto y son los únicos movimientos que se
controlan voluntariamente.
La fuente de la señal EOG es el potencial continuo existente
entre la cornea y la base del ojo. De esta forma el ojo se compor-
ta como un dipolo que se mueve en un conductor de volumen
no homogéneo (la cabeza). Con el uso de 5 electrodos puestos
alrededor de los ojos (Figura 1) se pueden medir estos poten-
ciales y ser usados en la detección de la dirección de la mirada
respecto a la cabeza. [7]
Muchos estudios han intentado determinar la relación entre el
voltaje del EOG y el ángulo de mirada. Rafael Barea [6] realizó
un amplio estudio acerca de este tema y se resaltan los sigu-
ientes resultados:
- La señal EOG varía entre 50 y 3500 µV con un rango de
frecuencias de DC-35Hz y tiene un comportamiento lineal
para ángulos entre ±30o .
- La señal EOG se ve perturbada por otros biopotenciales
(EEG, EMG)y las perturbaciones del sistema de adquisi-
ción.
- El EEG y el EMG pueden producir errores de aproximada-
mente un grado.
- La forma del EOG para movimientos sacádicos es similar
en cualquier persona, por eso al usar una normalización de
los datos se obtiene un modelo EOG universal.
- Los movimientos sacádicos pueden detectarse en función
de la derivada del EOG.
B. Aprendizaje supervisado y Boosting
El aprendizaje supervisado está fundamentado en una progra-
mación por ejemplos, en donde el algoritmo conoce la respuesta
correcta a los patrones de entrada y encuentra una regla de clasi-
ficación (hipótesis) que asigna una etiqueta a cada elemento en
el espacio de entrada. El objetivo de la hipótesis no es respon-
der bien a los datos de entrenamiento, sino a nuevos datos, por
consiguiente, es necesario realizar validación cruzada. El des-
empeño es evaluado por medio de los errores de entrenamiento
y generalización. En el primero se evalúan los datos nuevos (que
no han sido pasados por el algoritmo) y en el segundo los datos
Tomo II 57 - 60
58 XIII SIMPOSIO DE TRATAMIENTO DE SEÑALES, IMÁGENES Y VISIÓN ARTIFICIAL. STSIVA 2008
con los que se aprende. La validación cruzada consiste entonces,
en un compromiso entre estos errores, ya que si el error de en-
trenamiento se hace muy pequeño puede existir sobre ajuste a
los datos y no generalizar.
Los algoritmos de boosting toman un algoritmo débil (algo-
ritmo que retorna una hipótesis para cualquier distribución con
un error arbitrariamente cercano a la probabilidad de etiquetar
bien un dato adivinando: 50 % ) que busca minimizar el error
empírico y a partir de llamadas iterativas a éste, generan una
hipótesis fuerte cuyo error es arbitrariamente pequeño.
Adaboost [8] es un algoritmo de boosting adaptativo y con-
siste en la creación de una hipótesis fuerte a partir de la com-
binación lineal de hipótesis débiles. Los pesos de esta combi-
nación lineal son modificados en cada iteración de acuerdo al
error de entrenamiento de la hipótesis retornada por el aprendiz
débil, de tal forma que en la siguiente iteración del algoritmo, el
objetivo es aprender los datos en los que se equivoca la hipótesis
anterior. En este caso los errores se hallan respecto a la distribu-
ción Dt de la iteración t y están dados por:

t = Pri ∼D [Ht (xi ) = yi ] = Dt (i) (1)
i:ht (xi )=yi
III. D ISEÑO E IMPLEMENTACIÓN
A. Adquisición señales EOG
La arquitectura del sistema de adquisición consta esencial-
mente de dos partes:
1. Acondicionamiento de la señal: Las señales EOG horizon-
tal y vertical se toman por medio de electrodos superfi-
ciales pediátricos de Ag/AgCL y son amplificadas 500 ve-
ces con amplificadores de instrumentación INA128. Sigue
una etapa de aislamiento implementada con un ISO124
que independiza la alimentación de los elementos conecta-
dos al usuario de la alimentación del resto del circuito. Se
implementa un filtro pasa banda entre el ancho de banda
de señales EOG [10mHz-35Hz], conformado por un filtro
pasa bajas (2o orden) y un filtro pasa altas (4o orden), con
frecuencias de corte en los límites de la banda. Este filtra-
je elimina ruidos producidos por el movimiento de mús-
culos cercanos, la red eléctrica y la componente continua
del EOG. Finalmente se realiza un acondicionamiento para
poner la señal en el rango del ADC [0V,5V].
2. Digitalización y transmisión al computador: Esta com-
puesta por la conversión análoga-digital y la trasmisión se-
rial al computador. Para esto se usa el PSOC CY8C27443-
24PXI que cuenta con un ADC dual configurado a 105Hz
para cada canal y un módulo de trasmisión serial.
B. Construcción de la base de datos
Para conformar la base de datos necesaria en el entrenamien-
to, se implementó una aplicación en la que se programaron 10
protocolos con el objetivo de registrar diferentes movimientos
sacádicos del ojo, variando las direcciones y la magnitud de los
desplazamientos. La prueba tiene una duración de 5 minutos
aprox. y consiste en que el usuario manteniendo la cabeza en el
centro de la pantalla y aproximadamente a 30cm de la misma,
siga el movimiento de un indicador y en determinados momen-
tos realice parpadeos voluntarios.
Figura 2.Preprocesamiento de los datos de un protocolo. Las flechas en la grá-
fica indican un 1 en la columna de codificación de la dirección que indican y la
estrella un 1 en la columna de click
La toma de datos se realizó con 20 personas entre 21 y 58
años, sin discapacidad motora. Esto no representa ningún prob-
lema ya que como se mencionó anteriormente, la forma del
EOG es similar en todas las personas y en el caso que los usua-
rios discapacitados presenten algún tipo de variación conside-
rable, el sistema puede ser fácilmente adaptado tomando una
nueva base de datos con ellos y corriendo el algoritmo de entre-
namiento con ella.
C. Preprocesamiento de los datos
Antes de utilizar los datos en cualquier algoritmo de apren-
dizaje, es necesario extraer de ellos determinadas características
sobre las cuales se va a crear la hipótesis. En este caso estamos
interesados en detectar los movimientos sacádicos producidos
por el ojo y según [6] una forma de hacerlo es evaluando la
derivada de la señal. El preprocesamiento realizado fue el sigu-
iente:
- Para eliminar ruidos se promedia cada señal con intervalos
de 47.61ms (cada 5 datos).
- Se halla una aproximación a la derivada en cada dato pro-
mediado por medio de la ecuación 2 , en donde tomamos
∆t = 333,33ms, que es el tiempo trascurrido entre 7 datos
promediados.
δX ∆X X i − X i+7
= = (2)
δt ∆t ti − ti+7
- Se mide la energía de cada 3 datos de la derivada conser-
vando el signo para hacer más evidentes los cambios y por
último se escoge la energía de máxima magnitud entre 5
datos consecutivos.
En la figura 2 se muestra el preprocesamiento para uno de los
protocolos implementados, junto con el etiquetamiento realiza-
do gracias a códigos guardados durante la ejecución del progra-
ma de adquisición. Después de etiquetar los datos, se dividieron
por clases y se repartieron aleatoriamente en dos grupos, uno
para entrenamiento y el otro para evaluación. Cada grupo que-
do conformado con aproximadamente 2500 datos.
XIII SIMPOSIO DE TRATAMIENTO DE SEÑALES, IMÁGENES Y VISIÓN ARTIFICIAL. STSIVA 2008
Algoritmo 1 Algoritmo débil usado.
Entrada: S = {xord , yord }m i ,D
- Inicializar em in = mxant = xord (1) − 0,5
for all t = 1 : m do
x (t)−a
ht = ord 2 ant [ If xi ≥ ht → yi = 1; else yi = −1]
- Evaluar el error pesado et de hipt (respecto a D).
if et < 0,5 then
et = (1 − et ) - Invertir la polaridad de la hipótesis
end if
if et < em in then
emin = et ; hout = ht
end if
xant = xord (t)
end for
Salida: hout
D. Adaboost Multivariable
Originalmente Adaboost es un algoritmo diseñado para prob-
lemas binarios, sin embargo, existen varios métodos para exten-
derlo a problemas multivariable. Se han propuesto varias aprox-
imaciones como AdaBoost.M1 [9] que usa un aprendiz débil
multivariable y AdaBoost.MH [8] o AdaBoost.M2 [10] que cre-
an problemas binarios al comparar las clases entre sí. También
hay acercamientos usando métodos de codificación de salida,
como AdaBoost.MO [11] que usa una matriz de codificación
(código por clase) y modifica la salida de la hipótesis final mi-
diendo su distancia a los códigos y AdaBoost.OC [10] que usa
codificación EOCO .
El objetivo de la implementación de algún algoritmo de
boosting multivariable en la clasificación de señales EOG es
tomar los datos bidimensionales entregados por el preproce-
samiento y retornar la dirección del movimiento realizado. Para
esto se definen 5 movimientos básicos: arriba, abajo, derecha,
izquierda y clic (parpadeo voluntario) y 4 movimientos diago-
nales, que corresponden a combinaciones de los anteriores. La
codificación usada se presenta en la figura 3
Figura 3. Codificación movimientos. A: Mov. básicos, B: Mov. diagonales.
Debido a la forma de los datos y a su proporcionalidad con el
movimiento del ojo, se usa como clasificador débil un separador
lineal. La implementación de este clasificador corresponde al
algoritmo 1 y recibe como entradas un vector con los datos or-
denados de la dimensión l y las respectivas etiquetas ordenadas.
El algoritmo recorre los datos generando la hipótesis i y evalúa
su error pesado (ecuación 1) en todos los datos. Luego, si este
error es mayor a 0.5 invierte la polaridad de la hipótesis y halla
el respectivo error (1 − ei ). Después se compara con el mínimo
error hasta el momento y si es menor, se guarda la hipótesis i.
Las hipótesis i recorren los puntos medios de los datos, es de-
cir, es el valor medio entre un dato i y el dato inmediatamente
anterior a él.
Como el clasificador débil es binario se plantea la solución
creando varios problemas binarios a partir del problema multi-
variable. La exigencia en la precisión del algoritmo débil es mu-
cho más alta en los problemas multivariable, ya que la probabil-
59
Algoritmo 2 Algoritmo de boosting multivariable usado.
Entrada: S = x, yi m i=1 donde xi ∈ X, Yi ⊆ γ
for all i = 1 : T do
for all l = 1 : L do
- Correr alg. débil usando la distribución D y obtener la hip. débil h(x)lt con
error: t (l) = Pri ∼D [ht (xi ) = yi ] - Escoger:
1 1 − t (l)
αt (l) = ln (3)
2 t (l)
- Actualizar:
Dt (i, l) exp(−αt Y (i, l)ht (Xi , l))
Dt+1 = (4)
Zt
donde Zt es un factor de normalización para que Dt+1 sea una distribución.

Zt = 2 t (l)(1 − t (l))
end for
end for
Salida:
H(x, l) = sign[
T

αt
ht (x, l)] (5)
t=1 t αt
idad de que al adivinar la etiqueta, ésta sea correcta, es menor al
50 %. Al evaluar la hipótesis débil con AdaBoost.MH, se encon-
tró que no tiene el nivel de precisión requerido y por consigu-
iente se realiza una adaptación del algoritmo AdaBoost (cuya
exigencia a la hipótesis débil es menor), a la lógica usada por
AdaBoost.MH. Para esto se crea una distribución D a cada clase
de datos y se actualizan los valores de αt y Zt de acuerdo a Ada-
Boost. El resultado es el seudo-código presentado en la figura 2,
el cuál es el algoritmo implementado en la clasificación de las
señales EOG.
E. Mouse Electrooculográfico basado en Boosting
La solución final del mouse electrooculográfico consta de dos
etapas. La primera es la tarjeta de adquisición de señales descri-
ta en el apartado A y la segunda es la aplicación EOG mouse.
EOG mouse se desarrollo en Visual Studio.NET 2005 con
VB.net como lenguaje y está compuesto de los siguientes mó-
dulos:
1. RX Serial: Se encarga de la recepción de los datos de la
tarjeta de adquisición. Organiza los datos en parejas (Med.
Vertical, Med. Horizontal).
2. Preprocesamiento de los datos: Consiste en el algoritmo
descrito en el apartado C pero en vez de recorrer un vector,
procesa secuencialmente los datos entregados por el mó-
dulo 1.
3. Hipótesis Boosting: Es la hipótesis combinada obtenida
del algoritmo de boosting implementado. La hipótesis se
carga al iniciar la aplicación desde archivos .txt a vectores.
Se implementó una rutina para evaluar la hipótesis con ca-
da par de datos provenientes del preprocesamiento, dando
como resultado un vector con 5 posiciones que representa
el movimiento detectado.
4. Acciones mouse: En esta etapa se identifican los
movimientos realizados usando la codificación descrita y
de acuerdo a ellos se utilizan rutinas disponibles en Visual
Studio y en internet para mover el cursor y simular el click.
60 XIII SIMPOSIO DE TRATAMIENTO DE SEÑALES, IMÁGENES Y VISIÓN ARTIFICIAL. STSIVA 2008
TABLE I
C OMPARACIÓN DE PORCENTAJE DE ACIERTOS DE ENTRENAMIENTO Y
GENERALIZACIÓN
Clases 1 2 3 4 5 Total
Ent. [ %] 98.56 99.15 98.92 98.74 99.77 96.55
Gen. [ %] 98.08 99.10 98.68 91.61 99.76 95.41
IV. R ESULTADOS
En la tabla I se muestran los resultados obtenidos al correr el
algoritmo 100 veces. Podemos ver que en general no hay ningu-
na clase que sea más difícil de aprender que la otra, ya que todas
llegan a errores bajos. La clase con más precisión en general-
ización es la 5, lo cual tiene sentido ya que sus valores están en
un rango diferente al del resto. Dado que 100 es un número ba-
jo de iteraciones, comparado al número de entrenamientos que
suelen hacerse en boosting (500-1000), podemos decir que los
resultados obtenidos son muy buenos. Esto evidencia la eficacia
del algoritmo débil que es potencializada por la aplicación del
boosting.
En la Figura 4 se presentan los resultados para 500 itera-
ciones. Usando validación cruzada, podemos ver que el punto
mínimo de ambos errores se da en 271 iteraciones (4.2 % para
generalización y 2.96 % para entrenamiento). A partir de este
valor, aunque el error de entrenamiento sigue decreciendo, el de
generalización empieza aumentar, lo cual indica que las hipóte-
sis se sobre ajustan a los datos. De acuerdo a esto, se escoge
como hipótesis combinada final la lograda en la iteración 271.
Aunque hay varias aplicaciones de este tipo y diferentes es-
tudios en torno al tema, muy pocos dan claridad acerca de los
métodos de clasificación usados y más aún, de la efectividad
porcentual de los mismos en una base de datos considerable.
Al comparar los resultados obtenidos, con la implementación
de un mouse que usa señales EMG y redes neuronales [12] que
reporta errores inferiores al 5 %, se observa que el sistema de
clasificación implementado es altamente competitivo.
V. C ONCLUSIONES
En este trabajo se desarrolló una forma alternativa de acceder
a diferentes tecnologías para usuarios discapacitados, buscando
mejorar su habilidad para desenvolverse libremente en el mundo
actual.
En el desarrollo del sistema de control propuesto, se
analizaron características importantes de las señales EOG y los
requerimientos necesarios para desarrollar una adecuada instru-
mentación para su digitalización. Además de esto, se realizó un
nuevo acercamiento al análisis EOG, partiendo de algoritmos
de boosting multivariable para la clasificación de las señales.
El preprocesamiento de los datos logró no solo identificar los
movimientos sacádicos sino también condensar su información
en muy pocos datos, de tal forma que se pudo asociar cada dato
a una clase sin perder mucha información en el proceso.
El algoritmo de Boosting Multivariable implementado per-
mitió encontrar una buena solución, que no se sobre ajusta a los
datos y generaliza bien en los mismos.
Quedan planteados para futuros trabajos, la implementación
de las funciones disponibles en un mouse que no se obtuvieron
Figura 4. Errores de entrenamiento y generalización (500 iteraciones).
acá; además del diseño de una interfaz con el usuario mas
amigable. También es necesario realizar pruebas pruebas adi-
cionales de validación con un grupo considerable de personas,
preferiblemente con algún tipo de discapacidad. Desde el pun-
to de vista del aprendizaje, se puede buscar implementar Ada-
Boost.MH u otro algoritmo multivariable, algunos aquí nom-
brados, con otras hipótesis débiles para así poder comparar su
funcionamiento en la clasificación de señales EOG.
R EFERENCIAS
[1] R. Barea y otros, Diseño de un ratón electrooculográfico para
el control de Interfaces Gráficos. España. [Online]. Avail-
able: http://www.depeca.uah.es/personal/barea/electrooculografia
/saaei00_raton.pdf/. Consultada en: 12/2007
[2] J. Gips y otros Eagle Eyes Project, Boston College. [Online]. Avail-
able: http://www.bc.edu/schools/csom/eagleeyes/contact.html. Consultada
en: 12/2007
[3] J. Gips, M. Betke, CameraMouse.org., Boston College. [Online]. Avail-
able: http://www.cameramouse.org/index.html. Consultada en: 12/2007
[4] Technologies, Brain Actuated. Cyberlink - Brainfingers: Hands-free Com-
puter Access Solution, [Online]. Available: http://www.brainfingers.com/.
Consultada en: 12/2007
[5] F. Rodriguez, E. Arenas Oftalmología básica, vol. 2, 1999.
[6] R. Barea, Interfaz Usuario-Maquina basado en electroocu-
lografía. Aplicación a la movilidad, Tesis Doctoral, Univer-
sidad de Alcalá. Madrid, España., 2001. [Online]. Available:
http://www.depeca.uah.es/personal/barea/tesis/tesis.htm. Consultada
en: 12/2007.
[7] L. Geddes Principles of applied biomedical instrumentation., New York :
John Wiley & Sons, 1975.
[8] R. Schapire A Brieft Introduction to Boosting. , Proceeding of the Six-
teenth International Join Conference on Artificial Intelligence, pp. 1401-
1406. 1999.
[9] Y. Freund, R. Schapire, A decision-theoretic generalization of on-line
learning and an application to boosting., Journal of Computer and Sys-
tem Sciences., vol. 55, pp. 119-139. 1997.
[10] Y. Freund, R. Schapire, Using Output codes to boost multiclass learning
problems., Machine Learning: Proceedings of the Fourteenth International
Conference., pp. 313-312. 1997.
[11] R. Schapire, Y. Singer Improved boosting algorithms using confidence-
rated predictions., Machine Learning. vol. 37, 297-336.1999.
[12] Z. Huertas Sistema de control de mouse mediante señales electromiográ-
ficas faciales., Tesis de maestría. Universidad de los Andes, 2007.

Análisis de las deficiencias del uso de enveloping
en la señal digital de vibración


Gilberto C. Fontecha Dulcey, GiDeTechMa, Universidad Pontificia Bolivariana, Bucaramanga

       

          
       

         
        
         
         

          

           
         

         

        
      
        
           
       
         
      


        
         
         
         

           
            

          


       
 
        
        
         
          
            
         
           
        
         

          

Memorias STSIVA 2008
         
       


         

        
       



             
         
        
          


          
          

          
         

 
        
           
         


         
      


         
   
         
          
       
        

         
Tomo II 61 - 64
62 XIII SIMPOSIO DE TRATAMIENTO DE SEÑALES, IMÁGENES Y VISIÓN ARTIFICIAL. STSIVA 2008



        
        
         
         
      

 
 
 
          
         
       



          

       

           
        
         
        
        
        


        

        



 





 
 

          

        
   
()

                 
               
            

        
 ( ) 
          
 

           ( ) 
         


 

( ) = ( ) +    
  
( ) =   ( ) +   ( ) 



 

 


         
          
         
XIII SIMPOSIO DE TRATAMIENTO DE SEÑALES, IMÁGENES Y VISIÓN ARTIFICIAL. STSIVA 2008 63


          

       
     
       

 
       
         
         


 
 
                 
               
               
        
                       
          
  

         
     
          

        
        
          

       
          
         
 
   



 
 

   ( )         

 

          
         
           
        

 
 

 
         
           
         
 
        
  
 


 

 
64 XIII SIMPOSIO DE TRATAMIENTO DE SEÑALES, IMÁGENES Y VISIÓN ARTIFICIAL. STSIVA 2008


       
       
        
      
 
  
 

 
       
 

   

 


          
         
       
       

          


        
         
      

  
 
        
       
        


          
          
       

          

        
        





           


      
         
         

 


         
         

           

          
  

      

          

          


 

             


 



 
       


         


 Detección de rostros frontales y componentes
faciales
Detección desobre secuencias
rostros de imágenes
frontales y componentes
faciales sobre secuencias de imágenes
Marta Lucía Guevara1, Cristian Guarnizo2, Álvaro Ángel Orozco3

Marta Lucía Guevara 1 , Cristian Guarnizo 2 , Álvaro Ángel Orozco 3

CATEGORÍA C3 métodos avanzados de reconocimiento de patrones.

Resumen—En este documento se presenta la implementación y Estas técnicas de detección se han abordado desde
aplicación de un método de detección de rostros y componentes diferentes enfoques: enfoques basados en rasgos faciales o
faciales (ojos y bocas), como etapa inicial de un sistema de características locales, en los que se buscan determinados
reconocimiento de emociones. El método se basó en la extracción
de características con filtros de base Haar y clasificadores en elementos que componen el rostro, como los ojos, la nariz, la
cascada, y fue probado sobre secuencias de imágenes de la base boca, enfoques holísticos o basados en la imagen, en este caso
de daros FEEDTUM, alcanzando un porcentaje de detección del los métodos trabajan con la imagen completa o zonas
rostro del 94% y un porcentaje detección de los ojos y la boca del concretas de la misma, de la cual se extraen características que
90.5%, con tiempos de procesamiento bajo. puedan representar el objeto buscado, enfoques híbridos, estos
métodos usan tanto la información local como la global para
Palabras Claves— Detección de rostros, componentes faciales,
la detección, basándose en el hecho de que el sistema de
imagen integral, base Haar, boosting.
percepción humano distingue tanto las características locales
como globales del rostro [2, 3].
I. INTRODUCCIÓN Alrededor de estos enfoques se han planteado diferentes
trabajos como los de [4, 5,6], en los que se usa la información
El rostro humano es un objeto dinámico que tiene un alto
de color para realizar la detección del rostro, obteniendo
grado de variabilidad en su apariencia que hace su análisis un
resultados alrededor del 90%. [7] usa redes neuronales para
problema difícil de tratar en el área de procesamiento de
detectar el rostro y sus componentes faciales, alcanzando
imágenes. Este ha sido objeto de investigación desde hace
porcentajes de detección entre 77.9% y 90.3% para las
algún tiempo, motivado por su importancia a nivel
diferentes configuraciones de la red. [8] usa una base Haar
neurobiológico, psicológico y computacional, y por la
para la extracción de características, y Adaboost para la
cantidad de aplicaciones que se pueden llegar a desarrollar a
selección y clasificación de estas, alcanzando un porcentaje de
partir de su estudio como: interfaces hombre-máquina,
detección del 94.1%. Este método propuesto por Paul Viola y
aplicaciones de seguridad, interfaces animadas, sistemas de
Michael Jones, es uno de los métodos mas usados hoy en día
reconocimiento de emociones, etc [1].
ya que ha permitido detectar múltiples rostros en una imagen
Las principales áreas de investigación del rostro para el
con tiempos de procesamiento bajos. Alrededor de esta
desarrollo de aplicaciones incluyen: la detección, seguimiento,
investigación se han realizado otros trabajos como los de [9,
extracción de datos y clasificación. Este trabajo se enfoca en
10, 11,12], que han aplicando el método para detectar rostros
la primera, la detección, por ser una de las más importantes ya
y han adicionado otras etapas como la detección de
que es la base para el desarrollo de sistemas automáticos de
componentes faciales, corrección de pose y seguimiento del
reconocimiento e interpretación [1].
rostro.
Inicialmente la tarea de detección del rostro en los sistemas
Este trabajo presenta la implementación y aplicación de un
de reconocimiento no recibió la atención necesaria y se partía
método de detección de rostros frontales y componentes
de que el rostro ya había sido detectado, fue solo en la década
faciales, sobre secuencias de imágenes, como etapa inicial de
de los ochenta que surgieron los primeros algoritmos, basados
un sistema automático de reconocimiento de emociones a
en técnicas heurísticas y antropométricas, y en la década de
partir del análisis del movimiento y deformación de algunas
los noventa cuando el desarrollo de algoritmos de detección
de las partes más expresivas del rostro como: los ojos, las
rostros inició su crecimiento [2], proponiéndose una gran
cejas y la boca.
variedad de técnicas, desde algoritmos básicos de detección de
La estructura de este trabajo se dividió así: en la sección II
bordes hasta algoritmos compuestos de alto nivel que utilizan
se presenta la metodología a seguir, en la sección III se
1
expone el método de detección que sustenta la metodología,
Estudiante Maestría en Ingeniería Eléctrica, Docente Catedrática
Universidad Tecnológica de Pereira, R/da. e-mail: marlugue@ohm.utp.edu.co. en la sección IV se hace una descripción de la base de datos
2
M.Sc. en Ingeniería Eléctrica, Docente Instituto Tecnológico usada, de las pruebas realizadas y de los resultados, y por
Metropolitano, Medellín, Antioquia. e-mail: cdguarnizo@ohm.utp.edu.co. último se presentan las conclusiones.
3
M.Sc. en Ingeniería Eléctrica, Profesor Titular Universidad Tecnológica
de Pereira, R/da. e-mail: aorozco@ohm.utp.edu.co.

Memorias STSIVA 2008 Tomo II 65 - 68

66 XIII SIMPOSIO DE TRATAMIENTO DE SEÑALES, IMÁGENES Y VISIÓN ARTIFICIAL. STSIVA 2008

II. METODOLOGÍA
La detección del rostro y sus componentes faciales se lleva
a cabo en tres etapas, en la primera se realiza la búsqueda del
rostro sobre toda la imagen usando el método propuesto por
Viola & Jones [8], sobre la región detectada como rostro se
definen dos zonas de interés, la mitad superior, en la cual se
aplica el detector de ojos, y la mitad inferior donde se aplica el
detector de la boca (ver Fig. 1).
La imagen integral (ver Fig. 2), en la localización x, y,
contiene la suma de los píxeles de la parte superior izquierda,
y se calcula como se muestra a continuación:
II ( x, y ) = ∑ I m ( x ', y ') (1)
x '≤ x , y '≤ y
Donde II (x,y) es el valor de la imagen integral en la
localización (x,y) e I m es la imagen original.

Extracción de características
La extracción de características es realizada aplicando a la
Imagen de imagen filtros con bases Haar. Estos filtros pueden ser
entrada calculados eficientemente sobre la imagen integral, son
selectivos en el dominio espacial y de la frecuencia, y
permiten ser modificados en escala y orientación. En la Fig. 3,
Detección
se muestran algunos de los filtros [13].
del rostro

Detección de
los ojos

Detección de
la boca
Fig. 3. Filtros Haar rotados, trasladados y con cambios de escala.

Clasificación
Rostro y Para realizar la clasificación se usa boosting [14]. Este es
componentes
faciales un método de clasificación que combina varios clasificadores
detectadas
básicos para formar un único clasificador más complejo y
Fig. 1. Esquema del procedimiento de detección. preciso. En la Fig. 4, se muestra un esquema de un
clasificador en cascada.
III. DETECCIÓN
Ventana de
A. Detección del rostro Búsqueda

El método aplicado en esta etapa esta basado en el C1 C2 Cn

propuesto por [8], y se divide en tres fases: en la primera se
realiza una transformación de la imagen, generando una
nueva, llamada imagen integral, en la segunda se realiza la
extracción de características usando filtros con base Haar, y
en la última se usa boosting para la construcción de
clasificadores en cascada.
Imagen Integral
Esta es una imagen acumulativa que se construye a partir de
operaciones básicas de sumas y restas, y permite extraer de
forma rápida características a diferentes escalas [8].
(x,y
) distribuciones de peso que se empleen para entrenarlos y el
Fig. 2. Imagen Integral.
No Rostro
Fig. 4. Esquema de un clasificador en cascada.
Para aplicar la técnica de boosting primero se debe
establecer un algoritmo de aprendizaje sencillo (clasificador
base), que será llamado varias veces para crear diversas
clasificadores base. Para el entrenamiento de estos se emplea
en cada iteración, un subconjunto diferente de muestras de
entrenamiento y una distribución de pesos diferente sobre las
muestras [14]. Finalmente, estos clasificadores base se
combinan en un único clasificador que se espera sea mucho
más preciso que cualquiera de los clasificadores base por
separado.
En función de los clasificadores base que se utilicen, las
modo de combinarlos, podrán crearse distintas clases del
algoritmo genérico de boosting. El algoritmo de boosting
XIII SIMPOSIO DE TRATAMIENTO DE SEÑALES, IMÁGENES Y VISIÓN ARTIFICIAL. STSIVA 2008 67

empleado por Viola & Jones [8], en su trabajo es conocido tiempo de procesamiento por imagen.
como AdaBoost (Adaptive Boosting).
B. Detección de componentes faciales
Detección de los ojos
Los ojos y la boca son marcas faciales importantes, ambos
usados para análisis, reconocimiento y procesos de
normalización, especialmente los ojos, debido a que su
distancia inter-ocular es relativamente constante [1], [15].
La tarea de detección se llevó a cabo siguiendo el método
expuesto en A, con la diferencia de que los objetos a ser
detectados en este caso son los ojos y la boca.
En esta etapa se parte del rostro detectado, dentro del cual
se definen dos zonas de interés (ver Fig. 5), una de ellas la
región de la mitad superior, en la cual se aplica el detector de Fig. 6. Imágenes de cuatro personas de la base de datos
ojos, y la otra la mitad inferior donde se aplica el detector de FEEDTUM manifestando diferentes emociones.
la boca.
Resultados
El porcentaje de detección y el tiempo de detección
promedio se cálculo como se indica a continuación:

NDC
% de Detección = (2)
NTI

Fig. 5. Zonas de interés definidas para la detección de n

componentes faciales. ∑ td
Tiempo de Detección = i =1
(3)
NIDC
IV. PRUEBAS Y RESULTADOS
Donde NDC es el número de detecciones correctas, NTI
Para realizar la detección del rostro y componentes faciales, número total de imágenes analizadas por secuencia, t d
y permitir en el futuro un análisis de estas regiones para el
tiempo de detección para cada imagen y NIDC es la cantidad
reconocimiento de emociones, se usó la base de datos de rostros o componentes detectadas correctamente.
FEEDTUM (Facial Expressions and Emotions from the
Technical University Munich), esta base de datos es TABLA I. RESULTADOS DE DETECCIÓN DEL ROSTRO
ampliamente usado en la actualidad para el desarrollo de Persona 1 Persona 2 Persona 3 Persona 4
métodos de análisis para el reconocimiento de expresiones No de
50 50 50 50
faciales [1], [15], [16]. Imágenes
No de
48 49 49 42
Detecciones
Base de datos FEEDTUM No de
2 1 1 8
Pertenece a la Universidad Técnica de Munich (Alemania) Fallos
y ha sido generada como parte del proyecto FG-NET (Face % de
96% 98% 98% 84%
Detección
and Gesture Recognition Research Network). Esta Tiempo de
conformada por secuencias de imágenes con rostro frontales Detección 93.89ms 86.77ms 113.9ms 91.29ms
de 18 personas, que muestran las 7 emociones básicas Promedio
(alegría, tristeza, sorpresa, miedo, disgusto, enojo y neutral), 6
TABLA II. RESULTADOS DE DETECCIÓN DE LOS OJOS
de ellas definidas por Eckman y Friesen. Cada imagen se
Persona 1 Persona 2 Persona 3 Persona 4
encuentra en formato JPEG a 8 bits con un tamaño de
No de
320x240 píxeles. 50 50 50 50
Imágenes
No de
46 46 47 42
Pruebas Detecciones
La prueba de detección se realizó sobre 200 imágenes, No de
6 4 3 8
Fallos
pertenecientes a 4 secuencias de 4 personas manifestando % de
diferentes emociones. Cada secuencia contiene alrededor de 92% 92% 94% 84%
Detección
100 imágenes, de las cuales se tomaron las primeras 50 (para Tiempo de
Detección 10.11ms 13.14ms 13.64ms 11.86ms
cada persona). A cada imagen se le aplicó el método de
Promedio
detección de rostros y componentes faciales y se midió el
68 XIII SIMPOSIO DE TRATAMIENTO DE SEÑALES, IMÁGENES Y VISIÓN ARTIFICIAL. STSIVA 2008

AGRADECIMIENTOS
TABLA III. RESULTADOS DE DETECCIÓN DE LA BOCA
Persona 1 Persona 2 Persona 3 Persona 4
Este trabajo se desarrolla en el marco de los proyectos:
No de "Implementación Y Efectividad De Un Sistema Basado En
50 50 50 50
Imágenes Inteligencia Artificial Como Herramienta Para El Tratamiento
No de Psicológico De Personas Con Trastorno De Estrés
48 47 45 41
Detecciones
No de
Postraumático", financiado por Colciencias. Código
2 1 5 9 111037019600 y la Universidad Tecnológica de Pereira.
Fallos
% de
96% 94% 90% 82%
Código 511-3-243-08, y el proyecto "Detección De Objetos
Detección En Imágenes Digitales Utilizando Wavelets Y Boosting",
Tiempo de
Detección 32.07ms 28.10ms 31.63ms 25.19ms financiado por el Centro de Investigación y Extensión, de la
Promedio Universidad Tecnológica de Pereira. Código E6-07-4.

a)
b)
Fig. 7. Resultados para imágenes de diferentes secuencias. a)
Secuencia de imágenes felicidad para la persona 3 y b)
Secuencia de imágenes sorprendido para la persona 4.
En la Fig. 7, se pueden ver los resultados de las detecciones
para 4 imágenes de dos secuencias diferentes. En la segunda
imagen de la secuencia b), se puede observar una falsa
detección (cuadro verde), este problema puede ser resuelto
teniendo en cuenta criterios de antropométricos, donde se
considere la distancia relativa entre los ojos y la boca.
V. CONCLUSIONES Y RECOMENDACIONES
En este documento se muestran los resultados de la
implementación de un método de detección de rostros y
componentes faciales, sobre secuencias de imágenes de la
base de datos FEEDTUM, que alcanzó porcentajes de
detección del 94% para rostros y del 90.5% para los ojos y la
boca, que demuestran la efectividad de combinar técnicas de
boosting con filtros Haar.
La reducción de los porcentajes de detección de los ojos y
de la boca se puede atribuir a que estos no contienen tanta
información morfológica como la que contiene el rostro.
No se pudo realizar una comparación de los resultados
obtenidos, ya que son pocos los estudios para la tarea de
reconocimiento que realizan la detección rostro y
componentes faciales, y muchos parten de que estas tareas ya
han sido realizadas, además, los que las consideran, las han
realizado sobre otras bases de datos. Lo anterior demuestra la
importancia del desarrollo y mejora de técnicas de detección
de rostros, que permitan ser incorporadas a sistemas de
reconocimiento, para que estos puedan ser completamente
automáticos, y no se requiera de la intervención humana para
indicar las zonas a ser analizadas.
BIBLIOGRAFÍA
[1] RATLIFF, Matthew y PATTERSON, Eric. Emotion Recognition Using
Facial Expressions With Active Appearance Models. University of
North Carolina Wilmington, 2008.
[2] RAMÍREZ, Carlos Alejo y PÉREZ, Manuel David. Detección de caras y
análisis de expresiones faciales.
[3] LECUMBERRY, R., Federico. Cálculo de disparidad y segmentación de
objetos en secuencias de video. Tesis de maestría en ingeniería eléctrica.
Universidad de la república Montevideo, Uruguay. 3 de agosto de 2005.
[4] LI, Yadong, GOSHTASBY, Ardeshir y GARCÍA, Oscar. Detecting and
tracking human faces in videos. Wright State University, 2000.
[5] FERIS, Rogério, EMÍDIO DE CAMPOS, Teófilo y MARCONDES,
César. Detection and tracking of facial features in video sequences.
Lecture Notes in Artificial Intelligence, Vol. 1793, pp. 197-206, 2000.
[6] HABILI, Nariman. Automatic segmentation of the face and hands in
sign language video sequences. Technical report, Adelaide University,
Australia, 2001.
[7] ROWLEY, Henry, BALUJA, Shumeet, y KANADE, Takeo. Neural
network-based face detection. IEEE, 1998.
[8] VIOLA, Paul y JONES, Michael. Robust Real-Time Face Detection.
International Journal of Computer Vision, Vol.57, No.2, pp 137-154,
2004.
[9] CASTRILLÓN, M., DÉNIZ, O., GUERRA, C y HERNÁNDEZ, M.
"ENCARA2: Real-time detection of multiple faces at different
resolutions in video streams". ELSEVIER, Journal Visual
Communication and Image Representation. Article in press (2007).
[10] BARTLETT, Marian Stewart et all. Real time face detection and facial
expression recognition: development and applications to human
computer interaction. University of California, USA, 2004.
[11] SILAPACHOTE, P, KARUPPIAH, D y HANSON, A. Feature selecting
using adaboost for face expression recognition. University of
Massachusetts Amherst, USA.
[12] BELAROUSSI, Rachid y MILGRAM, Maurice. Face detecting and skin
color based tracking: a comparative study. University Pierre an Maire
Curie. Paris, Francia, 2007.
[13] PAPAGEORGIOU,C., OREN,M y POGGIO,T. Ageneral frame-work
for object detection. Proceedings of International Conference on
Computer Vision, enero de 1998, Bombay, India.
[14] SCHAPIRE, R y FREUND, Y. A decision theoretic generalization of
on-line learning and application to boosting. AT&T Bell Laboratories.
USA, 1995.
[15] SAATCI, Yunus y TOWN, Christopher. Cascaded Classification of
Gender and Facial Expression using Active Appearance Models.
University of Cambridge Computer Laboratory, 2006.
[16] WALLHOFF, F.; SCHULLER, B.; HAWELLEK, M.y RIGOLL, G.
Efficient Recognition of Authentic Dynamic Facial Expressions on the
Feedtum Database. En: IEEE International Conference on Multimedia
and Expo, Pag 493-496, ISBN: 1-4244-0367-7, 2006.
Arquitectura usando aritmética entera orientada a la extracción de
Arquitectura
los coefi Usandolineal
cientes de predicción Aritmética Entera
sobre PDSP y FPGA
Orientada a la Extracción de los Coeficientes de
López P. Alexander, Campos P. Natalia, Saavedra M. Ángela María,
Predicción Lineal Sobre PDSP y FPGA
López P. Alexander, Campos P. Natalia, Saavedra M. Ángela María,
Resumen— En este trabajo se propone una arquitectura
optimizada usando aritmética entera para la obtención de los
coeficientes de predicción lineal (LPC) y su posterior
implementación en plataforma PDSP y FPGA para la
construcción de sistemas de codificación y reconocimiento de voz
en un solo chip. La arquitectura propuesta permite obtener la
matriz de autocorrelación y solucionar las ecuaciones normales
mediante el algoritmo de Levinson-Durbin utilizando únicamente
operadores aritméticos enteros para un proceso estocástico
estacionario autoregresivo (AR), esto permitió implementar
eficientemente la arquitectura de forma secuencial sobre una
plataforma PDSP de punto fijo y de forma paralela sobre una
plataforma FPGA; los resultados experimentales muestran que
es posible implementar un procesador LPC en tiempo real para
codificar hasta 6 canales de audio sobre un PDSP operando a 1
GHz y hasta 937 canales sobre un FPGA operando a 60 MHz.
Index Terms— LPC, Levinson-Durbin, PDSP, FPGA.
I. INTRODUCCIÓN
E l modelar la señal de voz como un proceso aleatorio
permite utilizar sobre ella algoritmos de predicción de
series de tiempo, estos algoritmos buscan reducir la cantidad
de datos de representación brindando así la posibilidad de ser
utilizados en sistemas de codificación y reconocimiento de
voz en un solo chip. Sin embargo, la naturaleza de estos
algoritmos va más allá del operador multiplicación-
acumulación e involucra el cálculo de funciones
trascendentales y operadores aritméticos complejos como la
división y la raíz cuadrada. Tradicionalmente la
implementación de estas funciones y operadores se ha
realizado usando aritmética en punto flotante la cual no
permite realizar implementaciones de alta velocidad sobre
PDSP y FPGA.
Las señales aleatorias estacionarias pueden ser modeladas
como si hubieran sido originadas por ruido blanco que paso a
Alexander López es docente investigador del grupo GDSPROC en el
programa ingeniería electrónica de la Universidad del Quindío.
Natalia Campos es estudiante del programa del programa ingeniería
electrónica de la Universidad del Quindío.
Ángela María Saavedra estudiante del programa ingeniería electrónica de
la Universidad del Quindío.
Memorias STSIVA 2008
través de un filtro coloreador [1][2]. Estos filtros son sistemas
lineales e invariantes con el tiempo (LTI) y pueden ser de tres
tipos: autoregresivo (AR), media móvil (MA) y autoregresivo
mas media móvil (ARMA)[1][2].
En este trabajo se analiza la voz como un proceso AR en
segmentos de duración donde ésta presenta un
comportamiento estacionario; posteriormente, habiendo
calculado la autocorrleación se obtienen los coeficientes de
predición lineal para cada segmento a partir de las ecuaciones
normalizadas usando el algoritmo de Levison-Durbin. Todos
estos algoritmos se desarrollan usando aritmetica entera,
finalmente se presenta su implementación en un procesador
digital de señales programable (PDSP) y un arreglo lógico
programable por campo (FPGA).
II. CODIFICACIÓN LINEAL PREDICTIVA
A. La voz como un proceso AR
Los coeficientes de predicción lineal parten del fundamento
de modelar la voz como la salida de un sistema lineal causal y
causalmente invertible excitado por un proceso de ruido
blanco como se puede observar en la figura 1.
Generador
de pulsos
Filtro lineal
y variante
X con el
tiempo
Generador
de ruido G
blando
Fig 1. Modelo de Producción de Voz.
Este proceso corresponde a un proceso autoregresivo AR.
Éstos, forman una familia de procesos tales que una
observación en un instante de tiempo depende de las
observaciones anteriores.
La idea básica detrás del modelo es que una muestra en un
tiempo n, S(n) puede ser aproximada como una combinación
lineal de p muestras de habla pasadas así:
S ( n) ≅ a1S ( n − 1) + a2 S ( n − 2) + ... + a p S ( n − p ) (1)
Donde los coeficientes a1a2,…an son asumidos constantes
para la ventana de análisis, convirtiendo la ecuación (1) en una
Tomo II 69 - 72
70 XIII SIMPOSIO DE TRATAMIENTO DE SEÑALES, IMÁGENES Y VISIÓN ARTIFICIAL. STSIVA 2008
igualdad incluyendo el término de excitación Gu(n) se tiene:
p
S ( n ) = ∑ ai S ( n − i ) + Gu ( n ) (2)
i =1
Donde u(n) es la excitación normalizada y G es la ganancia de
la excitación. Expresando la ecuación 2 en el dominio de Z se
obtiene la siguiente relación:
p Nótese que
S ( z ) = ∑ ai S ( z ) z −i + GU ( z )
i =1
En términos de la función de transferencia
S ( z) 1 La clave de la solución del método de Levinson–Durbin,
H ( z) = = p
GU ( z )
1 − ∑ ai z −i
i =1
La interpretación de la ecuación (4) está dada en la figura 1, la
cual muestra la fuente de excitación normalizada u(n), siendo
escalonada por la ganancia G, actuando como entrada para el
sistema todo-polo, H ( z ) = 1 / A( z ) , para producir la señal
de habla S(n) basado en el conocimiento que la función de
excitación actual para el habla es esencialmente un tren de
pulsos cuasiperiódicos (sonidos sonoros) o una fuente de ruido
aleatorio (sonidos sordos), hay un conmutador el cual controla
los fonemas sonoros/sordos del habla y escoge la fuente de
excitación dependiendo del tipo de sonido.
Para poder obtener los coeficientes de los filtros se debe
hacer uso de la relación existente entre estos y la
autocorrelación γ xx (m) , pues cuando se trata de un proceso
aleatorio estacionario con densidad espectral de potencia de
forma racional se puede obtener una relación lineal por medio
de las ecuaciones de Yule-Walker que también son llamadas
ecuaciones normalizadas que se muestran en la ecuación (5).
⎧ p
⎪− ∑ a k γ xx (m − k ) m>0
⎪ k =1
⎪ p
γ xx (m) = ⎨− ∑ a k γ xx (m − k ) + σ w2 m=0
⎪ k =1
⎪γ xx (− m) m<0
⎪
⎩ III. DESARROLLO
Para la solución de estas ecuaciones existen dos métodos: El
algoritmo Levinson-Durbin y el algoritmo de Shür, El primero
se usa cuando la matriz es hermítica y toeplitz y el segundo
cuando la matriz no cuenta con estas características.
B. El Algoritmo de Levinson-Durbin
El algoritmo Levinson-Durbin es un algoritmo
computacionalmente eficiente para resolver las ecuaciones
normales para la obtención de los coeficientes de predicción.
Este algoritmo explota la simetría especial en la matriz de
autocorrelación.
⎡ γ χχ (0) γ χχ
∗
(1) L γ χχ ∗
(p − 1) ⎤
⎢ ⎥
γ (1) γ χχ (0) L γ χχ (p − 2)⎥
Γp = ⎢ χχ (6)
⎢ M M ⎥
⎢ ⎥
⎣⎢γ χχ (p − 1) γ χχ (p − 2) L γ χχ (0) ⎦⎥
Γp (i, j) = Γp (i − j) , así, la matriz de
(3) autocorrelación es una matriz Toeplitz. Como
Γp (i, j) = Γp* (i, j) , la matriz es también hermítica.
(4) que explota la propiedad de la matriz, consiste en proceder
recursivamente, empezando con un predictor de orden m=1 y
después incrementar el orden recursivamente, usando las
soluciones de orden menor para obtener la solución al
siguiente orden superior.
La figura 2 muestra las ecuaciones de recursión del
algoritmo de Levinson Durbin [2].
1. Input: r(0), r(1), r(2), . . . , r(M)
2. Initialization
(a) P0 = r(0), β0 = r‫(כ‬1)
(b) k0 = −r‫(כ‬1)/r(0), a(1)1 = k0
3. For m = 1, 2, . . . , M − 1
(a) Pm = Pm−1 + βm−1k‫כ‬m −1
(b) rm = [r(1) r(2) · · · r(m)]T
(c) βm = aTmJr‫כ‬m + r‫(כ‬m + 1)
(d) km = −βm/Pm
(e) am+1 =[am 0]T+ [Ja‫כ‬m 1]Tkm
4. PM = PM−1 + βMk‫כ‬M
5. Output: aM, {km}M−10 , {Pm}M1
Fig. 2. Algoritmo de Levinson-Durbin. Tomado de [2].
La recursión de Levinson- Durbin requiere O(m)
multiplicaciones y sumas para pasar de la etapa m a la etapa
(5) m+1. Por lo tanto, para p etapas requiere el orden de
1+2+3+….p(p+1)/2 o O( p2), operaciones para encontrar los
coeficientes del filtro predicción [2] .
Para la implementación del algoritmo de Levinson-Durbin
en aritmética en punto fijo en C primero se desarrolló el
algoritmo en MATLAB en punto flotante, cuando se observó
que los resultados de dicho programa eran iguales a los que
proporciona la función levinson disponible en las librerías
de MATLAB, se hizo una emulación del punto fijo realizando
corrimientos de 2Nfrac donde Nfrac es el número de bits
fraccionarios requeridos [3], que en este caso fueron 18 debido
a que con este número experimentalmente se obtuvo una
buena resolución, esto implica que la diferencia entre números
consecutivos es de 0.00000387 y por consiguiente tiene una
buena cantidad de números para la representar valores entre -1
y 1. Esto es necesario debido a que los modelos estimados por
el algoritmo de Levinson-Durbin en muchas ocasiones tienen
coeficientes entre -1 y 1 y como el algoritmo es recursivo, es
XIII SIMPOSIO DE TRATAMIENTO DE SEÑALES, IMÁGENES Y VISIÓN ARTIFICIAL. STSIVA 2008 71

decir, los coeficientes para un orden N se calculan a partir de TABLA I

los coeficientes de orden N-1, el perder precisión en cada variable Levinson-Matlab C
iteración puede llevar a resultados erróneos. Condiciones iniciales
Siguiendo con el desarrollo del algoritmo se encontraron P(0) 816 816
algunas operaciones como la multiplicación y la división, con k(0) -200463 -200463
las que se deben tener consideraciones especiales cuando se
a(0) 262144 262143
está trabajando en punto fijo, para la primera, al realizarla se
a(1) -200463 -200463
duplica el tamaño de la variable donde se almacena el
resultado, por ejemplo supongamos que se multiplican los am(0) -200463 -200463
números de 8 bits 2.6875 y 3.15625 tal y como se muestra en Orden = 8
la figura 3. Los números utilizan Nfrac=5 bits para la parte acu - -1038
fraccionaria. P(7) -122 -222

010.10110 x 011.00101 = 001000.0111101110 aux - 516

2.6875 x 3.15625 = 8.482421875
Fig. 3. Multiplicación de dos números en punto fijo
Desde la figura 3 se puede observar que el resultado es de
16 bits y que el punto decimal se corre a la izquierda Nfrac bits.
En el caso de la implementación del algoritmo de Levinson -
Durbin el resultado es de 36 bits, por tal motivo, se tuvo la
necesidad de usar números de 64 bits para el almacenamiento
de los valores intermedios al ser este el tipo de dato entero de
mayor tamaño en lenguaje C. En cuanto a la división, si se
opera de manera normal, el punto decimal se desplaza a la
derecha con lo cual se pierde la información contenida en los
bits bajos. Esto se evita al desplazar a la izquierda el
numerador Nfrac bits. Esto se muestra en la figura 4.
010.1011000000 / 011.00101 = 000.11011
2.6875 / 3.15625 = 0.851485
Fig. 4. División de números en punto fijo.
Se nota en la figura 4 que el resultado posee el tamaño
inicial de 8 bits. Con el fin de probar la implementación
realizada del algoritmo de Levinson- Durbin en C se tomó
como vector de autocorrelación el siguiente
Rx=[816,624,240,0,-48,-112,-288,-400,-368]. Al simular
inicialmente y comparar los resultados con los obtenidos con
la función levinson diponible en MATLAB (columna uno
de la Tabla I) se notó que eran muy distantes, además, al
correr el algoritmo en C para todas las palabras pertenecientes
a la base de datos ocurría desborde en algunos casos, por esto
se implementó un algoritmo en MATLAB emulando el punto
fijo con multiplicaciones por 2Nfrac, esto se realizó con el fin de
observar si la diferencia notada entre los valores se debían a la
aproximación que se realiza cuando se hace el cambio de
aritmética en punto flotante a aritmética en punto fijo. El
resultado de ésta prueba mostró un acercamiento de los
valores, sin embargo, seguían difiriendo, por lo que se tomó la
decisión observar los valores intermedios, con lo que se vio
que al iniciar el cálculo de los coeficientes del algoritmo
tenían resultados casi idénticos, pero a medida que aumentaba
el orden se empezaba a aumentar el error, lo que dio lugar a un
nuevo intento, aproximando los valores intermedios del
algoritmo con lo que se notó un acercamiento muy
z - 148
k(7) 1520602 174762
a(8) 1520602 174762
262143,-975698,1370390, - 262144,-989351,1404675,
a -665786,-564159,1247938, -704966,-548092,1267048,
-876780,96434,183170 -914278,123231,174762
-975698,1370390, -989351,1404675,-704966,
am -665786,-564159,1247938, -548092,1267048,
-876780,96434,183170 -914278,123231,174762
Resultados obtenidos con el algoritmo Levinson proporcionado por Matlab y
los obtenidos en C con el algoritmo implementado.
significativo a los valores ideales. De acuerdo a lo anterior, se
propuso un esquema de redondeo similar al utilizado por la
aritmética en punto flotante definida en el estandar IEEE-754
[3] aplicándose éste después de calcular una multiplicación o
división en el algoritmo de Levinson – Durbin, dando como
resultado los valores mostrados en la columna dos de la Tabla
I. Para el implementar el esquema de redondeo es necesario
calcular dos bits extra de resultado tanto para la multiplicación
y la división. Para el caso de la multiplicación se tienen Nfrac
bits extra de tal forma que no se debe realizar una
modificación al algoritmo, en el caso de la división se debe
desplazar el numerador Nfrac+2 bits a la izquierda. El esquema
de redondeo se muestra en el algoritmo de la figura 5.
Por ejemplo, al dividir los números -4.90625 y 5.65625
usando aritmética en punto flotante de precisión simple se
obtiene -0.867403, ahora bien, al dividir utilizando aritmética
en punto fijo sin implementar un esquema de redondeo se
obtiene -0.843750 implicando un error de magnitud de
0.023653; al implementar el esquema de redondeo propuesto
en este trabajo se obtiene como resultado -0.875000 y un error
de magnitud de 0.007597.
72 XIII SIMPOSIO DE TRATAMIENTO DE SEÑALES, IMÁGENES Y VISIÓN ARTIFICIAL. STSIVA 2008

/*Redon
ndeo sin sign
no*/
int64_t
t uiround(int
t64_t x){
El circuuito que calculla el bit de reddondeo w se muestra
m en la
int
t8_t w; figura 7.
7
w=((x
x&(1<<2))>>2)
)&((x&(1<<1))>>1)|((x&(1
<<1))
)>>1)&((x&(1<
<<0))>>0);
x=(x>>2)+w;
ret
turn(x);
}

/*Redon
ndeo con sign
no*/
int64_t
t iround(int6
64_t x){
Fig 7. Circuito que calcula ell bit de redondeo.
int32_t aux
x;

aux=abs(x);
;
Al sinteetizar sobre el FPGA
F se ocuppan 1954 elemeentos lógicos
aux=uiround
d(aux); (4%) y 64 multipliccadores embebbidos de 9 bits (22%). La
frecuenncia de reloj alcanzada es dee 60 MHz conn lo cual es
if(x<0) aux
x=-aux; posible realizar la codificación
c d hasta �60 � �0� /�� �
de
return aux;
;
}
�000�� � ���canaless de voz con calidad telefónnica. Nótese
que aunn se cuenta coon el 96 % dee los recursoss lógicos del
Fig. 5. Esquema de
d redondeo propueesto
FPGA y el 78% de loss bloques de multiplicación.
m
IV. IMP N SOBRE PDSP Y FPGA
PLEMENTACIÓN

A Implementaación sobre PD
A. DSP V CONCLUSIIONES
V.
Se loogró la impleementación efficiente del algoritmo
a de
Se realizó la im
mplementaciónn sobre el PDSPP TMS320C64416 Levinsoon-Durbin sobrre un PDSP usando aritmétiica entera en
de Texas Instrum ments del algo
oritmo de Levvinson-Durbin en el lenguuaje de programmación C; y enn hardware sobbre un FPGA
lennguaje C. La rutina
r tarda 18
8651 ciclos, daado que el PDDSP mediantte una descrripción estruccturada en VHDL. V Esto
opera a una frrecuencia de 1GHz es poosible realizar la constituuye una herraamienta imporrtante para el tratamiento
coddificación de hasta
h �� � �0� /��000
/ � ��6
6���� � 6 canaales digital de señales, especialmente
e para la consstrucción de
de voz con caliddad telefónica. Nótese
N que en este caso se haace sistemaas de codificacción de voz dee alta velocidaad usados en
usoo del 100 % dee los recursos de
d cómputo dell PDSP. plataforrmas hardware embebidas enn sistemas de coomunicación
y multimmedia.
B Implementaación sobre FP
B. PGA Se prropone un esquuema de redonndeo orientado a aritmética
en puntto fijo que redduce el efecto acumulativo
a de los errores
en algoritmos recursivvos que no esttán basados únnicamente en
Se realizó la impplementación sobre
s el FPGAA EP2S60F6722C3
operadoores multiplicación-acumulacción.
de Altera del algoritmo
a de Levinson-Durrbin usando una u
La im
mplementaciónn del algoritmo de Levinson-D Durbin sobre
desscripción en VHDLV estructturado [4]. Laa arquitectura es
parralela de tal foorma que tarda únicamente p ciclos de reloj en el FPGA A tiene un desempeño 156 veces mayor que q el de su
obttener los coefiicientes de preddicción lineal. Para efectuar las contraparte en PDSP P, a pesar de d que la freecuencia de
operaciones dee multiplicaciión se hizoo uso de los operacióón es 16 vecces menor. Esto E es debiddo a que la
muultiplicadores embebidos deel FPGA. Lass operaciones de arquitecctura paralela permite que en cada ciclo de reloj se
divvisión se realizzaron con el array propuestoo en [5] el cuall es obtengaa un coeficientee del modelo.
moostrado en la figura 6.
REFERENCIA
AS
[1] L. R Rabiner and B. H.H Juang "Fundam mentals of Speech Recognition",
R
Prenntice Hall, 1993.
[2] V. K.
K Ingle, S. M. Kogon and D. G. Manolakis
M "Statisticcal and
Adaaptive Signal Proceessing" Artech Hoouse, 2005.
[3] D. Patterson
P and J. Hennessy,
H “Compuuter Organization and a Design, the
Harrdware Software Innterface”, Morgan Kauffman Publishhers, 2003.
[4] U. Meyer-Baese,
M “Diggital Signal Processsing with Field Prrogrammable
Gatee Arrays”, Springeer, 2004.
[5] E Ordóñez, J. Velasco y M. Vera, “C
G. E. Comparación de Divisores
D
Paraalelos y Secuenciaales de 16-Bits usaando FPGAs”, Iberrchip
Worrkshop, 2003.

Figg. 6. Divisor paraleelo presentado en [5].

 Mobile robot using adaptable fuzzy control
Mobile Robot Using Adaptable Fuzzy Control
on a digital signal processor
on a Digital Signal Processor
Adolfo Avila Barón
aavila@ustatunja.edu.co, avilabar@gmail.com
Adolfo Avila Barón
aavila@ustatunja.edu.co, avilabar@gmail.com

Abstract—There are different forms to design adaptive
fuzzy controllers applied to robotic systems, this work
changes the traditional methods like the common “Fuzzy
Model Reference Learning Controller” FMRLC, see[1] -
[2], which is supported in change of rule base to modify
the controller parameters. Here the purpose is to maintain
constant the rule base and change fuzzy sets size to control
a robot tricycle named FUZZYBOT, also presents figures
with five fuzzy sets inputs and four fuzzy sets outputs,
universe to these sets are modify to produce others fuzzy
sets according to objects around the robot; on the other
hand, motors’ robot also change its rotation to avoid crash
always controlled by fuzzy logic system. There are shown
statistical probes in order to compare numerical examples
of how the performance of the controller purposed on
relate to others conventional controllers in real systems
using this robot.
Terms—Adaptive fuzzy control, fuzzy sets, intelligent
control.
rotation it selves to the sense objects around”. Then the
adaptive controller is therefore “intuitively” a controller that
can modify its movement behaviour according the
environment (number of objects and their distance).
FUZZYBOT is assembled by two ultrasonic sensors, these
are located on the frontal panel, it has two servo motors
reformed to do left and right completely rotations, this robot
use a emission circuit and a reception circuit supported by a
micro controlled target and DSP evaluation target [3].
Devices able to run speedily programs have been
developed, these are “the Digital Signal Processors” DSPs, its
main characteristics are: micro size and processing millions
instructions per second. It has many resources, for example:
serials communications, parallel ports, PWM, timers.
Associate DSPs with intelligence artificial algorithms has
many advantages; just as run freely these programs without
computers or stronger processors, and then, these systems
could be probed easily on robotics applications.

I. INTRODUCTION
II. ADAPTIVE FUZZY LOGIC SYSTEM
The robotics in this moment is an important area for
different fields of science; there are many applications using Known the characteristics of FUZZYBOT, the main
robots, especially at the factories, on electro medicine and objective of this work is to achieve a free movement robot on
home services. The programs on these classes of devices are a plain area with objects inside, motors’ robot have to control
also important too. Artificial intelligence allows to develop this device through DSP orders avoid crashes, for this goal,
efficiently algorithms for robotics, for example: fuzzy logic, we have to design a AFLS “Adaptive Fuzzy Logic System”
neuronal links and genetics algorithms. But currently many algorithm. This objective permits us to deduce that the objects
application uses on theirs controller’ programs fuzzy logic distance is the most important variable like the motors
algorithms; this theory has been proved over different movements, then on our AFLS, distance is the input variable
applications, especially when the control is no linear, see [1]- and motors’ movement is the output variable.
[2]. Fuzzy logic can be described as computing with words
rather than numbers, and fuzzy control can be described as
control with sentences. It is more natural to use sentences, or
rules, for instance operator controlled plants, with the control
strategy written in terms of if-then clauses. This work presents
a new fuzzy control strategy without human intervention, this
is an adaptive fuzzy control applied in a robotic system named
FUZZYBOT. Then, it has an adaptive behaviour, this
characteristic is supported over the changes of its algorithms,
it
means to modify the program according to changing some Fig. 1. fuzzy model reference learning controller
environments circumstances, for example: “adapted its motor

Memorias STSIVA 2008 Tomo II 73 - 76

74 XIII SIMPOSIO DE TRATAMIENTO DE SEÑALES, IMÁGENES Y VISIÓN ARTIFICIAL. STSIVA 2008

There are different types of AFLS, the first adaptive fuzzy

controller called the linguistic self-organizing controller
(SOC), see [1]; several applications of this method have been
presented. Other type of AFLS is the “fuzzy model reference
learning controller” (FMRLC)see , see fig. 1, on many
applications they have shown this method to be quite
successful. There are other adaptive fuzzy Controllers, for
example the WSAFC Wang adaptive fuzzy controller which
use Lyapunov theorem, see [4], [5]. All these methods are Fig 4. Fuzzy sets outputs
based on ruler changes (if-then, ver fig.2) and no proof
completely that these will result in a stable closed-loop system
especially for safety-critical systems. IV. RULE BASE

This rule base showing in figure 5, was finding by order to

robot has to effect movements according of objects distance,
example, if it is placed in front to a wall its motors have to
execute a go back rotation, if the robot has its sensors Very
Closed VC or near of the wall its movements’ motors have to
be Small Negative SN.

Fig. 2. Adaptive fuzzy Control and linguistic rulers

II. FUZZY SETS INPUTS AND OUTPUTS

To introduce in this fuzzy logic system is important to

know the constitutive parts of FUZZYBOT, it permits related
Fuzzy logic systems with fuzzy sets design, see [6]. The
sensors’ robot are charge to measure distance, then,
correspond to different distances one fuzzy set input as shown
in fig. 4, there are five fuzzy sets; the first correspond to
objects sense near (0 to 30 cm), other intermediately three
fuzzy sets are used to sense middle distance (30 to 50 cm),
Fig. 5. Rule base
and the fuzzy set placed on right side sense objects to far
distance (50 to 250 cm).
V. FUZZYBOT’ ADAPTIVE FUZZY CONTROL
Very Close
Change input fuzzy sets size against to change rule base[7]
Close
[8], is another form to fuzzy control system, apply to
Middle
FUZZYBOT has produced interesting results, see [9], robot
Far
achieve maximum approximation near to objects without
Very far
crashes, it is possible if input fuzzy sets depending each
situation, change their Size seems as fig. 6.

Fig. 3. Fuzzy sets inputs

Outputs are building through Weighted Average method

and correspond to singleton shape; there are four sets, fig. 3.
Small Negative
Zero
Small Positive
Big Positive. Fig. 6. Example of changes on fuzzy sets inputs
XIII SIMPOSIO DE TRATAMIENTO DE SEÑALES, IMÁGENES Y VISIÓN ARTIFICIAL. STSIVA 2008 75

VI. STATISTICAL ANALYSIS TABLE III

P-VALUE PROVES.
If the experiment is successful, FUZZYBOT has to do free Proves Anderso Ryan- Kolmogoro
movements without crashes, maximum risk of crash happen n –Darling Joiner v
when robot is enclosed, this case is similar to find the robot is Smirnov
going to a corner (probe area, see fig 7), if robot has an P-Value
efficiently algorithm, it effects the maximum approach and go Areas 0.086 0.100 1.150
back. This experimental case was proved generating following AFLS
results: P-Value
0.050 0.100 0.150
Time AFLS
P-Value
Área
0.127 0.100 0.150
proportiona
l system
P-Value
Time
0.368 0.100 0.150
proportiona
l system
P-Value
0.2.75 0.100 1.150
Areas FLS
P-Value
0.012 0.100 0.150
Time FLS

This is a statistical comparison with both areas, (AFLS and

FLS).
Fig. 7. Prove area

95% CI for difference: (-18,2208; -16,4284)

Using an adaptive fuzzy control Robot describes
T-Test of difference = 0 (vs not =): T-Value = -38,37 P-
approximate a straight path, since start point to goal point.
Value = 0,000 DF = 97
Using a Classical fuzzy control Robot follows the wall until
the goal, path is similar to a curve.
This is a statistical comparison with both times (AFLS and
FLS).
TABLE I.
STATISTICAL PROBES USING CLASSICAL FUZZY LOGIC CONTROL. 95% CI for difference: (-2,13232; -1,52208)
Area FLS Time FLS T-Test of difference = 0 (vs not =): T-Value = -11,89 P-
Value = 0,000 DF = 95
Average 42,2 13,5
Stand.
2,30124936 0,7912893 These comparison proves presents a P-Value=0,00. These
Desv.
values indicate a big difference between each average value,
then, deduce that these values correspond to parametric
Table I and II, show results about area between of ideal
statistical; it concludes the follow results: to FUZZYBOT is
path and robot path, here we see less area and time use
better to use adaptive fuzzy control on comparison with other
adaptive Fuzzy control on comparison with classical Fuzzy
classical fuzzy systems control or proportional controls,
control.
because areas are similar than ideal and spend less time.
TABLE II.
STATISTICAL PROBES USING ADAPTIVE FUZZY LOGIC CONTROL.
Area AFLS Time AFLS VII. CONCLUDING REMARKS
Average 24,8 11,7
Adaptive fuzzy logic system programmed on FUZZYBOT,
Stand.
2,304176333 0,700644135 controls it without crash when the number of objects and their
Desv.
places on a plain area are aleatory, it is done by input
evaluation on adaptive control, system generates a constant
This values are valid on parametric statistical, if they
value (crisp set), how their rule base is also constant, this fact
complete normality prove, then, we could to conclude about
facilitates to change fuzzy to do an effective control.
this results. For instance if a P-Value is bigger than 0,005
these values studied wholly follow a statistical parametric.
76 XIII SIMPOSIO DE TRATAMIENTO DE SEÑALES, IMÁGENES Y VISIÓN ARTIFICIAL. STSIVA 2008

Classical fuzzy controller parameters are changed to
achieve adaptive characteristics on the fuzzy system, this
design is based on Velásquez, F. Torre, C. Muñoz y C. Shene
work, they change output sets size to control a plant;
successful results obtained on this control permit us
continuing working with this class of adaptive fuzzy control,
see [10], [11].
[19] AYANNA, Howard, & HOMAY-OUN Seraji, & TUNSTE Edward l. A
Rule-Based Fuzzy Traversability Index for Mobile Robot Navigation,
IEEE International Conference on Robotics and Automation, Seoul
Korea, Mayo 2001. http://citeseer.ist.psu.edu/howard01rulebased.html.
[20] KONOLIGE, K. Myers. The Saphira architecture for autonomous
mobile robots, pp. 211-242, 1998.
[21] TIMOTHY, J. Ross.Fuzzy Logic with engineering applications.
[22] MPLAB USER’S GUIDE, Microchip Technology, 2005.

Statistic analysis serves to conclude about of singulars

advantages to use AFLS on robotics systems like to
FUZZYBOT. The normally test developed by Anderson–
Darling, Ryan-Joiner and Kolmogorov Smirnov, permit us to
define types of studies that valid this method used to data
comparison [12]; finally data acquisition like a average,
standard deviation and P-value, confirm or not if Adaptive
fuzzy Logic system serve to control efficiently this robot; if
the reader sees table I and II, could to conclude that adaptive
fuzzy control is efficiently, same how our objectives were
purposed.

REFERENCES

[1] KOO, John Tak Kuen. Design of Stable Adaptive Fuzzy Control.
University of California at Berkeley, Vol. 1, pp. 1-130, 1997.
[2] PAN Lei & WOO Peng Yung. “PD Manipulador controller with
Adaptive Compensation”. Vol 1. pp. 1-43, 1996.
[3] Procesadores de señales digitales 53f8323 EVM Rev 3.0, 1/30/2004.
[4] SUGENO, M. “industrial applications of fuzzy control” El servier
Science. Vol 1, pp. 10-115, 199.
[5] TOMEI, P. “Adaptive PD Controller for Robot Manipulator”, IEEE.
[6] VELÁSQUEZ, F. Torres, C. Muñoz y C. Shene, “Control Difuso
Adaptivo y su Aplicación a una Planta Piloto de Secado por Lecho
Fluidizado”, Revista Facultad de Ingeniería de la Universidad de
Tarapaca, Información Tecnológica-Vol. 16 N°5-2005.
[7] SAFOTT,I Alan. The uses of fuzzy logic in autonomous robot
navigation., Soft Computing Vol1, pp. 180-197, 1997.
[8] WANG Li Xing. “Stable Adaptive Fuzzy Control of Non linear
Systems” IEEE Transations on fuzzy Sistems Vol. 1, No 2, pp. 146-155
mayo 1993.
[9] LEWIS, Jagan nathan & A. Yesildirek, “Neural Network Control of
Robot Manipulators and Non linear Systems”, Vol 1, pp. 56-74,
Philadelphia 1999.
[10] CALDERÓN, Dora María. Control difuso adaptable en un
servomecanismo no lineal, Vol 1, México, Noviembre de 2003.
[11] DUARTE, Oscar Germán, UNFUZZY. UNAL,1998.
[12] AYANNA, Howard, & TUNSTEL, Edward & DEAN, Edwards &
CARLSON, Alan, Enhancing Fuzzy Robot Navigation Systems, Canada,
Julio 2001.
[13] DRIANKOV, D. Hellen doorn & REINFRANK, M., “An Introduction
to Fuzzy Control ”New York 1996.
[14] JANG, S. Anfis. Adaptive Network based Fuzzy Inference Systems”,
IEEE Transactions on Systems and Cybernetics, Vol. 23, No.3, pp.665-
685,Mayo1993.
[15] KLIR, J. George & FOLGER Tina A. Fuzzy Sets Uncertainty and
Information, Vol 1, pp. 22-54 New York 1992.
[16] DRIANKOV, D. & HELLENDORN, H. Fuzzy Logic with Unless –
Rules. Report IDA-RKL-92TR50
[17] Transaction on Automatic Control, Vol 7, No. 4pp. 565-570, 1991.
[18] AYANNA Howard, HOMAYOUN Seraji A. Real-Time Autonomous
Rover Navigation System , In Proc. of the World Automation Congress,
2000. http://robotics.jpl.nasa.gov/people/tunstel/papers/ifsa_nafips01.pdf
.
 Detección de de
Detección características geométricas
características sobre
geométricas imágenes
sobre 2D,
imágenes
empleando
2d, empleandotécnicas dede
técnicas momentos
momentosinvariantes
invariantes
1
Hugo de Jesús.
Hugo Mesa
de Jesús. Yepes,
Mesa JuanCarlos
Yepes, Juan Carlos Albornoz
Albornoz Barrios
Barrios y Jhon
y Jhon William
William Branch Branch
Bedoya1 Bedoya

geométricos e invariantes, el cual permite realizar la detección

Resumen— En este artículo se presenta el diseño e
implementación de un sistema automático para la detección y
extracción de características geométricas sobre imágenes 2D,
empleando técnicas de procesamiento digital y un modelo de
decisión matemático basado en comparación y clasificación de
datos (K Medias). El sistema está constituido por un detector de
imágenes, y unos detectores de características. El detector de
características geométricas de las imágenes se ha desarrollado
con los métodos de momentos invariantes, momentos de
Legendre y descriptores de Fourier. Los datos utilizados en el
proceso de reconocimiento, son las invariantes de las imágenes.
El sistema de decisión determina un valor que corresponde a la
identificación de la imagen. El sistema fue probado en el proceso
de detección de múltiples imágenes geométricas, tales como
triángulos, círculos y rombos, entre otros. Se lograron resultados
que se encuentran sobre un 90% de eficiencia.
Palabras clave— Reconocimiento de objetos, momentos
geométricos, invariantes, vector de características
I. INTRODUCCIÓN
de objetos geométricos presentes en imágenes digitales,
minimizando la cantidad de información requerida, el tiempo
y los recursos de procesamiento. Por último se presenta el
proceso de validación del sistema, el cual reporta una
eficiencia del 89% a 90 % en los procesos de reconocimiento.
II. TÉCNICAS DE RECONOCIMIENTO DE OBJETOS BASADAS EN
MOMENTOS
Para llevar a cabo la detección y el reconocimiento de objetos
presentes en imágenes 2D, se propone un procedimiento que
consta de 5 etapas.
A. Adquisición de la imagen
En esta etapa, se captura la imagen, usando dispositivos
como cámaras o escáner; el proceso debe realizarse bajo
condiciones estándar de adquisición. Adicionalmente, las
imágenes pueden ser leídas desde archivos en diferentes
formatos, las imágenes pueden ser reales o sintéticas.
B. Segmentación por binarización y generación de la

E n los procesos de visión por computador, uno de los

aspectos de mayor relevancia es la identificación de de los
objetos presentes en las imágenes; este proceso se ha
estudiado ampliamente y se han diseñado diferentes técnicas,
entre las cuales podemos citar las basadas en redes neuronales
[1], los de reconocimiento estadístico [2], los basadas en
algoritmos evolutivos [3] y técnicas centradas en los procesos
de extracción de características [4]. Todas estas técnicas
permiten la identificación de los objetos presentes en una
imagen, con mayor o menor grado de certeza. La detección de
característica sobre imágenes 2D por medio de técnicas
computacionales es un proceso arduo y complejo, en el cual se
involucra una gran cantidad de tiempo, datos y recursos de
máquina, cuando este proceso se realiza por medio de técnicas
tradicionales, como métodos estadísticos o redes neuronales.
En el artículo, se presentan los métodos para la extracción de
características de objetos mediante la técnica de momentos
matriz de datos
En este, se transforma el valor del color de cada pixel de la
imagen en blanco y negro, conservando sus características
esenciales. Para esto, se transforman la imagen de color a
tonos de gris, aplicando (1), en la cual R, G y B son las
componentes de color del pixel, el valor de gris I, obtenido, se
somete a la función escalón unitario establecida en (2).
I = 0.3 * R + 0.59 * G + 0.11 * B (1)
 255 si I ( x, y ) > u (2)
f ( x, y ) = 
0 si I ( x, y ) ≤ u
El valor del umbral u, depende de las características de
adquisición y de la escena misma. En la mayoría de los casos,
el valor 127 produce resultados adecuados. La imagen
resultante es convertida en una matriz numérica en la cual el
valor de cada pixel en la coordenada (x, y), se transforma en
un valor de 1 si el punto es negro y 0 si el punto es blanco.

Hugo de Jesús Mesa Yepes. Docente Tiempo Completo, Institución
Universitaria de Envigado IUE. M.Sc (c) en Ingeniería de Sistemas –
Ingeniero Geólogo. Coordinador Grupo de investigación en Sistemas
Inteligentes – IUE (e-mail: hdjmesa@iue.edu.co).
Juan Carlos Albornoz Barrios. Ingeniero de sistemas. Miembro del grupo de
investigación en sistemas inteligentes de la Institución Universitaria de
Envigado. (e-mail: jcalbornoz@gmail.com).
Jhon William Branch Bedoya. Docente Tiempo Completo, Universidad
Nacional de Colombia – Sede Medellín. Ingeniero de Minas y Metalurgia,
M.Sc en Ingeniería de Sistemas. PhD. en Ingeniería (e-mail:
jwbranch@unalmed.edu.co).
C. Cálculo de Momentos
Los momentos geométricos han sido ampliamente usados
en el análisis de formas, el reconocimiento de patrones y en el
análisis de texturas [5], [6], [7]. La teoría de los momentos
proporciona una interesante y útil alternativa para la
representación de formas de objetos según Fu-K (1980) [8], a
la vez que permite realizar procesos de reconocimiento de
objetos[9], [10], [11].
Para una región en un plano, definida por el conjunto de
puntos tales que f(x, y)> 0, se define el momento de orden pq
mediante la ecuación (3) y en el caso de imágenes digitales,

Memorias STSIVA 2008 Tomo II 77 - 80

78 XIII SIMPOSIO DE TRATAMIENTO DE SEÑALES, IMÁGENES Y VISIÓN ARTIFICIAL. STSIVA 2008

por tratarse de objetos con valores discretos, el momento de centrales normalizados. En las ecuaciones, se ha simplificado
orden pq se obtiene mediante la ecuación (4).: la notación por razones de presentación, en estas los
  = ∫∫                =       (3) momentos centrales normalizados mncpq se representa como
Npq.
m pq = ∑ ∑x p
y q f ( x, y ) (4) I 1 = N 20 + N 02 (10)
x y

Para p, q= 0, 1, 2… I 2 = ( N 20 − N 02 ) 2 + 4( N 11 ) 2 (11)
f(x, y) es la matriz conformada por 0 y 1 de la imagen binaria.
I 3 = ( N 3, 0 − 3 N 1, 2 ) 2 + (3 N 2,1 − N 0,3 ) 2 (12)
1) Momentos simples:
Los momentos simples pueden ser calculados hasta I 4 = ( N 3, 0 + N 1, 2 ) 2 + ( N 2,1 + N 0,3 ) 2 (13)
cualquier orden aplicando (4) pero para el reconocimiento de
I 5 = ( N 30 − 3 N 12 )( N 30 + N 12 )[( N 30 + N 12 ) 2 − 3( N 21 + N 03 ) 2 ] (14)
[ ]
objetos, es suficiente con la determinación de los momentos
hasta el orden 3. Los momentos simples representan el área + (3 N 21 − N 03 )( N 21 + N 03 ) 3( N 30 + N 12 ) 2 − ( N 21 + N 03 ) 2
ocupada por el objeto en la imagen, por esta razón, pueden ser [
I 6 = ( N 20 − N 02 ) ( N 03 + N 12 ) 2 − ( N 21 + N 03 ) 2 ] (15)
usados para el reconocimiento de objetos, independientemente
+ 4 N 11 ( N 30 + N 12 )( N 21 + N 03 )
de que este se encuentre invertido o en posición normal.
[
I 7 = (3 N 21 − N 03 )( N 30 + N 12 )( N 30 + N 12 ) − 3( N 21 + N 03 )
2 2
] (16)
)[3(N )]
2) Momentos centrales:
+ (3N 12 − N 30 )( N 21 + N 03 + N 12 ) − ( N 21 + N 03
2 2
Se calculan mediante la aplicación de (5), (6) y (7), estos 30

dependen de los momentos simples, los cuales son usados para

la obtención del centroide X y Y, que son requeridos para el E. Reconocimiento de Figuras Geométricas.
cálculo del momento central. Los momentos centrales se Con las invariantes calculadas, se genera un vector de
invariantes a la posición y orientación del objeto en un eje de características dado por (17), el cual se somete al proceso de
coordenadas. Para calcular el centro de masas se utilizan los identificación, realizado mediante al algoritmo de
momentos simples de orden 1 y de orden 0. clasificación de K-Medias. En este proceso se tienen dos
_ m (5) etapas, una de aprendizaje y la otra de reconocimiento.
x = 10
m00
1) Etapa de aprendizaje
_ m (6)
y = 01 Para esta, se selecciona un conjunto representativo de los
m00 objetos a aprender, organizados en clases (objetos iguales
sometidos a diferentes transformaciones), se calculan los
Obtención de los momentos centrales:
_ _
invariantes para cada uno de ellos y se construye un vector de
(7)
mc pq = ∑ ∑ ( x − x) p
( y − y ) q f ( x, y ) características con los valores de las siete invariantes; el
x y vector de características tendrá la estructura mostrada en (17).
Para p, q= 0,1, 2,… X = {I1 , I 2 , I 3 , I 4 , I 5 , I 6 } (17)
Donde:
3) Momentos centrales normalizados.
X: Vector de características de cada objeto,
Los momentos centrales normalizados se calculan mediante Ik: k-esima invariante del objeto
(8) y (9). Estos se utilizan para el reconocimiento de objetos
independientemente de su tamaño. Para el conjunto de vectores de características de objeto a
mc pq (8) ser entrenado, se aplica el algoritmo de K-Medias, el cual
mcn pq = β identifica los centros y radios de cada clase.
mc00
Donde: Los centros Ck de clase se usarán en la etapa de
mc son los momentos centrales y reconocimiento. Estos valores no son inmutables, por el
 p+q (9)
β =  +1 contrario, pueden ser reajustados a medida que se identifican
 2 
errores en la etapa de reconocimiento.
Después de haber calculado estos tres componentes se
hallan las 7 invariantes aplicando las fórmulas (10) a (16). 2) Etapa de reconocimiento
Se realiza mediante la aplicación del algoritmo de K-Medias
D. Determinación de invariantes. sobre el vector de características del objeto a ser reconocido.
Este método toma el vector de características de la imagen a
Estas características se mantienen invariantes ante cambios
ser reconocida y calcula las distancias respecto a las clases
tales como posición, rotación y escala, por esta razón, son
patrón (Ck). El objeto se clasifica como perteneciente a la
elementos de gran utilidad en el reconocimiento de objetos. clase respecto a la cual se reportó la menor distancia. El
Las invariantes se calculan mediante las ecuaciones (10) a algoritmo de reconocimiento incluye los siguientes pasos:
(16), que a su vez se basan en los valores de los momentos
XIII SIMPOSIO DE TRATAMIENTO DE SEÑALES, IMÁGENES Y VISIÓN ARTIFICIAL. STSIVA 2008 79

• Paso 1. Seleccionar imagen.

• Paso 2. Convertir la imagen en 0 y 1.
• Paso 3. Extracción del vector de características.
• Paso 4. Cálculo de distancias del vector de
características a las clases patrón y selección de la
clase a la cual pertenece.
La figura 1 ilustra el diagrama del algoritmo propuesto para el
reconocimiento de imágenes.
Figura 3. Figuras del conjunto de entrenamiento
B. Imágenes para evaluación
El proceso de evaluación se realizó de dos formas
diferentes. En el primer conjunto de imágenes de evaluación,
se construyó un total de 156 nuevas imágenes, mediante la
transformación geométrica de las clases base usadas en el
proceso de entrenamiento, como una forma de incrementar el
nivel de complejidad del proceso de reconocimiento, se
retocaron algunas imágenes agregando nuevos pixeles negros
fuera del área del objeto o borrando algunos pixeles de los
objetos presentes. En la figura 4, se muestra una parte del
conjunto de evaluación resultante para el primer conjunto de
evaluación.

Figura 1. Diagrama del algoritmo para el reconocimiento de objetos.

Cuando un objeto es clasificado en forma incorrecta, se

determina manualmente la clase a la cual pertenece el objeto y
se realizarse un proceso de reentrenamiento del clasificador,
incrementándose el nivel de eficiencia del sistema.

III. VALIDACIÓN DEL PROCEDIMIENTO

Figura 4. Conjunto de imágenes de evaluación conformado a partir de las
Para la validación del método, se construyó una aplicación clases base
en lenguaje C#, en el cual se implementaron los procesos de
Para la conformación del segundo conjunto de imágenes de
captura, extracción de características, entrenamiento y
evaluación, se tomó el creado en la fase anterior y se
evaluación. En esta aplicación, se realizaron pruebas con 169
incluyeron un total de 12 nuevas imágenes, correspondientes a
imágenes sintéticas de 200x200 pixeles, que contienen figuras
3 nuevas clases que no fueron incluidas en el proceso de
geométricas simples. El conjunto de prueba del sistema,
entrenamiento. En la figura 5 se muestran las tres nuevas
consta de 169 imágenes de figuras geométricas 2D tales como
clases incluidas para evaluación y en la figura 6 se presenta
cuadrado, rectángulo, triángulo, cruz, círculo, entre otras.
parte del nuevo conjunto de imágenes de evaluación.

A. Clases principales e imágenes de entrenamiento

Se utilizaron figuras geométricas tales como cuadrado, Figura 5. Nuevas clases adicionadas al segundo conjunto de evaluación
rectángulo y triángulo, entre otros, para la conformación de las
clases principales; en la figura 2 se muestran algunas de las
imágenes usadas como clase principal.

Figura 2. Figuras de las clases

Las imágenes de las clases principales fueron sometidas a

transformaciones geométricas tales como translación, rotación
y escalado, generándose un total de 12 nuevas imágenes para
cada clase. En la figura 3 se muestran algunas de las
Figura 6. Segundo conjunto de imágenes de evaluación, incluye imágenes
transformaciones para los objetos de la figura 2. Las 169 con transformaciones de las 3 nuevas clases
imágenes resultantes, se sometieron al proceso de
entrenamiento de extracción de características y entrenamiento C. Reconocimiento de objetos
del sistema. Los resultados de la evaluación para el primer conjunto de
imágenes se muestran en la tabla I, de estos resultados se pude
encontrar que la efectividad del sistema es del 90%,
80 XIII SIMPOSIO DE TRATAMIENTO DE SEÑALES, IMÁGENES Y VISIÓN ARTIFICIAL. STSIVA 2008
reconociendo en forma correcta 140 de las 156 imágenes. Las
imágenes que presentaron inconsistencias se analizaron y se
encontró que el fallo se produce con imágenes de círculos y
rectángulos que son identificados como cuadrados, esta
situación se presenta en aquellos casos en que el tamaño de los
objetos se ha reducido en más de un 70% y se presentan
deformaciones en el contorno de la imagen.
TABLA I
EFECTIVIDAD DEL SISTEMA CON 156 IMÁGENES DE PRUEBAS. CONJUNTO DE
EVALUACIÓN 1
Evaluación No. Imágenes %
Reconocida correctamente 140 90%
Reconocida en forma incorrecta 16 10%
En el segundo conjunto de evaluación, en el cual se
conservaron las 156 imágenes del conjunto 1 y se agregaron
12 nuevas imágenes pertenecientes a tres nuevas clases, se
encontró un incremento en el porcentaje de imágenes
clasificadas erróneamente, pero esto coincidió con lo que se
esperaba como respuesta del sistema, ya que las tres nuevas
clases no fueron incluidas en el proceso de entrenamiento.
Para este caso se reportaron un total de 28 imágenes
reconocidas en forma incorrecta y 140 reconocidas en forma
correcta, lo cual implica una efectividad de un 83% del
sistema. En la tabla II se muestran estos resultados.
TABLA II
EFECTIVIDAD DEL SISTEMA CON 168 IMÁGENES DE PRUEBAS SIN
REENTRENAMIENTO. CONJUNTO DE EVALUACIÓN 2
No.
Evaluación % Machine Intelligence, v.23 n.4, p.384-395, April 2001.
Imágenes
Reconocida correctamente 140 83%
Reconocida en forma incorrecta 28 17%
Tras el proceso de evaluación, se incluyeron las nuevas
clases al conjunto de entrenamiento, con este se reentrenó el
sistema de clasificación y se repitió el proceso de evaluación
con las imágenes del conjunto de evaluación 2.
En la tabla III, se presentan los resultados de la evaluación
con el sistema entrenado para el reconocimiento de las nuevas
clases. En este se encontró que el sistema presenta una
efectividad del 89%, reconociendo en forma correcta 140 de
las 168 imágenes del conjunto de evaluación.
TABLA III
EFECTIVIDAD DEL SISTEMA CON 168 IMÁGENES DE PRUEBAS Y EL SISTEMA
REENTRENADO. CONJUNTO DE EVALUACIÓN 2
No.
Evaluación
Imágenes
Reconocida correctamente 150
Reconocida en forma incorrecta 18
IV. CONCLUSIONES
El desarrollo de un sistema de reconocimiento de objetos se
hace muy complejo debido a la necesidad de utilizar conjuntos
de datos muy grandes para los procesos de aprendizaje y al
tiempo requerido para los procesos de lectura de imágenes y
extracción de características.
El uso de los momentos geométricos y las invariantes, son
una excelente alternativa para la implementación de sistemas
de reconocimiento de objetos e incluso pueden ser usadas en
forma eficiente para otro tipo de tareas tales como la
segmentación e interpretación de imágenes, pero deben ser
usadas con mucho cuidado, ya que los valores de las
invariantes pueden presentar valores similares para objetos
diferentes.
Los sistemas de reconocimiento de objetos basados en
invariantes, presentan una eficiencia alta, lo cual los hace una
alternativa viable para su implementación en diferentes
aplicaciones tales como el control de procesos industriales
basados en imágenes, la identificación de características en
imágenes médicas, la compresión de imágenes, entre otras.
REFERENCIAS
[1] C. M. Bishop, Neural Networks For Pattern Recognition. Oxford, U.K.:
Clarendon, 1996.
[2] Anil K. Jain , Robert P. W. Duin , Jianchang Mao, Statistical Pattern
Recognition: A Review, IEEE Transactions on Pattern Analysis and
Machine Intelligence, v.22 n.1, p.4-37, January 2000
[3] Forrest, S., Javornik, B., Smith, R., and Perelson, A. (1993). Using
genetic algorithms to explore pattern recognition in the immune system.
Evolutionary Computation, 1(3):191-211..
[4] Toru Wakahara , Yoshimasa Kimura , Akira Tomono, Affine-Invariant
Recognition of Gray-Scale Characters Using Global Affine
Transformation Correlation, IEEE Transactions on Pattern Analysis and
[5] S. A. Dudani, K. J. Breeding and R. B. Mcghee, Aircraft identication by
moment invariants, IEEE Transactions on Computers, 28(1):39-46,
1977.
[6] A. Sluzek, Using moment invariants to recognize and locate partially
occluded 2D objects, Pattern Recognition Letters, 7:253-257, 1988.
[7] Z. Mingfa, S. Hasani, S. Bhattaria and H. Singh, Pattern recognition
with moment invariants on a machine vision system, Pattern
Recognition Letters, 9:175-180, 1989.
[8] Fu, K., Picture analysis, en Chang S.K. and Fu K.S. eds. Pictorial
information systems, Springer Verlag, 104-127, 1980.
[9] González, J., Visión por computador, Paraninfo, 1999.
[10] Pratt W., Digital Image Processing. Wiley-Interscience, 1991.
[11] Trucco, E. and Verri, A. (1998), Introductory techniques for 3-D
computer vision, Prentice Hall, 1998.
[12] Pajares, G. and Cruz, J., Formas a partir de X, Revista Electrónica de
Visión por Computador, 2000.
[13] Escalera, Arturo, Visión por Computador Fundamentos y Métodos,
Prentice Hall, Universidad Carlos III de Madrid, Pág. 251-263, 2001.
[14] Faugeras, O., and Luong, Q., The Geometry of Multiple Images, The
MIT Press, Cambridge Massachusetts, London, England, 2001.
[15] Haralick, R., Shanmugam and Dinsteian, I., Textural features for image
classification, IEEE Trans. on Systems, Man and Cybernetics, vol. 3,
610-621, 1973.
% [16] Haralick, R., and Shapiro, L., Computer and Robot Vision, Volume I
89% and II, Addison-Wesley Publishing Company, Inc. 1993.
11% [17] Haralick, R.M., Stemberg S.R., and Zhuang X. Image analysis using
mathematical morphology IEEE transactions on Pattern Analysis and
Machine intelligence, 9(4): 532-550, 1987.
 Reconocimiento de expresiones faciales combinando
métodos Kernel e ICA
Reconocimiento de expresiones faciales
combinando métodos Kernel e ICA
Damián A. Álvarez, Juan G. Fetecua, Julián D. Echeverry, Álvaro A. Orozco

Damián A. Álvarez, Juan G. Fetecua, Julián D. Echeverry, Álvaro A. Orozco

lineal de los datos en un espacio característico utilizando

Abstract— The facial expressions give the most information
content of a spoken message, hence the importance of creating
systems for automatic recognition. This paper claim a
experimental methodology for facial expression recognition
based on Kernels, finding the projection directions in feature
space through independent component analysis (ICA), who have
direct application in research of emotional behavior, cognitive
processes and social interaction. The methodology validation was
done on international databases such as the CMU and
FEEDTUM. Image preprocessing was done through histogram
equalization in order to homogenize lighting conditions, a
whitening step on mapped data take place with ICA based on
Kernel Principal Component Analysis (KPCA) for that in feature
space the data structure was lineal, finally we applied ICA for
make the projected distribution of data is at least possible
Gaussian. It is to be expected that the method proposed has a
better performance than conventional techniques who are
inherently linear.
Index Terms— Facial expressions, ICA, Kernel, KICA.
I. INTRODUCCIÓN
métodos Kernel [4-6], de esta forma el problema se convierte
en aplicar ICA en el espacio transformado Kernel. Estudios
como [7-8] han combinado con éxito kernel e ICA (KICA)
para el reconocimiento de rostros, en este trabajo se pretende
probar esta metodología para la tarea de reconocimiento de
expresiones faciales.
Este documento esta organizado de la siguiente manera, en
la Sección II se presenta una breve revisión de Kernels e ICA,
en la Sección III se plantea la metodología a usar, en la
Sección IV se expone el experimento realizado, en la Sección
V se muestran y se discuten los resultados y por último se
presentan las conclusiones en la Sección VI.
II. REVISIÓN DE KERNELS E ICA
A. Kernels
Considere un grupo de datos x ∈ � N , un Kernel k se
presenta como una medida de similitud que puede ser vista
como un producto punto del mapeo φ en un espacio

L OS seres humanos expresan sus emociones de diversas

maneras, siendo la más universal de estas las expresiones
faciales. Aunque el reconocimiento de estas expresiones
característico H de la forma,

φ : �N → H
es natural para los seres humanos, dotar a una máquina de esta (1)
habilidad resulta bastante difícil [1]. Dos tipos de problemas x → φ ( x)
tienen que ser resueltos para llevar a cabo esta tarea:
extracción de características y clasificación de la expresión donde se define el Kernel como la función equivalente a:
facial. Este documento se enfoca en la representación de las
imágenes en dos espacios: análisis de componentes principales k (x, x' ) = φ (x), φ (x' ) (2)
(PCA) y KPCA (en donde se realiza un mapeo Kernel para
conseguir que los datos tengan estructura lineal), seguida de
una transformación ICA que busca la no correlación entre Considere que tiene x1 , x 2 ,… , x m ∈ X , la matriz de Gram ó
datos. matriz Kernel de m × m elementos se define por:

Inicialmente ICA surgió para resolver el problema de K ij = k (xi , x j ) (3)

separación ciega de fuentes y posteriormente fue aplicado a la
tarea de extracción de características, estudios como [2-3]
consideran de utilidad para la clasificación de rostros y
expresiones, la transformación ICA. El problema de ICA se
presenta al tratar de separar mezclas de fuentes no-lineales
debido a su inherente linealidad. En la extracción de
características el ICA basado en proyecciones lineales puede
no representar acertadamente los datos con estructura no
lineal. Para sobrellevar este problema, se aplica un mapeo no
La cual es definida positiva y simétrica. Así cualquier
función que cumpla esta condición y pueda representarse por
un producto punto, puede ser utilizada como Kernel [4],
donde no es necesario conocer el mapeo para obtener la
representación de los datos en el espacio característico. Entre
las principales funciones Kernels se tienen, el Kernel
Gaussiano [9]:

Este documento surge como resultado parcial del proyecto aprobado por
COLCIENCIAS en la convocatoria 370 del 2006 con código 111037019600.

Memorias STSIVA 2008 Tomo II 81 - 84

82 XIII SIMPOSIO DE TRATAMIENTO DE SEÑALES, IMÁGENES Y VISIÓN ARTIFICIAL. STSIVA 2008

⎛ ' 2 ⎞ orden en que las componentes son estimadas, c es una

⎜ x−x ⎟
⎜ ⎟
⎜ 2σ
2
⎟ constante arbitraria, v es una variable Gaussiana aleatoria, yi
k (x, x ) = e
' ⎝ ⎠
(4) también es una variable aleatoria y ambas se asumen de media
cero y varianza unitaria.
donde σ > 0 y el Kernel polinomial no homogéneo:
Lo primero que se debe hacer es encontrar las componentes
independientes maximizando la expresión:
( )
d
k (x, x' ) = a x, x' + c (5)

J G ( W ) = ⎡⎣ E { E ( WT X)} − E {G (v)}⎤⎦
2
(9)
donde d ∈ ` , a, c ≥ 0 .

Donde W es un vector de pesos restringido a que:

B. ICA

El problema que intenta solucionar ICA puede formularse

en notación matricial, mediante la ecuación (6):
{
E ( WT X )
2
} =1 (10)

Lo segundo, es extender el uso de una función objetivo

X = AS (6)
donde A es la denominada matriz de mezcla (desconocida).
El problema consiste en recuperar el vector de fuentes S,
disponiendo, únicamente, de un vector de N observaciones X;
es decir, el objetivo es calcular una matriz de pesos W, la cual
unitaria para calcular todo el arreglo W. Para hacer esto la
información mutua es minimizada cuando la suma de la
negentropía de las componentes transformadas es
maximizada, además se considera la restricción de no
correlación para obtener el problema:
n

es la inversa de A con algunos cambios en escala y max ∑ J G ( w i )

permutaciones, de modo que se pueda recuperar las señales i =1 (11)
independientes originales como: E {( w X )( w X )} = δ
T
k
T
j kj

U = WX
Entre los primeros algoritmos para aproximar ICA se
encuentra el de Bell y Sejnowsli [10] conocido como
Infomax, ya que se basa en el principio de maximización de
información. Debido a que este algoritmo no fuerza
estrictamente una no correlación completa de los datos, su
resultado puede no ser exactamente una transformación
ortonormal de los datos blanqueados. Con el fin de cumplir la
restricción de ortogonalidad en forma exacta Hyvärinen, [11],
introdujo un algoritmo ICA usando un simple y eficiente
esquema de iteración denominado fixed point algorithm,
como su algoritmo presentó una convergencia más rápida se le
denominó FastICA. En este estudio se utilizará el segundo
algoritmo, ya que como se expone en [12] con FastICA es
posible realizar una transformación ortonormal de los datos.
El algoritmo FastICA usa una nueva función objetivo para
estimar la transformación ICA, a diferencia de la
(7)
Maximizando (11) se obtiene cada uno de los vectores wi
que conforma cada una de las filas de la matriz W , con la
cual se calcula la transformación ICA, dada por (7).
Para maximizar la función objetivo se usa el algoritmo
iterativo fixed point, este tiene propiedades de convergencia
deseables y encuentra componentes independientes de
prácticamente cualquier distribución no Gaussiana [11].
Como se ha expuesto los algoritmos ICA parten de una
regla de actualización de pesos, obtenida mediante
maximización de una función objetivo, lo que no se ha dicho
es que estos incluyen un paso previo al aprendizaje conocido
como sphering con el fin de reducir las estadísticas de primer
y segundo orden de los datos. La media de las filas de X son
sustraídas y seguidamente X es pasado a través de una matriz
de blanqueamiento dada por:
( )
1 − 1

Wz = 2 ( Cov ( X) )
−

aproximación realizada con Infomax, este algoritmo 2 = 2 XXT 2 (12)

maximiza cualquier función de costo de la forma de la
expresión (8) y no solo la entropía, para maximizar la Cuando las entradas a ICA son los datos que han pasado
independencia, lo que hace de este método una forma más por este paso previo, la matriz de transformación es
general de maximización.
Wi = WWz .
J = c[ E {G ( yi )} − E {G (v)} ]
2
(8) III. METODOLOGÍA KICA

donde G es una función no cuadrática que en la práctica es Dado un vector aleatorio x, el cual es posiblemente una
elegida de forma que sea rápida de calcular y que considere el
mezcla no lineal, se realiza el mapeo no lineal de este a un
XIII SIMPOSIO DE TRATAMIENTO DE SEÑALES, IMÁGENES Y VISIÓN ARTIFICIAL. STSIVA 2008 83

espacio característico de mayor dimensión H, a partir de la y = M Λ −1V T QT φ (x)

ecuación (1). Se busca encontrar la transformación ICA en el
espacio característico mediante el operador lineal = M Λ −1V T [k (x1 , x), k (x 2 , x),… , k (x M , x)]T (20)
φ
W siguiendo la transformación: = M Λ −1V T K x
s = Wφ φ ( x ) (13) Para que la estimación de ICA sea más simple y mejor
φ
donde W es una matriz. condicionada es necesario que el vector Kernel K x tenga sus
datos centrados, si C M = (1/ M ) M ×M y C1 = (1/ M ) M ×1
En la metodología KICA, también es necesario realizar una
etapa previa de blanqueamiento de los datos, pero a diferencia se tiene:
de ICA esta no se calcula con la matriz de covarianza si no
usando métodos Kernel, para esto se asume que se tiene un � = K − C K − KC + C KC
K (21)
x x M x 1 M 1
conjunto de datos x1 , x 2 ,… , x m ∈ � N y se realiza su mapeo al
espacio característico donde se debe garantizar: Por lo tanto la ecuación (20) queda de la forma:

M
�
y = M Λ −1V T K
∑ φ (x
j =1
j )=0 (14) x (22)

En resumen la transformación ICA de (13) en el espacio de

Sea Q = [φ (x1 ), φ (x 2 ),… , φ (x M )] la matriz de características puede ser descompuesta en dos etapas:
blanqueamiento mediante KPCA, dado por la ecuación (22) y
covarianza en el espacio característico H se define por [13]:
la transformación ICA (en el espacio KPCA blanqueado) dada
por la siguiente expresión [8]:
1
sφt = QQT (15)
M s = Wy (23)

La matriz Kernel se determina por medio de: IV. EXPERIMENTO REALIZADO

K = QT Q (16) La metodología expuesta inicialmente para el

reconocimiento de rostros, fue probada para la tarea de
En virtud de los métodos Kernel es posible encontrar cada reconocimiento de expresiones faciales sobre imágenes con
uno de los componentes de K sin necesidad de determinar el realce de contraste (mediante ecualización del histograma) de
operador φ (⋅) , de la forma: subconjuntos de imágenes de las bases de datos CMU [14] y
FEEDTUM [15], sin considerar y considerando sujetos que
usan gafas (oclusiones), utilizando el clasificador del vecino
K ij = φ (xi )T φ (x j ) = k ( xi , x j ) (17) más cercano y usando el esquema de validación cruzada,
seleccionando en forma aleatoria los conjuntos de
entrenamiento y validación para 30 casos. De ambas bases de
A partir de los valores propios λi y vectores propios γi de datos se clasificaron por pares cuatro distintas clases de
la matriz K se define: expresiones (alegría A, tristeza T, enojo E y sorpresa S).

V = (γ 1 , γ 2 ,… , γ m ) y Λ = diag (λ1 , λ2 ,… , λm ) (18) La aplicación de ICA a imágenes se realizará de la forma en

que se propone en [2], donde se plantea que esta aplicación
puede hacerse a través de dos arquitecturas: tratando las
Con estos vectores es posible realizar el blanqueamiento de imágenes como variables aleatorias y los píxeles como
los datos, siguiendo la expresión: observaciones (ARQI) o tratando los píxeles como variables
aleatorias y las imágenes como observaciones (ARQII), en
y = PT φ ( x) (19) este experimento se compararán ambas con el fin de
determinar que tipo de información es de mayor utilidad para
la tarea planteada.
Puesto que el mapeo se realiza implícitamente la ecuación
(19) se calcula como: V. RESULTADOS
Como se mencionó es necesario determinar la forma más
apropiada en que se aplica ICA a imágenes (tipo de
arquitectura) para la tarea planteada y adicionalmente se debe
84 XIII SIMPOSIO DE TRATAMIENTO DE SEÑALES, IMÁGENES Y VISIÓN ARTIFICIAL. STSIVA 2008

identificar que tipo de kernel (polinomial o Gaussiano) genera VI. CONCLUSIONES

un mejor desempeño del algoritmo KICA.
Se desarrolló una metodología efectiva para el
En la tabla I se presentan los resultados para la base de reconocimiento de expresiones faciales utilizando ICA y
datos CMU con ambas arquitecturas para kernel de tipo
KICA, encontrando que para esta tarea la arquitectura II con
polinomial (mejor función kernel).
un kernel polinomial fue la mejor forma de aplicar el
algoritmo KICA, mientras que la arquitectura I funcionó
TABLA I
mejor para el algoritmo ICA.
RECONOCIMIENTO DE PARES DE EXPRESIONES SOBRE LA BASE DE DATOS CMU
Expre- KICA ARQI ICA ARQII KICA Los resultados encontrados sugieren que el desempeño de la
ICA ARQI
sión ARQII metodología implementada esta relacionado al tipo de
E-S 91.66 ± 0.53 90.83 ± 0.49 54.44 ± 0.71 95.83 ± 0.35
arquitectura sobre el cual se aplican los métodos a las
A-S 95.00 ± 0.42 90.00 ± 0.64 58.05 ± 0.76 96.66 ± 0.31
S-T 93.61 ± 0.50 89.16 ± 0.57 57.77 ± 0.80 94.72 ± 0.39 imágenes para la tarea de reconocimiento de expresiones.
A-E 94.72 ± 0.43 83.33 ± 0.69 57.50 ± 0.82 86.11 ± 0.56
E-T 86.11 ± 0.63 77.77 ± 0.64 52.50 ± 0.79 80.27 ± 0.63
A-T 88.33 ± 0.58 82.50 ± 0.62 52.50 ± 0.81 93.33 ± 0.41
AGRADECIMIENTOS
Como se observa el algoritmo KICA utilizando la
Esta investigación fue realizada gracias al apoyo del grupo
arquitectura II presentó un mejor desempeño, aunque el
de investigación en Control e Instrumentación de la
algoritmo ICA en la arquitectura I obtuvo mejores resultados
para dos casos. Además el algoritmo KICA se ve menor Universidad Tecnológica de Pereira en el marco del proyecto
afectado por el tipo de arquitectura al ser comparado con ICA. COLCIENCIAS código 111037019600.

A continuación se implementaron los mejores métodos para REFERENCES

la base de datos FEEDTUM (tabla II). [1] Y. Tian, T. Kanade, J. Cohn. Recognizing Action Units for Facial
Expression Analysis, IEEE Transactions on Pattern Analysis and
Machine Intelligence, Vol. 23, No. 2, 2001.
TABLA II [2] M. S. Bartlett, “Face image analysis by unsupervised learning and
RECONOCIMIENTO DE PARES DE EXPRESIONES SOBRE FEEDTUM redundancy reduction,” Ph.D. dissertation, 1998, chair-Donald I.
Expre- KICA Macleod.
ICA ARQI [3] G. Donato, M. S. Bartlett, J. C. Hager, P. Ekman, and T. J. Sejnowski,
sión ARQII
“Classifying facial actions”, IEEE Transactions on Pattern Analysis and
E-S 99.71 ± 0.05 99.56 ± 0.04
Machine Intelligence, vol. 21, no. 10, pp. 974_989, 1999.
A-S 99.66 ± 0.04 99.90 ± 0.02
[4] B. Schölkopf and A.J. Smola, Learning with Kernels, MIT Press,
S-T 99.36 ± 0.07 99.85 ± 0.02
Cambridge, MA, 2002.
A-E 97.30 ± 0.53 99.80 ± 0.03
[5] F.R. Bach, M.I. Jordan, Kernel independent component analysis, J.
E-T 99.51 ± 0.05 99.65 ± 0.05
Mach. Learn. Res. 3 (2002) 1–48.
A-T 99.75± 0.04 99.95 ± 0.01
[6] T. Martiriggiano, M. Leo, P. Spagnolo, Dapos, and T. Orazio, _Facial
Con la base de datos FEEDTUM se puede observar que se feature extraction by kernel independent component analysis,_ AVSS.
obtienen mejores porcentajes de acierto en la clasificación, IEEE Conference on Advanced Video and Signal Based Surveillance.,
pp. 270_275, 2005.
esto se debe a que dicha base de datos está mejor etiquetada y [7] T. Martiriggiano, et. al. Face Recognition by Kernel Independent
contiene una mayor cantidad de imágenes por sujeto. Component Analysis. CNR- ISSIA via Amendoda 122/D-I, Italy 2005.
[8] Yang, X. Gao, D. Zhang, and J. Yang, “Kernel ica: An alternative
Por último se consideraron casos de oclusiones con el fin de formulation and its application” to face recognition,” Pattern
Recognition, vol. 38, no. 10, pp. 1784_1787, 2005.
observar el funcionamiento de los mejores métodos. [9] C. Campbell, “Kernel methods: a survey of current techniques,” 2000
[10] A. J. Bell and T. J. Sejnowski, “An information maximization approach
TABLA III to blind separation and blind deconvolution,” Neural Computation, vol.
RECONOCIMIENTO DE PARES DE EXPRESIONES SOBRE FEEDTUM 7, no. 6, pp. 1129–1159, 1995.
[11] A. Hyvärinen, “Fast and robust fixed-point algorithms for independent
Expre- KICA
ICA ARQI component analysis,” IEEE Transactions on Neural Networks, vol. 10,
sión ARQII
no. 3, pp. 626–634, 1999.B.
E-S 99.79 ± 0.03 99.87 ± 0.01
[12] M. A. Vicente, P. O. Hoyer, and A. Hyvarinen, Equivalence of some
A-S 97.69 ± 0.56 99.79 ± 0.02
common linear feature extraction techniques for appearance-based object
S-T 99.58 ± 0.05 99.83 ± 0.03
recognition tasks, IEEE Trans. Pattern Anal. Mach. Intell., vol. 29, no. 5,
A-E 99.71 ± 0.04 99.26 ± 0.05
pp. 896_900, 2007.
E-T 99.71 ± 0.03 99.67 ± 0.04
[13] Schölkopf, A. Smola, and K.R. Müller, “Nonlinear component analysis
A-T 99.67± 0.04 99.71 ± 0.03
as a Kernel eigenvalue problem,” Neural Computation, vol. 10, pp.
1299–1319, 1998.B.
De las tablas II y III se ve que la metodología es robusta en [14] T. Sim, S. Baker, and M. Bsat, “The cmu pose, illumination, and
casos donde se presenta oclusiones, ya que los porcentajes de expression database,” IEEE Trans. Pattern Anal. Mach. Intell., vol. 25,
no. 12, pp. 1615_1618, 2003. F.
reconocimiento son muy similares e incluso mejoran para [15] Wallho, “Facial expressions and emotion database,” 2006.
algunos pares de expresiones por ejemplo E-S y E-T.
Desarrollo
Desarrollo de unaaplicación
de una aplicación
parapara visualizar
visualizar objetosobjetos
3D
3D enen Ambientes
Ambientes y Sistemas de Inmersión
y Sistemas de Inmersión
Julio Julio
César Ordóñez
César Ordóñez López 1 , Alexander
López, Alexander
Abstract—En este artı́culo se presenta el desarrollo de una
aplicación que permite hacer uso de la visión estereoscópica
utilizando un casco de realidad virtual HMD (Head-Mounted
Display). La aplicación permite la visualización de objetos 3D
(Volúmenes básicos y modelos desarrollados con software espe-
cializado) para diferentes aplicaciones como: medicina, robótica
(teleoperación), topografı́a (visualización de terrenos), arquitec-
tura, mundos virtuales, educación entre otros. Esta aplicación
fue desarrollada utilizando herramientas de programación y
graficación 3D como lo son Java y OpenGL. Adicionalmente
esta incluye rutinas para hacer uso de diferentes dispositivos
de entrada (Joystick y GamePad) permitiendo al usuario la
interacción con los objetos visualizados. En la última versión,
se implementó la proyección de la imagen en dos pantallas, para
visualizar los mismos objetos en un V-CAVE (Sistema de dos
pantallas que forman un ángulo de 90◦ entre sı́ con la intención
de aplicar un efecto de inmersión sobre el usuario).
Palabras Claves—Librerias Graficas, Realidad Virtual, Com-
putación Gráfica, Visión Estereoscópica
I. I NTRODUCCI ÓN
L OS sistemas y ambientes de inmersión permiten al
usuario interactuar con objetos virtuales, adicionalmente
permiten visualizar fenómenos de interés en diferentes áreas de
la ciencia y la ingenierı́a que incluyen áreas como medicina,
robótica, topografia, arquitectura, educación, entretenimiento
entre otros.
En el campo de la medicina podemos encontrar progra-
mas para la simulación y el entrenamiento en operaciones
quirúrgicas en donde también se involucra la robótica. Adi-
cionalmente estos sistemas facilitan el entrenamiento y la tele-
operación de vehı́culos no tripulados. En topografı́a se puede
realizar la visualización de terrenos ası́ como de edificaciones
para la arquitectura [1]. El campo de la educación presenta
nuevos modos de interacción para el aprendizaje, además la
generación de mundos virtuales es un campo muy promisorio
para aplicaciones de comercio y entretenimiento como es el
caso de Second Life.
Aunque existen diversos factores a considerar en un sistema
inmersivo, este trabajo se enfoca en la visión estereoscópica,
la cual permite a los seres humanos ver en profundidad y
diferenciar objetos cercanos y lejanos mediante un proceso
que involucra diversos factores fisiológicos, cognitivos y psi-
cofı́sicos [2].
1 Grupo de Investigación en Multimedia, Programa de Ingenierı́a en
Multimedia, Facultad de Ingenierı́a, Universidad Militar Nueva Granada.
Bogotá, Colombia.
Memorias STSIVA 2008
1
Cerón Correa
Cerón Correa 1
Teniendo en cuenta la gran cantidad de aplicaciones que
existen para el uso de la visión estereoscópica se planteó el
desarrollo de una aplicación que aprovecha la gran capaci-
dad de inmersión que ofrece un casco de realidad virtual o
HMD (Head-Mounted Display). Para lograr esto se recurrió
en primera instancia al lenguaje de programación Java, que
aporta la ventaja de poder ser utilizado en cualquier sistema
operativo y además facilita la programación orientada a obje-
tos. Adicionalmente se recurrió a la librerı́a de graficación
3D OpenGL, que permite desarrollar aplicaciones gráficas
en diferentes sistemas operativos, a diferencia de DirectX
la cual fue diseñada para Windows[3]. R Otra ventaja de
usar OpenGL es que permite la utilización del modo estéreo
de la tarjeta de video necesario para la visualización en el
dispositivo HMD.
Para favorecer la experiencia del usuario, se implementaron
dos clases referentes a la graficación y la interacción del
usuario con los objetos. La primera de ellas, es un módulo
que permite graficar objetos complejos desarrollados con un
software especializado en modelado y animación 3D, para
este caso en particular, los modelos se desarrollaron utilizando
AutodeskMaya
R y
R guardados en formato OBJ (Formato de
definición de geometrı́a desarrollado por Wavefront Technolo-
gies). Esto se hizo con el fin de facilitar la graficación de
objetos y estructuras complejas que son bastante complicadas
de desarrollar mediante un algoritmo o mediante volúmenes
básicos (Cubos, pirámides o cilindros, implementados anteri-
ormente en la aplicación). La segunda clase, es un módulo
que permite al usuario interactuar con los objetos puestos en
la escena mediante un Joystick o un GamePad, lo que deja de
lado los modelos estáticos e incrementa la inmersión a la que
está sometido el usuario.
II. V ISI ÓN E STEREOSC ÓPICA
El factor más importante que se tuvo en cuenta para la
realización de este proyecto, fue el sistema de visión estere-
oscópica, el cual es inherente a los seres humanos, facilitando
la percepción en profundidad y la capacidad de distinguir que
objetos están mas cercanos que otros. En una definición más
concreta, la visión estereoscópica o estereópsis es el resultado
de la unión de las dos vistas ligeramente diferentes que reciben
nuestros ojos del mundo real [4].
A. Dirección visual Binocular
La dirección visual es la ubicación relativa al observador
que se percibe de un objeto. Generalmente se mide en términos
Tomo II 85 - 88
86 XIII SIMPOSIO DE TRATAMIENTO DE SEÑALES, IMÁGENES Y VISIÓN ARTIFICIAL. STSIVA 2008
de azimut1 (A la derecha y la izquierda del punto donde
está ubicado el objeto) y en términos de elevación (Arriba
y abajo del mismo punto)[4]. La dirección visual binocular se
diferencia de la monocular en que esta última es la imagen que
recibe cada ojo por separado. Algunos investigadores plantean
que la dirección visual binocular está ubicada en la mitad de
las dos imágenes monoculares, sin embargo, otros plantean
la posibilidad de que esta dirección está ubicada en cualquier
punto entre las dos imágenes monoculares, no necesariamente
en la mitad.
B. Ángulos de convergencia y disparidades retinales
El ángulo de convergencia de las dos imágenes monoculares
con respecto a un objeto ubicado en un punto, está dado por
la siguiente ecuación:
i tenga principalmente experiencias visuales, audibles y táctiles.
α = 2 · arctan ( )
2 · D1
donde, α es el ángulo de convergencia, D1 es la distancia
entre el observador y el objeto ubicado en el punto F1 , e i es
la distancia interocular [4](Figura 1). Si se ubica otro objeto
en un punto F2 más cercano al observador, se puede ver que
el ángulo de convergencia β que define con respecto a los dos
ojos es mayor, por lo tanto se puede decir que tanto α como β
son inversamente proporcionales a la distancia entre el objeto
y el observador.
Fig. 1. Ángulo de convergencia de las dos imágenes monoculares
La disparidad retinal o binocular se produce a partir de la
diferencia de los ángulos α y β, lo que le permite al cerebro
humano identificar la profundidad de cada objeto y concluir
cuál se encuentra más cercano que el otro.
C. Visión Estereoscópica en la aplicación
Para aplicar este efecto de profundidad sobre los objetos
graficados en la escena, se tuvo en cuenta que el espacio de
graficación de OpenGL cuenta con cuatro buffers2 diferentes
donde se pueden graficar estos objetos, dos buffers frontales
(Derecho e izquierdo) y dos buffers traseros (Derecho e
izquierdo). A partir de esta caracterı́stica de la librerı́a, se
1 Ánguloque forma la imagen monocular con el punto de fijación
2 Espacioen la memoria del computador en donde se almacenan temporal-
mente los datos para la graficación
procedió a dibujar el mismo objeto dos veces, una vez en el
buffer trasero derecho y una vez en el buffer trasero izquierdo.
Sin embargo, la clave de la estereovisión mediante OpenGL,
se encuentra en permitirle a la aplicación actualizar cada cierto
tiempo el espacio de graficación y además alternar la imagen
que envı́a hacia el dispositivo HMD, es decir, una vez envı́a
la imagen hacia el ojo izquierdo y la siguiente vez que se
actualice, envı́a la imagen hacia el ojo derecho.
Para modificar la profundidad con la que el objeto se ve en
el dispositivo HMD, se agregó un procedimiento que permite,
mediante eventos del mouse, modificar la distancia del objeto
con respecto al observador y ası́ mismo modificar el ángulo
de convergencia.
III. A MBIENTES Y S ISTEMAS DE I NMERSI ÓN
Un ambiente virtual de inmersión permite que un usuario
Generalmente el factor visual es el más importante y para
esto se usa una pantalla, un dispositivo estereoscópico o
cualquier otro sistema de visualización. Los dispositivos de
visualización, los controles de la interfaz y el computador están
configurados para sumergir al operador en un ambiente que
contiene objetos tridimensionales con locaciones tridimension-
ales y orientaciones en un espacio tridimensional. Cada objeto
virtual tiene una ubicación en el espacio que es independiente
del puerto de vista del operador, y el operador puede interac-
tuar con estos objetos utilizando diferentes dispositivos para
manipularlos[5].
Un ambiente virtual se asemeja a un sistema de teleop-
eración, sin embargo la diferencia entre estos dos radica en la
parte no humana de su estructura. En un sistema teleoperado,
el usuario controla a un robot desde una estación remota [6] y
en un ambiente virtual, el usuario visualiza y manipula objetos
virtuales mediante un computador, lo cual puede funcionar
como entrenamiento para que posteriormente el usuario inter-
actue con un sistema teleoperado [5].
Al mismo tiempo con esta diferencia en la estructura,
también se da una diferencia en el propósito de estos dos
sistemas: para el sistema teleoperador, el propósito es sentir,
manipular y transformar el estado del mundo real, mientras
que el propósito del ambiente virtual es sentir, manipular y
transformar el estado del usuario o modificar el estado de la
información almacenada en el computador [5]. Un ejemplo
de este tipo es la simulación quirúrgica, la cual puede ser
realizada utilizando modelos deformables mediante sistemas
inmersivos de visualización y dispositivos hápticos3 , como se
observa en [7].
A. V-CAVE
Para incrementar las sensaciones de inmersión en el mundo
real, se desarrollaron diferentes proyectos con este fin entre los
cuales se pueden destacar ImmersaDesk, las paredes de visu-
alización y el CAVE (Cave Automatic Virtual Environment).
El CAVE, en términos generales, se compone de varias
pantallas que se ubican de manera adyacente inscribiendo un
3 Dispositivos que permiten sensación del tacto
XIII SIMPOSIO DE TRATAMIENTO DE SEÑALES, IMÁGENES Y VISIÓN ARTIFICIAL. STSIVA 2008 87

ángulo determinado entre ellas, dependiendo del número de B. Graficación de Modelos 3D (Figura 3)
pantallas, en donde se proyectan las imágenes que van a aplicar Carga los materiales y la geometrı́a de los objetos almace-
el efecto de inmersión sobre el usuario. nados en los archivos OBJ y MTL.
Por facilidades en cuanto a costo y disponibilidad, en este
• GIMMaterialLoader: Carga el material del objeto en
proyecto se utilizo un V-CAVE como ambiente de prueba. Este
la escena mostrada en la aplicación.
V-CAVE consiste en dos pantallas dispuestas de tal manera
que formen un ángulo de 90◦ entre las dos, en donde cada
• GIMModel: Carga todos los datos del modelo 3D
una de las pantallas tiene un proporción de 4/3 (Las imágenes
contenidos en el archivo OBJ.
proyectadas de la aplicación poseen la misma proporción). En
[8] se presenta el desarrollo de una aplicación de bajo costo
• GIMModelLoader: Pinta en la escena los datos
de un V-CAVE.
obtenidos con la clase GIMModel.

IV. E STRUCTURA DE C LASES

Para el desarrollo de la aplicación, se tuvieron en cuenta

tres factores importantes representados en diferentes clases,
que se extienden a la visión estereoscópica afectando a todos
los objetos visualizados.

A. Graficación de Volúmenes Básicos (Figura 2)

Grafica objetos de poca complejidad, en este caso, un cubo
y una esfera.
• GIMVertex3D: Se encarga de definir un punto con
coordenadas X, Y, Z para aplicarlo a la posición del Fig. 3. Diagrama de clases para la graficación de modelos en formato OBJ
objeto.

• GIMObject3D: Define los atributos básicos de un

C. Manipulación de Objetos (Figura 4)
objeto 3D como el centro, la rotación, la traslación, el
color y el método Render para graficarlo. Permite la interacción con los objetos visualizados mediante
un dispositivo de entrada (Joystick o Gamepad)
• GIMCube: Hereda todos los atributos y métodos de la • GIMGamePad: Establece la conexión con el dispositivo
clase GIMObject3D y sobrescribe el método Render, en de entrada conectado al computador, obtiene todas
el que establece los vértices y las caras del cubo. sus caracterı́sticas y captura la información de los
movimientos de sus ejes y de la interacción con sus
• GIMSphere: Hereda todos los atributos y métodos de botones.
la clase GIMObject3D y sobrescribe el método Render,
en el que establece el radio y la resolución de la esfera. • GIMWarning: Clase que verifica si hay o no un
dispositivo conectado al computador.

Fig. 4. Diagrama de clases para la manipulación de los objetos

Fig. 2. Diagrama de clases para la graficación de volúmenes básicos D. Visión Estereoscópica (Figura 5)
Aplica el efecto de profundidad a los objetos visualizados.
88 XIII SIMPOSIO DE TRATAMIENTO DE SEÑALES, IMÁGENES Y VISIÓN ARTIFICIAL. STSIVA 2008
• GIMImmersive: Es la clase principal, contiene los
métodos necesarios de OpenGL para poder definir el
canvas para la graficación de los objetos, además los
dibuja en el buffer derecho e izquierdo del mismo por
separado, para que el usuario experimente la sensación de
profundidad mediante el HMD (Head-Mounted Display).
Fig. 5. Diagrama de clases para la visión estereoscópica
V. R ESULTADOS
Se realizaron dos prototipos de la aplicación con diferentes
propósitos(Figura 6):
• El primer prototipo se desarrolló con el fin de ser utilizado
mediante un casco de realidad virtual HMD, aplicándole
el efecto de profundidad (visión estereoscópica) a todos
los objetos que se encuentran graficados. Permite graficar
dos clases de volúmenes básicos (Cubo y esfera), permite
también importar modelos 3D en formato OBJ con sus
respectivos materiales en formato MTL. Permite la inter-
acción del usuario con los objetos mediante un Joystick
o un Gamepad.
• El segundo prototipo esta diseñado para ser utilizado en
un ambiente de inmersión V-CAVE, para la cual, en vez
de definir un solo canvas de graficación, se definieron dos
y se compartió su contexto. Esto se hace con el fin de
que los objetos graficados en cada uno de ellos tengan las
mismas propiedades. Además permite graficar los mismos
objetos y la misma manipulación que la primera versión.
Fig. 6. Diagrama del funcionamiento de la aplicación.
Esta aplicación, presenta principalmente la ventaja de ser
multiplataforma y además la estructura de ésta fue desarrollada
con un diseño orientado a objetos que permite la incorporación
de futuras mejoras asi como de ser acondicionada, para
diferentes areas. Se espera que el desarrollo de este tipo de
aplicaciones permita reducir costos de adquisición, y fomentar
el desarrollo de software enfocado a las necesidades del paı́s
en las áreas anteriormente mencionadas.
VI. C ONCLUSIONES Y TRABAJO FUTURO
Utilizando la visión estereoscópica artificial, mediante un
dispositivo de realidad virtual como el HMD, es posible
presentar ante un usuario un ambiente muy similar al real per-
mitiendo recrear diferentes escenarios para una gran variedad
de aplicaciones de interés en la ciencia y la ingenierı́a.
La implementación de un módulo para importar modelos en
formato OBJ representa una gran ventaja, ya que permitirá en-
focar la aplicación hacia diversas áreas como la medicina o la
robótica, permitiendo simular procesos o procedimientos que
resultan costosos o riesgosos para los estudiantes o expertos
de estas áreas.
La manipulación de los objetos mediante dispositivos de
entrada (Joystick o Gamepad), permite en un futuro imple-
mentar dispositivos propios del área hacia la que se enfoque
la aplicación.
En el proceso metodológico presentado en este trabajo,
se desarrollo una aplicación compuesta por una jerarquı́a de
clases orientada a objetos. En un futuro se espera implementar
un procedimiento que permita utilizar un sistema de gafas
obturadoras en conjunto con el ambiente de inmersión V-
CAVE.
R EFERENCIAS
[1] S. Martı́n González, S. Garcı́a Cortés, J. Suárez Quirós, R. Rubio Garcı́a,
R. Gallego Santos, and S. Morán Fernanz, “Visage: Estereoscopio vir-
tual aplicado a la geologı́a,” XII Congreso Internacional de Energı́a y
Recursos Minerales, 2007.
[2] H. Rosas, W. Vargas, A. Cerón, D. Domı́nguez, and A. Cárdenas, “Psy-
chophysical approach to the measurement of depth perception in stereo
vision,” Lecture Notes in Computer Science, vol. Volume 4563/2007, pp.
358–366, 2006.
[3] S. Martı́n González, J. Suárez Quirós, R. Orea Area, R. Rubio Garcı́a,
and R. Gallego Santos, “Creación de una librerı́a utilizando open gl
para el desarrollo de aplicaciones gráficas utilizando sistemas de visión
estereoscópica,” XVII Congreso Internacional de Ingenierı́a Gráfica.,
2005.
[4] W. Barfield, Virtual Environments and Advanced Interface Design,
W. Barfield, Ed. Oxford University Press, Incorporated, 1995.
[5] N. R. C. Staff, M. Anne S., and D. Nathaniel I., Virtual Reality : Scientific
and Technological Challenges, N. A. Press, Ed. National Academies
Press, 1994.
[6] A. Cerón, “Sistemas roboticos teleoperados,” Ciencia e Ingenierı́a
Neogranadina, vol. 15, pp. 62–72, 2005.
[7] P. Chen, K. E. Barner, and K. V. Steiner, “A displacement driven real-
time deformable model for haptic surgery simulation,” in Symposium
on Haptic Interfaces for Virtual Environment and Teleoperator Systems
(HAPTICS’06), 2006.
[8] C. Quintero, W. J. Sarmiento, and E. L. Sierra-Ballén, “Low cost
cave simplified system,” in Proceedings of Human Computer Interaction
International, Beijing, China, 2007.