Matemáticas
Diseñan un modelo eficaz de corrección de distorsión de imágenes
Los investigadores del Centro de Investigación y Desarrollo de Tecnologías de la Imagen (CTIM) de la Universidad de Las Palmas de Gran Canaria (ULPGC) (España), Miguel Alemán Flores, Luis Álvarez, Luis Gómez y Daniel Santana Cedrés, han desarrollado un modelo que corrige las líneas en imágenes con distorsión.
Esta investigación ha sido publicada en la revista especializada internacional Journal of Pattern Recognition Letters bajo el título Detección de líneas en imágenes con distorsión: Aplicación para la corrección de la distorsión (Line detection in images showing significant lens distortion and application to distortion correction). El trabajo persigue detectar de forma automática las líneas rectas en imágenes que experimentan gran distorsión (radial). Para ello, los investigadores amplían la transformada clásica de Hough (técnica para la detección de figuras en imágenes digitales), incluyendo un parámetro de distorsión que permite extraer con mayor fiabilidad las líneas rectas en la imagen distorsionada. Una vez extraída esta información, se aplica un modelo eficaz de corrección de la distorsión (modelo algebraico de dos parámetros), desarrollado previamente por los autores de la investigación.
La novedad e importancia de esta investigación radica en tres aspectos: se presenta un nuevo modelo para la detección automática de líneas de imágenes aplicando métodos matemáticos analíticos; el modelo consigue corregir la distorsión de forma eficiente a partir del conjunto de rectas detectadas; y los resultados “constituyen el estado del arte de la cuestión en este campo del conocimiento, como se desprende de la comparativa con modelos actuales”, según indican los investigadores.
![[Img #18527]](upload/img/periodico/img_18527.jpg)
El modelo desarrollado por los investigadores de la ULPGC puede aplicarse en las siguientes áreas: Medicina, en el ámbito de la cirugía laparoscópica (cirugía mínimanente invasiva); la Robótica, en el ‘tracking’ (rastreo) de robots e interfaces hombre-máquina; Multimedia, para la retransmisión de espectáculos deportivos (principalmente en el fútbol); y Fotografía, para reconstrucciones de imágenes en 3 dimensiones, cartografía, publicidad e infografía. (Fuente: ULPGC)
Esta investigación ha sido publicada en la revista especializada internacional Journal of Pattern Recognition Letters bajo el título Detección de líneas en imágenes con distorsión: Aplicación para la corrección de la distorsión (Line detection in images showing significant lens distortion and application to distortion correction). El trabajo persigue detectar de forma automática las líneas rectas en imágenes que experimentan gran distorsión (radial). Para ello, los investigadores amplían la transformada clásica de Hough (técnica para la detección de figuras en imágenes digitales), incluyendo un parámetro de distorsión que permite extraer con mayor fiabilidad las líneas rectas en la imagen distorsionada. Una vez extraída esta información, se aplica un modelo eficaz de corrección de la distorsión (modelo algebraico de dos parámetros), desarrollado previamente por los autores de la investigación.
La novedad e importancia de esta investigación radica en tres aspectos: se presenta un nuevo modelo para la detección automática de líneas de imágenes aplicando métodos matemáticos analíticos; el modelo consigue corregir la distorsión de forma eficiente a partir del conjunto de rectas detectadas; y los resultados “constituyen el estado del arte de la cuestión en este campo del conocimiento, como se desprende de la comparativa con modelos actuales”, según indican los investigadores.
El modelo desarrollado por los investigadores de la ULPGC puede aplicarse en las siguientes áreas: Medicina, en el ámbito de la cirugía laparoscópica (cirugía mínimanente invasiva); la Robótica, en el ‘tracking’ (rastreo) de robots e interfaces hombre-máquina; Multimedia, para la retransmisión de espectáculos deportivos (principalmente en el fútbol); y Fotografía, para reconstrucciones de imágenes en 3 dimensiones, cartografía, publicidad e infografía. (Fuente: ULPGC)
