Identificación de objetos mediante técnicas HOG y medidas de distancia entre histogramas

El histograma es una gráfica empleada en el análisis y procesamiento de imágenes, puesto que provee información importante acerca de la distribución de los niveles de gris o color en una imagen. En este trabajo se presentan tres técnicas relacionadas con el uso del histograma. La primera consiste en...

Full description

Autores:: Arias Rubio, Carlos Andrés

Tipo de recurso:: Trabajo de grado de pregrado

Fecha de publicación:: 2021

Institución:: Universidad de Ibagué

Repositorio:: Repositorio Universidad de Ibagué

Idioma:: spa

id	UNIBAGUE2_037e82d9910d9627dd8fb21db253b365
oai_identifier_str	oai:repositorio.unibague.edu.co:20.500.12313/5015
network_acronym_str	UNIBAGUE2
network_name_str	Repositorio Universidad de Ibagué
repository_id_str
dc.title.spa.fl_str_mv	Identificación de objetos mediante técnicas HOG y medidas de distancia entre histogramas
title	Identificación de objetos mediante técnicas HOG y medidas de distancia entre histogramas
spellingShingle	Identificación de objetos mediante técnicas HOG y medidas de distancia entre histogramas Técnicas HOG - Identificación de objetos Histogramas - Medidas de distancia Distancias entre histogramas Distancia de Bhattacharyya Histogramas de gradientes orientados Normalización de intensidad Histograma 2D Microscopía Densitometría Perfiles de histograma Distances between histograms Bhattacharyya distance Histogram of oriented gradient Intensity normalization 2D histogram Microscopy Densitometry Histogram profiles
title_short	Identificación de objetos mediante técnicas HOG y medidas de distancia entre histogramas
title_full	Identificación de objetos mediante técnicas HOG y medidas de distancia entre histogramas
title_fullStr	Identificación de objetos mediante técnicas HOG y medidas de distancia entre histogramas
title_full_unstemmed	Identificación de objetos mediante técnicas HOG y medidas de distancia entre histogramas
title_sort	Identificación de objetos mediante técnicas HOG y medidas de distancia entre histogramas
dc.creator.fl_str_mv	Arias Rubio, Carlos Andrés
dc.contributor.advisor.none.fl_str_mv	Forero Vargas, Manuel Guillermo [asesor]
dc.contributor.author.none.fl_str_mv	Arias Rubio, Carlos Andrés
dc.subject.armarc.none.fl_str_mv	Técnicas HOG - Identificación de objetos Histogramas - Medidas de distancia
topic	Técnicas HOG - Identificación de objetos Histogramas - Medidas de distancia Distancias entre histogramas Distancia de Bhattacharyya Histogramas de gradientes orientados Normalización de intensidad Histograma 2D Microscopía Densitometría Perfiles de histograma Distances between histograms Bhattacharyya distance Histogram of oriented gradient Intensity normalization 2D histogram Microscopy Densitometry Histogram profiles
dc.subject.proposal.spa.fl_str_mv	Distancias entre histogramas Distancia de Bhattacharyya Histogramas de gradientes orientados Normalización de intensidad Histograma 2D Microscopía Densitometría Perfiles de histograma
dc.subject.proposal.eng.fl_str_mv	Distances between histograms Bhattacharyya distance Histogram of oriented gradient Intensity normalization 2D histogram Microscopy Densitometry Histogram profiles
description	El histograma es una gráfica empleada en el análisis y procesamiento de imágenes, puesto que provee información importante acerca de la distribución de los niveles de gris o color en una imagen. En este trabajo se presentan tres técnicas relacionadas con el uso del histograma. La primera consiste en la comparación y mejora de medidas de distancia entre histogramas, para ello se presenta una descripción detallada de algunas de las métricas más utilizadas para comparar histogramas, mejorando dos de ellas, Chi-cuadrado y Kullback-Leibler (KL), encontrando que la distancia de Bhattacharyya resulta la más precisa. La segunda permite ajustar automáticamente el brillo de imágenes de microscopía, especialmente en la evaluación de proteínas y otros elementos celulares en densitometría. Así, basados en una técnica desarrollada por Sintorn y otros, empleando histogramas 2D se presentan dos nuevos perfiles para el ajuste, y se introdujo la medida de Bhattacharyya para encontrar automáticamente el mejor resultado. La tercera técnica permite la detección de objetos mediante unos descriptores denominados Histogramas de Gradientes Orientados (HOG), los cuales son invariantes a transformaciones geométricas y fotométricas de los objetos, haciéndolos apropiados para el reconocimiento de formas en imágenes y videos, necesarios para los desarrollos futuros en el semillero en procesamiento de imágenes y reconocimiento de patrones Lún.
publishDate	2021
dc.date.issued.none.fl_str_mv	2021
dc.date.accessioned.none.fl_str_mv	2025-04-09T23:01:18Z
dc.date.available.none.fl_str_mv	2025-04-09T23:01:18Z
dc.type.none.fl_str_mv	Trabajo de grado - Pregrado
dc.type.coar.none.fl_str_mv	http://purl.org/coar/resource_type/c_7a1f
dc.type.content.none.fl_str_mv	Text
dc.type.driver.none.fl_str_mv	info:eu-repo/semantics/bachelorThesis
dc.type.redcol.none.fl_str_mv	http://purl.org/redcol/resource_type/TP
dc.type.version.none.fl_str_mv	info:eu-repo/semantics/acceptedVersion
format	http://purl.org/coar/resource_type/c_7a1f
status_str	acceptedVersion
dc.identifier.citation.none.fl_str_mv	Arias Rubio, C. A.(2021).Identificación de objetos mediante técnicas HOG y medidas de distancia entre histogramas.[Trabajo de grado, Universidad de Ibagué]. https://hdl.handle.net/20.500.12313/5015
dc.identifier.uri.none.fl_str_mv	https://hdl.handle.net/20.500.12313/5015
identifier_str_mv	Arias Rubio, C. A.(2021).Identificación de objetos mediante técnicas HOG y medidas de distancia entre histogramas.[Trabajo de grado, Universidad de Ibagué]. https://hdl.handle.net/20.500.12313/5015
url	https://hdl.handle.net/20.500.12313/5015
dc.language.iso.none.fl_str_mv	spa
language	spa
dc.relation.references.none.fl_str_mv	N. Dalal y B. Triggs, «Histograms of Oriented Gradients for Human Detection,» Computer Vision and Pattern Recognition. IEEE Computer Society Conference, vol. 1, pp. 886-893, 2005. C. Novak y S. Shafer, «Method for estimating scene parameters from color histograms,» Journal of the Optical Society of America A, vol. 11, no 11, 1994. M. G. Forero, C. Arias-Rubio y B. T. González, «Analytical Comparison of Histogram Distance Measures,» Progress in Pattern Recognition, Image Analysis, Computer Vision, and Applications. CIARP 2018. Lecture Notes in Computer Science. Springer, Cham, vol. 11401, pp. 81-90, 2019. M. G. Forero, C. Arias-Rubio, J. Horta-Júnior y D. E. López , «A Note on Gradient- Based Intensity Normalization,» Pattern Recognition and Image Analysis. IbPRIA 2019. Lecture Notes in Computer Science. Springer, Cham, vol. 11867, pp. 161- 169, 2019. M. G. Forero y C. Arias-Rubio , «Automatic method for brightness adjustment in regions of interest in photography,» SPIE Optical Engineering + Applications, 2020. Proc. SPIE 11510, Applications of Digital Image Processing XLIII, 115101X, 21 Agosto 2020. R. K. McConnell, «Method of and apparatus for pattern recognition». U. S. Patente No. 4,567,610, 1986. W. T. Freeman y M. Roth, «Orientation histograms for hand gesture recognition,» Intl. Workshop on Automatic Face and Gesture-Recognition, IEEE Computer Society, Zurich, Switzerland, pp. 296-301, 1995. N. Dalal, Finding People in Images and Videos, Instituto Nacional Politécnico De Grenoble, Francia, 2006. P. F. Felzenszwalb, R. B. Girshick, D. McAllester y D. Ramanan, «Object detection with discriminatively trained part-based models,» Pattern Analysis and Machine Intelligence, IEEE Transactions, vol. 32, no 9, pp. 1627-1645, 2010. P. A. Marin, Estudio comparativo de medidas de distancia para histogramas en problemas de re-identificación, Universidad de Las Palmas De Gran Canaria, 2015. . L. Á. Ruiz Fernández, «Realce de imágenes en teledetección: (I) Operadores puntuales,» Universitad Politecnica de Valencia, 2018. A. Bhattacharyya, «On a measure of divergence between two statistical populations defined by their probability distribution,» Bulletin of the Calcutta Mathematical Society, vol. 35, p. 99–110, 1943. «OpenCV Histogram Comparison,» [En línea]. Available: http://docs.opencv.org/2.4/doc/tutorials/imgproc/histograms/histogram_comparison/ histogram_comparison.html. [Último acceso: 08 2020]. S. Kullback, «The Kullback–Leibler distance,» The American Statistician, vol. 41, no 4, p. 340–341, 1987. S.-H. Cha y S. Srihari, «On measuring the distance between histograms,» Pattern Recognition Society, vol. 35, p. 1355–1370, 2002. J. C. Alvarado, V. F. Santamaria, C. K. Henkel y J. K. Brunso-Bechtold, «Alterations in Calretinin Immunostaining in the Ferret Superior Olivary Complex after Cochlear Ablation,» Journal of comparative neurology, vol. 470, p. 63–79, 2004. M. Sintorn, L. Bischof, P. Jackway, S. Haggarty y M. Buckley, «Gradient based intensity normalization,» Journal of microscopy, vol. 240, pp. 249-258, 2010. B. S. Manjunath, P. Salembier y T. Sikora, «Introduction to MPEG-7: Multimedia Content Description Interface,» Wiley & Sons, 2002. L. Weng, «Object Detection for Dummies Part 1: Gradient Vector, HOG, and SS,» [En línea]. Available: https://lilianweng.github.io/lil-log/2017/10/29/object- recognition-for-dummies-part-1.html. [Último acceso: 28 08 2020]. «L2 norm,» Encyclopedia of Biometrics. Springer, Boston, MA, 2009. R. A. Romero, Sistema de detección y rastreo de personas en tiempo real para el Robot GOLEM II, Universidad Nacional Autónoma de México, 2015. W. S. Rasband, «ImageJ. U. S. National Institutes of Health, Bethesda, Maryland, USA (1997-2016),» [En línea]. Available: https://imagej.nih.gov/ij/. [Último acceso: 28 08 2020]. I. Prashant, «Histogram comparison,» 2013. [En línea]. Available: https://es.scribd.com/doc/168216107/Histogram-Similarity. [Último acceso: 04 06 2020]. M. Capek, L. Kubínová, K. Hána y P. Smrcka, «Compensation of the contrast and brightness attenuation with depth in confocal microscopy,» Proceedings of the 21st spring conference on Computer graphics, 2005. R. C. Gonzalez y R. E. Woods, Digital image processing, Pearson, third edition, 2009. G. Petschnigg, M. Agrawala, H. Hoppe, R. Szeliski, M. Cohen y K. Toyama, «Digital Photography with Flash and No-Flash Image Pairs,» Proc. ACM Siggraph, 2004. K. He, J. Sun y X. Tang, «Guided Image Filtering,» IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 35, pp. 1397-1409, 2013. «extractHOGFeatures,» MatLab, [En línea]. Available: https://www.mathworks.com/help/vision/ref/extracthogfeatures.html. [Último acceso: 28 08 2020]. S. Mallick, «Histogram of Oriented Gradients,» 6 12 2016. [En línea]. Available: https://www.learnopencv.com/histogram-of-oriented-gradients/. [Último acceso: 28 08 2020]. S. Baker, D. Scharstein, J. P. Lewis, S. Roth, M. J. Black y R. Szeliski, «A Database and Evaluation Methodology for Optical Flow,» International Journal of Computer Vision, vol. 92, pp. 1-31, 2011. «Flow-code-matlab,» [En línea]. Available: https://vision.middlebury.edu/flow/code/flow-code-matlab/. [Último acceso: 27 08 2020].
dc.rights.accessrights.none.fl_str_mv	info:eu-repo/semantics/openAccess
dc.rights.coar.none.fl_str_mv	http://purl.org/coar/access_right/c_abf2
dc.rights.license.none.fl_str_mv	Atribución-NoComercial 4.0 Internacional (CC BY-NC 4.0)
dc.rights.uri.none.fl_str_mv	https://creativecommons.org/licenses/by-nc/4.0/
eu_rights_str_mv	openAccess
rights_invalid_str_mv	http://purl.org/coar/access_right/c_abf2 Atribución-NoComercial 4.0 Internacional (CC BY-NC 4.0) https://creativecommons.org/licenses/by-nc/4.0/
dc.format.extent.none.fl_str_mv	103 páginas
dc.format.mimetype.none.fl_str_mv	application/pdf
dc.publisher.none.fl_str_mv	Universidad de Ibagué
dc.publisher.faculty.none.fl_str_mv	Ingeniería
dc.publisher.place.none.fl_str_mv	Ibagué
dc.publisher.program.none.fl_str_mv	Ingeniería Electrónica
publisher.none.fl_str_mv	Universidad de Ibagué
institution	Universidad de Ibagué
bitstream.url.fl_str_mv	https://repositorio.unibague.edu.co/bitstreams/a40ba1af-fc2c-44f1-9cdd-b9d6303792f0/download https://repositorio.unibague.edu.co/bitstreams/056b8399-0be5-4501-94c8-c4793ee9448d/download https://repositorio.unibague.edu.co/bitstreams/a8c8e7c7-bc1a-48de-986f-03989d0ae7c6/download https://repositorio.unibague.edu.co/bitstreams/f240446e-36e6-4504-8b3a-aa25a54673b2/download https://repositorio.unibague.edu.co/bitstreams/04630a13-1bf9-46a7-9cb3-5113d9fe1b22/download https://repositorio.unibague.edu.co/bitstreams/a363def9-0a7e-444d-8a06-6d0c9f6fec2e/download
bitstream.checksum.fl_str_mv	08dcc438999aa8f91ea529aa2acec1d9 19f8b8a7bdea56b4cb05ccfbb86ed7d8 4183a6413d326e5880527b6769d97277 2fa3e590786b9c0f3ceba1b9656b7ac3 6cc8362288e335660edda0d5be5613d5 5695ae0dd15480c46b589395189b732f
bitstream.checksumAlgorithm.fl_str_mv	MD5 MD5 MD5 MD5 MD5 MD5
repository.name.fl_str_mv	Repositorio Institucional Universidad de Ibagué
repository.mail.fl_str_mv	bdigital@metabiblioteca.com
_version_	1851059984751656960
spelling	Forero Vargas, Manuel Guillermo [asesor]815a2875-9616-4bba-9b4f-ad1dacf49e5a-1Arias Rubio, Carlos Andrés7bfca75e-36fd-4209-b087-1b54a99b789b-12025-04-09T23:01:18Z2025-04-09T23:01:18Z2021El histograma es una gráfica empleada en el análisis y procesamiento de imágenes, puesto que provee información importante acerca de la distribución de los niveles de gris o color en una imagen. En este trabajo se presentan tres técnicas relacionadas con el uso del histograma. La primera consiste en la comparación y mejora de medidas de distancia entre histogramas, para ello se presenta una descripción detallada de algunas de las métricas más utilizadas para comparar histogramas, mejorando dos de ellas, Chi-cuadrado y Kullback-Leibler (KL), encontrando que la distancia de Bhattacharyya resulta la más precisa. La segunda permite ajustar automáticamente el brillo de imágenes de microscopía, especialmente en la evaluación de proteínas y otros elementos celulares en densitometría. Así, basados en una técnica desarrollada por Sintorn y otros, empleando histogramas 2D se presentan dos nuevos perfiles para el ajuste, y se introdujo la medida de Bhattacharyya para encontrar automáticamente el mejor resultado. La tercera técnica permite la detección de objetos mediante unos descriptores denominados Histogramas de Gradientes Orientados (HOG), los cuales son invariantes a transformaciones geométricas y fotométricas de los objetos, haciéndolos apropiados para el reconocimiento de formas en imágenes y videos, necesarios para los desarrollos futuros en el semillero en procesamiento de imágenes y reconocimiento de patrones Lún.The histogram is a graph used in image analysis and processing, as it provides important information about the distribution of gray or color levels in an image. This work presents three techniques related to the use of histograms. The first is the comparison and improvement of distance measurements between histograms, for this it presents a detailed description of some of the most used metrics for comparing histograms, improving two of them, Chi-square and Kullback-Leibler (KL), having found that the distance from Bhattacharyya is the most accurate. The second allows you to automatically adjust the brightness of microscopy images, especially in the evaluation of proteins and other cellular elements in densitometry. Thus, based on a technique developed by Sintorn et al., using 2D histograms two new profiles are presented for adjustment, and the Bhattacharyya measurement was introduced to automatically find the best result. The third technique allows the detection of objects using descriptors called Oriented Gradient Histograms (HOG), which are invariant to geometric and photometric transformations of objects, making them appropriate for the recognition of shapes in images and videos, necessary for future developments in the seedling in image processing and Lún pattern recognition.PregradoIngeniero ElectrónicoResumen.....V Lista de figuras.....IX Lista de tablas..... XII Glosario.....XIII Introducción.....1 Planteamiento del problema.....3 Justificación.....3 Objetivo General.....4 Objetivos específicos.....4 Estado del arte.....4 1. Marco teórico.....5 1.1 Histograma.....5 1.1.1 Especificación del histograma.....6 1.2 Espacio De Color.....6 1.3 Distancia.....7 1.3.1 Bhattacharyya.....8 1.3.2 Chi-cuadrado.....8 1.3.3 Correlación.....8 1.3.4 Intersección.....9 1.3.5 Kullback-Leibler (KL).....9 1.3.6 Euclidiana.....9 1.4 Normalización.....9 1.4.1 Especificación del histograma.....11 1.4.2 Gradiente ponderado.....11 1.4.3 Gradiente medio.....12 1.5 Descriptor de características.....12 1.6 Vector gradiente.....12 1.7Histograma de gradientes orientados (HOG).....14 2. Comparación analítica de las medidas de distancia entre histogramas.....17 2.1 Indeterminación.....17 2.1.1 Chi-cuadrado.....18 2.1.2 KL.....18 2.2 Materiales.....19 2.3 Resultados.....19 2.4 Conclusiones.....24 3. Una nota sobre la normalización de intensidad basada en gradiente.....25 3.1 Materiales.....26 3.2 Metodología.....26 3.2.1 Ponderado suavizado.....27 3.2.2 Promedio suavizado.....28 3.3 Algoritmo.....28 3.4 Otras mejoras.....28 3.4.1 Selección de región de interés (ROI).....28 3.4.2 Corrección de saturación.....29 3.5 Resultados.....29 3.6 Conclusiones.....33 4. Método automático para el ajuste de luminosidad en regiones de interés en fotografía.....35 4.1 Materiales.....35 4.2 Metodología.....36 4.3 Resultados.....38 4.4Conclusiones.....42 5. Histograma de gradientes orientados (HOG).....44 5.1 Materiales.....44 5.2 Metodología.....45 5.3 Resultados.....49 6. Conclusiones.....53 Recomendaciones.....53 Bibliografía.....54 A. Anexo: Analytical Comparison of Histogram Distance Measures.....57 B. Anexo: A note on Gradient-Based Intensity Normalization.....67 C. Anexo: Automatic method for brightness adjustment in regions of interest in photography.....76103 páginasapplication/pdfArias Rubio, C. A.(2021).Identificación de objetos mediante técnicas HOG y medidas de distancia entre histogramas.[Trabajo de grado, Universidad de Ibagué]. https://hdl.handle.net/20.500.12313/5015https://hdl.handle.net/20.500.12313/5015spaUniversidad de IbaguéIngenieríaIbaguéIngeniería ElectrónicaN. Dalal y B. Triggs, «Histograms of Oriented Gradients for Human Detection,» Computer Vision and Pattern Recognition. IEEE Computer Society Conference, vol. 1, pp. 886-893, 2005.C. Novak y S. Shafer, «Method for estimating scene parameters from color histograms,» Journal of the Optical Society of America A, vol. 11, no 11, 1994.M. G. Forero, C. Arias-Rubio y B. T. González, «Analytical Comparison of Histogram Distance Measures,» Progress in Pattern Recognition, Image Analysis, Computer Vision, and Applications. CIARP 2018. Lecture Notes in Computer Science. Springer, Cham, vol. 11401, pp. 81-90, 2019.M. G. Forero, C. Arias-Rubio, J. Horta-Júnior y D. E. López , «A Note on Gradient- Based Intensity Normalization,» Pattern Recognition and Image Analysis. IbPRIA 2019. Lecture Notes in Computer Science. Springer, Cham, vol. 11867, pp. 161- 169, 2019.M. G. Forero y C. Arias-Rubio , «Automatic method for brightness adjustment in regions of interest in photography,» SPIE Optical Engineering + Applications, 2020. Proc. SPIE 11510, Applications of Digital Image Processing XLIII, 115101X, 21 Agosto 2020.R. K. McConnell, «Method of and apparatus for pattern recognition». U. S. Patente No. 4,567,610, 1986.W. T. Freeman y M. Roth, «Orientation histograms for hand gesture recognition,» Intl. Workshop on Automatic Face and Gesture-Recognition, IEEE Computer Society, Zurich, Switzerland, pp. 296-301, 1995.N. Dalal, Finding People in Images and Videos, Instituto Nacional Politécnico De Grenoble, Francia, 2006.P. F. Felzenszwalb, R. B. Girshick, D. McAllester y D. Ramanan, «Object detection with discriminatively trained part-based models,» Pattern Analysis and Machine Intelligence, IEEE Transactions, vol. 32, no 9, pp. 1627-1645, 2010.P. A. Marin, Estudio comparativo de medidas de distancia para histogramas en problemas de re-identificación, Universidad de Las Palmas De Gran Canaria, 2015.. L. Á. Ruiz Fernández, «Realce de imágenes en teledetección: (I) Operadores puntuales,» Universitad Politecnica de Valencia, 2018.A. Bhattacharyya, «On a measure of divergence between two statistical populations defined by their probability distribution,» Bulletin of the Calcutta Mathematical Society, vol. 35, p. 99–110, 1943.«OpenCV Histogram Comparison,» [En línea]. Available: http://docs.opencv.org/2.4/doc/tutorials/imgproc/histograms/histogram_comparison/ histogram_comparison.html. [Último acceso: 08 2020].S. Kullback, «The Kullback–Leibler distance,» The American Statistician, vol. 41, no 4, p. 340–341, 1987.S.-H. Cha y S. Srihari, «On measuring the distance between histograms,» Pattern Recognition Society, vol. 35, p. 1355–1370, 2002.J. C. Alvarado, V. F. Santamaria, C. K. Henkel y J. K. Brunso-Bechtold, «Alterations in Calretinin Immunostaining in the Ferret Superior Olivary Complex after Cochlear Ablation,» Journal of comparative neurology, vol. 470, p. 63–79, 2004.M. Sintorn, L. Bischof, P. Jackway, S. Haggarty y M. Buckley, «Gradient based intensity normalization,» Journal of microscopy, vol. 240, pp. 249-258, 2010.B. S. Manjunath, P. Salembier y T. Sikora, «Introduction to MPEG-7: Multimedia Content Description Interface,» Wiley & Sons, 2002.L. Weng, «Object Detection for Dummies Part 1: Gradient Vector, HOG, and SS,» [En línea]. Available: https://lilianweng.github.io/lil-log/2017/10/29/object- recognition-for-dummies-part-1.html. [Último acceso: 28 08 2020].«L2 norm,» Encyclopedia of Biometrics. Springer, Boston, MA, 2009.R. A. Romero, Sistema de detección y rastreo de personas en tiempo real para el Robot GOLEM II, Universidad Nacional Autónoma de México, 2015.W. S. Rasband, «ImageJ. U. S. National Institutes of Health, Bethesda, Maryland, USA (1997-2016),» [En línea]. Available: https://imagej.nih.gov/ij/. [Último acceso: 28 08 2020].I. Prashant, «Histogram comparison,» 2013. [En línea]. Available: https://es.scribd.com/doc/168216107/Histogram-Similarity. [Último acceso: 04 06 2020].M. Capek, L. Kubínová, K. Hána y P. Smrcka, «Compensation of the contrast and brightness attenuation with depth in confocal microscopy,» Proceedings of the 21st spring conference on Computer graphics, 2005.R. C. Gonzalez y R. E. Woods, Digital image processing, Pearson, third edition, 2009.G. Petschnigg, M. Agrawala, H. Hoppe, R. Szeliski, M. Cohen y K. Toyama, «Digital Photography with Flash and No-Flash Image Pairs,» Proc. ACM Siggraph, 2004.K. He, J. Sun y X. Tang, «Guided Image Filtering,» IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 35, pp. 1397-1409, 2013.«extractHOGFeatures,» MatLab, [En línea]. Available: https://www.mathworks.com/help/vision/ref/extracthogfeatures.html. [Último acceso: 28 08 2020].S. Mallick, «Histogram of Oriented Gradients,» 6 12 2016. [En línea]. Available: https://www.learnopencv.com/histogram-of-oriented-gradients/. [Último acceso: 28 08 2020].S. Baker, D. Scharstein, J. P. Lewis, S. Roth, M. J. Black y R. Szeliski, «A Database and Evaluation Methodology for Optical Flow,» International Journal of Computer Vision, vol. 92, pp. 1-31, 2011.«Flow-code-matlab,» [En línea]. Available: https://vision.middlebury.edu/flow/code/flow-code-matlab/. [Último acceso: 27 08 2020].info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Atribución-NoComercial 4.0 Internacional (CC BY-NC 4.0)https://creativecommons.org/licenses/by-nc/4.0/Técnicas HOG - Identificación de objetosHistogramas - Medidas de distanciaDistancias entre histogramasDistancia de BhattacharyyaHistogramas de gradientes orientadosNormalización de intensidadHistograma 2DMicroscopíaDensitometríaPerfiles de histogramaDistances between histogramsBhattacharyya distanceHistogram of oriented gradientIntensity normalization2D histogramMicroscopyDensitometryHistogram profilesIdentificación de objetos mediante técnicas HOG y medidas de distancia entre histogramasTrabajo de grado - Pregradohttp://purl.org/coar/resource_type/c_7a1fTextinfo:eu-repo/semantics/bachelorThesishttp://purl.org/redcol/resource_type/TPinfo:eu-repo/semantics/acceptedVersionPublicationORIGINALTrabajo de grado.pdfTrabajo de grado.pdfapplication/pdf5988274https://repositorio.unibague.edu.co/bitstreams/a40ba1af-fc2c-44f1-9cdd-b9d6303792f0/download08dcc438999aa8f91ea529aa2acec1d9MD51Anexos.zipAnexos.zipapplication/octet-stream4944871https://repositorio.unibague.edu.co/bitstreams/056b8399-0be5-4501-94c8-c4793ee9448d/download19f8b8a7bdea56b4cb05ccfbb86ed7d8MD53Formato de autorización.pdfFormato de autorización.pdfapplication/octet-stream1229647https://repositorio.unibague.edu.co/bitstreams/a8c8e7c7-bc1a-48de-986f-03989d0ae7c6/download4183a6413d326e5880527b6769d97277MD52LICENSElicense.txtlicense.txttext/plain; charset=utf-8134https://repositorio.unibague.edu.co/bitstreams/f240446e-36e6-4504-8b3a-aa25a54673b2/download2fa3e590786b9c0f3ceba1b9656b7ac3MD54TEXTTrabajo de grado.pdf.txtTrabajo de grado.pdf.txtExtracted texttext/plain102575https://repositorio.unibague.edu.co/bitstreams/04630a13-1bf9-46a7-9cb3-5113d9fe1b22/download6cc8362288e335660edda0d5be5613d5MD57THUMBNAILTrabajo de grado.pdf.jpgTrabajo de grado.pdf.jpgIM Thumbnailimage/jpeg6884https://repositorio.unibague.edu.co/bitstreams/a363def9-0a7e-444d-8a06-6d0c9f6fec2e/download5695ae0dd15480c46b589395189b732fMD5820.500.12313/5015oai:repositorio.unibague.edu.co:20.500.12313/50152025-08-13 01:12:59.781https://creativecommons.org/licenses/by-nc/4.0/https://repositorio.unibague.edu.coRepositorio Institucional Universidad de Ibaguébdigital@metabiblioteca.comQ3JlYXRpdmUgQ29tbW9ucyBBdHRyaWJ1dGlvbi1Ob25Db21tZXJjaWFsLU5vRGVyaXZhdGl2ZXMgNC4wIEludGVybmF0aW9uYWwgTGljZW5zZQ0KaHR0cHM6Ly9jcmVhdGl2ZWNvbW1vbnMub3JnL2xpY2Vuc2VzL2J5LW5jLW5kLzQuMC8=

Identificación de objetos mediante técnicas HOG y medidas de distancia entre histogramas

Publicaciones similares