Diseño de un modelo neuronal para el reconocimiento de imágenes y color

Abstract

En este trabajo proyecto que se presenta tiene como finalidad el diseñar un Modelo Neuronal para el Reconocimiento de Imágenes y Color. El modelo neuronal es dinámico y multi-escala para la segmentación de imágenes en color. Basado en aspectos biológicos presentes en el sistema visual humano, el modelo combina información cromática y textural para segmentar las imágenes de forma coherente. La arquitectura del modelo diseñado está constituida por dos módulos principales: el Sistema de Color Oponente (Colour Opponent System, COS) y el Sistema de Segmentación Cromática (Chromatic Segmentation System, CSS). El módulo COS transforma la señal cromática de entrada RGB en las longitudes de onda de activación de los conos, fotorreceptores presentes en la retina de los mamíferos: longitud de onda larga (L), media (M) y corta (S), y en la señal de luminancia. Posteriormente, los dos tipos de células presentes en el módulo COS se encargan de componer procesos oponentes utilizando estas nuevas señales, generando el canal de luminancia y los canales L-M, S-(L +M). El módulo CSS incorpora los procesos de extracción de contornos y posterior difusión para lograr el resaltado coherente de las regiones de la imagen. La estructura del módulo CSS se basa en el modelo neuronal BCS/FCS, pero ampliado para permitir el procesamiento de los estímulos de color con el objetivo de conseguir una arquitectura de propósito general para la segmentación de imágenes con aplicaciones en visión artificial y reconocimiento de objetos. Las simulaciones realizadas muestran el potencial de estas características, los buenos resultados obtenidos y la robustez de la arquitectura al presentar imágenes de entrada con diferentes niveles de ruido. Para el módulo de reconocimiento se utiliza una estructura de Red Neuronal Fuzzy ARTMAP. Se procesaron imágenes partiendo de las imágenes patrones.