Detección de puntos característicos en imágenes digitales

Abstract

El trabajo que se describe en esta tesis aborda el tema de la detección de puntos característicos en imágenes digitales. Los puntos característicos, también conocidos como puntos de interés o puntos clave son características espaciales que capturan información útil para tareas especializadas como el reconocimiento de objetos. El método que se utilizó para la detección de los puntos característicos es la transformada SIFT (Scale Invariant Features Transform). Funciona como un detector y descriptor de puntos característicos. En este trabajo se utilizó el método detector, el cual se centra en buscar puntos característicos en el denominado espacio-escala. El detector se divide en 3 etapas: etapa 1 descomposición de la imagen en octavas y escalas, etapa 2 diferencia Gaussiana y etapa 3 detección de máximos y mínimos. La implementación del algoritmo se realizó en la herramienta de software Matlab en su versión 8.4 R2014b. En la etapa experimental se emplearon tres categorías de imágenes: Instituto de Agro ingeniería, Laboratorio de Mecatrónica y Auditorio, estas imágenes se capturaron en un ambiente no controlable. Se utilizaron 5 ejemplos de cada categoría y se realizó un conteo del total de puntos característicos en cada imagen. De acuerdo con los resultados obtenidos se observó que la categoría donde se detectó un mayor número de puntos característicos fue el Laboratorio de Mecatrónica. Esto se debe a que en esta categoría interviene una mayor cantidad de elementos (como nubes, aves, vegetación y sombras).