Por favor, use este identificador para citar o enlazar este ítem: https://ri-ng.uaq.mx/handle/123456789/7948
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.rights.licensehttp://creativecommons.org/licenses/by-nc-nd/4.0es_ES
dc.contributorJesús Carlos Pedraza Ortegaes_ES
dc.creatorOsmar Antonio Espinosa Bernales_ES
dc.date2023-04-20-
dc.date.accessioned2023-04-24T17:33:31Z-
dc.date.available2023-04-24T17:33:31Z-
dc.date.issued2023-04-20-
dc.identifier.urihttps://ri-ng.uaq.mx/handle/123456789/7948-
dc.descriptionUna de las tareas más importantes en el área de la visión artificial es la adquisición de objetos 3D a partir de imágenes 2D. Entre los métodos utilizados para este fin se encuentra la llamada perfilometría de franjas que permite, mediante la proyección de un patrón de franjas sobre un objeto, obtener la forma del objeto, que, aplicada con técnicas de correspondencia de píxeles, reconstruye el objeto 3D. Dada la rapidez y sencillez de un sistema de obtención de imágenes con el método de pefilometría de franjas aplicando un patrón de desplazamiento de 3 pasos, que captura 3 imágenes para su reconstrucción 3D, esta técnica ha dado lugar a investigaciones para mejorar dicho sistema o un pre-procesado adicional de imágenes para obtener objetos 3D de forma rápida y lo más parecida al objeto original. Usando técnicas de pre-procesamiento de imágenes es posible mejorar la reconstrucción de objetos 3D generando objetos más suaves con superficies cercanas al objeto real. El uso de redes neuronales convolucionales con un conjunto de imágenes pre-procesadas para mejorar la generación de objetos 3D nos permite obtener objetos 3D de forma más rápida y automática, aumentando la precisión de los sistemas generadores de objetos 3D. Con el pre-procesado aplicado a imágenes que contienen información 2D de objetos 3D reales, es posible mejorar la reconstrucción 3D utilizando el sistema para obtener objetos de cualquier forma y tamaño.es_ES
dc.formatAdobe PDFes_ES
dc.language.isospaes_ES
dc.publisherIngenieríaes_ES
dc.relation.requiresSies_ES
dc.rightsAcceso Abiertoes_ES
dc.subjectIngeniería y Tecnologíaes_ES
dc.subjectCiencias Tecnológicases_ES
dc.subjectCiencia de los ordenadoreses_ES
dc.titleReducción de ruido periódico en imágenes obtenidas por perfilometría usando técnicas de aprendizaje profundo para reconstrucción de objetos 3Des_ES
dc.typeTesis de maestríaes_ES
dc.creator.tidORCIDes_ES
dc.creator.identificador0000-0002-6730-2009es_ES
dc.contributor.roleDirectores_ES
dc.degree.nameMaestría en Ciencias en Inteligencia Artificiales_ES
dc.degree.departmentFacultad de Ingenieríaes_ES
dc.degree.levelMaestríaes_ES
Aparece en: Maestría en Ciencias en Inteligencia Artificial

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
RI007272.pdf2.22 MBAdobe PDFPortada
Visualizar/Abrir


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.