Data driven synthesis of composite feature detectors for 3d image analysis

El trabajo presentado en esta tesis es un intento de cubrir el espacio entre los multiples detectores de caracteristicas simples que existen para datos volumetricos y las tecnicas de procesamiento de alto nivel, El metodo desarrollado ofrece tanto un modelo de representacion como una tecnica para la deteccion de caracteristicas de bajo nivel, a las que llamamos patrones visuales. Los patrones visuales, definidos aqui como composicion de caracteristicas elementales de frecuencia y orientacion, ofrecen una descripcion mas completa de las caracteristicas de una imagen que las producidas por detectores de caracteristicas simples. Para su deteccion, proponemos el uso de una estrategia de descomposicion-integracion de proposito general y totalmente conducida por datos, i.e., que no utiliza informacion a priori. Esto implica, en primer lugar, el desarrollo de un modelo para la descomposicion de una imagen 3D en un conjunto de caracteristicas elementales, que debe producir una representacion exhaustiva de la imagen. Con este fin, adoptamos un esquema multirresolucion, en el que las caracteristicas elementales, que llamamos caracteristicas de frecuencia, estan sintotizadas a diferentes escalas y orientaciones. Por su parte, la etapa de integracion consiste en determinar cuales son las caracteristicas de frecuencia asociadas a cada patron visual y reintegrarlos, generando asi una representacion separada de esos patrones. Esta etapa se plantea como un problema de agrupamiento o clustering no supervisado, basado en una medida de distancia entre caracteristicas de frecuencia que refleja el criterio de integracion de caracteristicas. Varios autores sostienen que en el sistema visual humano la integracion de caracteristicas esta basada en la Congruencia de Fase que presentan. Este es el criterio utilizado en este trabajo.