Algoritmo de eigenfaces

• Una imagen como vector con ancho y alto.

1. Normalización o pre procesado. buscar
los factores que determinen similitudes
2. Calculo de las eigefaces se realiza el PCA
3. Las eigefaces forman un conjunto
ortogonal para hallar la proyección de
una imagen sobre ella basta con realizar
el producto escalar.
PCA Análisis De Componentes
Principales
• es un método optimo para reducir el
numero de dimisiones necesarias
para representar la imagen como un
conjunto de vectores.
•.
• Ejemplo:
• Cuando comprimimos una imagen
Análisis discriminante lineal
• Identificar las características que
permite diferenciar a dos o mas
grupos de sujetos .
• Distinguir de una manera precisa a los
dos grupos
Análisis de componente
independiente
• Búsqueda de vectores de proyección
en los que las características son más
independientes entre sí
Análisis de características
locales
• Es una propiedad que describe las
propiedad de un pixel relación a su
vecindad
• Proporcionan información sobre
estructuras relevaste de la imagen
tales como regiones o contornos
Elastic Bunch Graph Matching
• Colocar los puntos manual
Máquinas de Vectores de Soporte
• Minimizar los errores de clasificación

Redes Neuronales

• Las RNA pueden modificar su

comportamiento como respuesta a su
entorno
Biométrica
• La permanencia de los rasgos
biométricos tampoco se puede
conservar en todo momento
Visión estereoscópica
• La estereopsis es el fenómeno físico
de la percepción de profundidad,
lejanía o cercanía de los objetos
• Utiliza dos cámaras CCD o CMOS
Reconstrucción tridimensional
mediante proyección de franjas
• Reconstrucción 3D
• Video proyección
• Las imágenes tienen una resolución
de 1280X1024 píxeles y una
profundidad de color de 8 bits.