Bond flow data

El primer paso en el proceso de atención visual trata sobre la descomposición de la imagen en características relevantes las cuales a su vez responden a estímulos relacionados con la ori- entación, color, intensidad y forma del objeto. Dichos rasgos también son conocidos como las dimensiones o características y corresponden a la teoría de la integración de características de Treisman. Dicho análisis permite resaltar en la imagen los aspectos anteriormente menciona- dos para posteriormente realizar una serie de procesos que permitan señalar la información relevante al proceso de atención visual.

Mapa visual de color

El propósito principal de construir un mapa visual de color VMC, es crear una imagen que

contenga informacion relevante en la dimensión asociada al color de la imagen. De esta manera, la imagen de entrada es transformada por los operadores visuales que se calculan a través de un proceso evolutivo descrito en el siguiente capítulo y que llamamos operador

visual evolucionado (EVOC

6

). De esta forma, un EVOC se diseña a partir de un proceso

evolutivo con el fin de extraer las características más significativas de la imagen evaluada; en este caso la característica de color. Por lo tanto, el proceso evolutivo correspondiente está compuesto de una serie de funciones y terminales al igual que la programación genética, para así generar las operaciones visuales de la dimensión de color; el proceso de evolución se detalla en el siguiente capítulo. A continuación mostramos a manera de ejemplo el resultado del proceso de evolución para el operador visual EVOC que extrae la información de color.

Así el EVOC obtenido parte del resultado de una evolución en el modelo donde las funciones

y terminales que se obtienen del mapa visual de color conforman la siguiente fórmula:

EV OC = (rgopon(I) +rgopon(I))∗Ig (4)

En el ejemplo anterior, se observa que la mejor combinacion de funciones y terminales para obtener el VMC, es resultado del producto de la banda de color verde de la imagen mul-

tiplicado por la suma de Oponencia Rojo-Verde junto a la Oponencia Rojo-Verde. El proceso evolutivo, en este caso, toma una imagen de entrada para la detección de un dinosaurio; ver Figura14.

Mapa visual de orientación

El mapa visual de orientacion VMOresulta de aplicar el EVOOa la imagen a color de entrada.

Este operador se calcula a partir del mismo proceso de evolución que el VMC. Sin embargo,

las funciones y terminales son diferentes a fin de optimizar de una manera específica la extracción de información en orillas y esquinas que aparecen en la imagen de entrada. Como resultado, los valores de los elementos del mapa visual MVO se calculan y las características

prominentes de la dimensión de orientación son identificadas. De esta forma podemos decir que la programacion cerebral aplica las funciones y terminales correspondientes a fin de sintetizar las mejores características de orientación que son útiles para la tarea de atención visual deseada. A continuación mostramos el resultado de evolución la cual muestra una formulación sencilla y que corresponde a las mejores funciones de VMO para obtener el mejor

VMO y que es sólo una parte del individuo a evolucionar.

EV OO =Gσ=2(Iy) (5)

Como se puede observar, el mapa visual calculado con EVOO, corresponde a una función

matemática muy simple que es la convolución de un filtro Gaussiano de sigma dos aplicado al componente de color amarillo de la imagen. De esta forma al igual que el VMC, podemos

decir que el VMO es el resultado del aprendizaje sobre una base de imágenes diseñadas para

detectar un dinosaurio en una imagen; ver Figura 14.

Mapa visual de forma

El operador utilizado para calcular el mapa visual, EVOS, se evoluciona de igual manera

con la técnica de programación genética para extraer información de forma de la imagen de entrada. Así, el mapa visual de forma (VMS) provee características como la forma y

estructura del objeto de interés dentro de la imagen. Nótese que las funciones propuestas son obtenidas aplicando a la imagen morfología matemática. La idea de utilizar información de forma en el modelo reflejado en el trabajo de investigación del grupo de EvoVisión puede ser considerado como el primero en utilizar el procesamiento morfológico sobre la imagen dentro del modelado de la corteza visual. A continuación mostramos a manera de ejemplo el resultado obtenido de la evolución realizada sobre el operador visual de forma.

EV OS =erode(Iy) (6)

En este caso, la evolución sugiere que para el VMS sólo se erosione la componente Y

del espacio de color CMY K. Así al igual que los resultados en las dimensiones de color y orientación, VMC y VMO, este resultado coopera en la detección del dinosaurio sobre la

imagen; ver Figura14.

Mapa Visual de Intensidad

La operación que se utiliza para obtener el mapa visual de intensidad (VMI) no se obtiene

Color Orientation Shape Intensity

Visual Map Visual Map Visual Map Visual Map

V MC=V OC(Icolor)V MO=V OO(Icolor) V MS=V OS(Icolor) V MInt= (Ir

+Ig+Ib

3 )

Figura 14: Proceso de obtención de los mapas visuales (VMs). Cada una de las características

correspondientes a cuatro dimensiones se obtienen en base a operadores visuales. Dichos operadores se calculan a través de un proceso evolutivo descrito en el siguiente capítulo. correspondiente a su definición. Es decir, el mapa visual de intensidad se calcula obteniendo el promedio de las 3 bandas de color, R, G y B; ver Figura 14.