Extracción estadística de descriptores significativos para formas de objetos
John C. Russ, PhD, Profesor, Universidad Estatal de Carolina del Norte
F. Brent Neal, PhD, Científico investigador, Milliken & Company
La forma es un concepto difícil de comprender. Los humanos reconocemos muchas cosas diferentes en nuestro mundo basándose en la presencia o ausencia de características clave, que también debemos aprender a reconocer. Enseñar a las computadoras a clasificar objetos según su forma, o a medirla para correlacionarla con su historia o rendimiento, es una tarea clásicamente difícil. Es importante en la ciencia forense, las ciencias naturales, la ingeniería e incluso en tareas sencillas como el reconocimiento óptico de caracteres para leer textos impresos. Puede tratarse de identificar una clase de objetos, un individuo específico o una marca distintiva. Existe una amplia gama de herramientas matemáticas de medición que pueden caracterizar ciertos aspectos de la forma, incluyendo razones adimensionales, coeficientes de Fourier o wavelets, momentos invariantes y más. Sin embargo, determinar cuál de estas es la más apropiada o útil en un caso dado generalmente requiere recopilar un conjunto de datos de entrenamiento y analizarlo estadísticamente. Se utilizan diversas aplicaciones específicas, incluyendo objetos naturales y artificiales, para ilustrar el proceso mediante análisis discriminante y redes neuronales.
