“Detección de bordes en texturas Gaussianas mediante una medida de complejidad bayesiana local”

TOMÁS CRIVELLI; AGUSTÍN MAILING; BRUNO CERNUSCHI FRÍAS

Rosario, Argentina

Congreso; Reunión de Trabajo en Procesamiento de la Información y Control, RPIC 2009, 16 al 18 de Septiembre de 2009, Rosario, Argentina, ISBN 950-665-340-2, pp. 147-151.; 2009

Universidad Nacional de Rosario

Consideramos el problema declasificación de datos de imagen cuando cadaclase interviniente se describe mediante un modeloparamétrico de diferente orden. Un modelode orden mayor normalmente ajustará conun menor error, independientemente del ordenverdadero con que los datos fueron generados.El objetivo de este trabajo es obtenerun clasificador Bayesiano óptimo que tome encuenta la complejidad del modelo en el procesode decisión. El método propuesto incorpora untérmino de penalización del número de parámetrosdel modelo, dado por los coeficientes de lamatriz de información de Fisher. Luego se obtieneuna regla de decisión para el caso de distribucionesde Gibbs y se propone un métodode detección de bordes en texturas Gaussianas.