Maestría en Ingeniería de Sistemas e Informática

Permanent URI for this collection

https://noesis.uis.edu.co/handle/20.500.14071/9010

Browse

Now showing 1 - 20 of 22

Algoritmo de clasificación para estimación de la profundidad de cavings a partir de información de recortes de perforación
(Universidad Industrial de Santander, 2013) Galvis Carreño, Laura Viviana; Arguello Fuentes, Henry; Corzo Rueda, Reinel
La clasificación de imágenes naturales es un reto actual en aplicaciones de reconocimiento de patrones. Las Imágenes de rocas son un ejemplo de estas imágenes naturales y su análisis es escencial en industrias como la minera y petrolera. En el área de perforación de pozos, los avances en el procesamiento de datos han sido grandes debido al auge de las tecnologías y a la inversión en investigación que realiza esta industria. Actualmente, se realizan mediciones y monitoreos en tiempo real y se toman decisiones basadas en los resultados obtenidos de procesar e interpretar datos tomados por diferentes herramientas dentro del pozo. Un problema que se presenta comúnmente durante procesos de perforación es el colapso de las paredes del pozo. Para estimar la procedencia de los cavings cuando se presenta un derrumbe en pozo se requiere determinar su profundidad. Aunque diversas técnicas de procesamiento de imágenes han sido aplicadas en la industria petrolera, no están documentadas en la literatura la estimación de la profundidad de derrumbes o cavings en pozos petroleros. El presente trabajo buscó estimar las profundidades de los cavings a través de la clasificación del mismo en una clase que lo relaciona a determinada profundidad. Para hacerlo, se siguió un proceso de adquisición, pre-procesamiento, extracción de características y clasificación. Para esta última, se desarrollaron dos métodos, el primero, un método tradicional basado en la distancia euclideana y el segundo, un nuevo método basado en reglas heurísticas que basa su decisión en la comparación entre las características más representativas de cada clase. El desempeño en la clasificación obtenido de 91.2% permite establecer un modelo matemático para la estimación de la profundidad de cavings basado en textura, las técnicas y métodos presentados pueden ser aplicados directamente en problemas de clasificación de imágenes de rocas.
Algoritmo de fusión de imágenes espectrales en el dominio comprimido para el aumento de la resolución espacio-espectral
(Universidad Industrial de Santander, 2017) Espitia Mendoza, Oscar Javier; Arguello Fuentes, Henry
Los sensores de compresión de imágenes espectrales reducen el número de píxeles muestreados mediante la combinación de información espectral codificada de una escena en proyecciones bidimensionales. Sin embargo, el muestreo de datos comprimidos con alta resolución espacial y alta resolución espectral, simultaneamente, demanda la disposición de sensores de alta resolución, que pueden ser costosos. Este trabajo introduce un modelo que permite fusionar información de diferentes sensores de compresión con alta resolución espacial, pero baja resolución espectral, con la de sensores de alta resolución espectral, pero baja resolución espacial. Basado en este modelo, el proceso de fusión de medidas comprimidas es formulado como un problema inverso; que minimiza una función objetivo definida como la suma de términos cuadráticos de fidelidad con los datos, y terminos de penalización por suavidad y baja densidad; que es resuelto siguiendo el espíritu del método de dirección alternada de multiplicadores (ADMM, de su sigla en inglés). Los parámetros de los diferentes sensores son optimizados y el principio de baja densidad es estudiado para mejorar la calidad de las reconstrucciónes. Los resultados de las simulaciones con datos reales y simulados, con diferentes sistemas de compresión de imágenes, permmiten apreciar la calidad del método de fusión propuesto.
Algoritmo para caracterización de rocas por medio de imágenes de tomografía computarizada
(Universidad Industrial de Santander, 2017) Barajas Solano, Crisostomo Alberto; Arguello Fuentes, Henry
El uso de Tomografía Computarizada de doble energía en muestras de roca permite visualizar su estructura interna, propiedades básicas, flujo de fluidos y fenómenos asociados al desplazamiento de crudo debido a agentes de recobro mejorado, de manera no invasiva y no destructiva, en comparación con las técnicas clásicas reportadas en la literatura. Este proyecto de investigación propone la estimación de propiedades petrofísicas estáticas y dinámicas de una muestra de roca, obtenida de un yacimiento de crudo, mediante el uso de tomografía computarizada, con el objetivo de apoyar la selección de la técnica de recobro mejorado a aplicar en una determinada formación de interés. El presente trabajo de investigación se enmarca dentro de la convocatoria de Colciencias 531-2011 Técnicas avanzadas de imágenes en medios presentado por la Universidad Industrial de Santander, en alianza con ECOPETROL S.A. 1
Algoritmo para el aprendizaje de una red bayesiana que represente una red de regulación de la expresión genética basado en optimización por colonia de hormigas
(Universidad Industrial de Santander, 2012) Cardozo Ojeda, Erwing Fabian; Arguello Fuentes, Henry; Arteaga, Herman Jose
La información biológica obtenida a partir de muestras del nivel de expresión genética, contiene gran cantidad de incertidumbre, pues implica información relativa a interacciones moleculares. Dicha información puede ser representada por medio de redes bayesianas y reconstruida a través de algoritmos heurísticos los cuales operan entre clases de equivalencia. Este documento propone un algoritmo de aprendizaje basado en búsqueda Greedy y modelos de búsqueda inspirados en hormigas competitivas. Los resultados mostraron que para redes pequeñas, el algoritmo puede obtener estructuras con menos interacciones erróneas que los algoritmos en la literatura, con mayor o igual probabilidad y con un orden de complejidad menor. Al aproximar una red biológica, los resultados para un microarreglo obtenido por muestras de pacientes con Leucemia Mieloide Aguda (LMA) aproximaron interacciones como potenciales interacciones biológicas directas, indirectas o inversas. Este último resultado es de gran importancia en la contribución de la generación de conocimiento en la investigación de genes que interactúan en relación con enfermedades tales como la AML
Algoritmo superresolución aplicado a imágenes espectrales adquiridas mediante la técnica de compressive sensing
(Universidad Industrial de Santander, 2012) Rueda Chacón, Hoover Fabian; Arguello Fuentes, Henry
Los sistemas ópticos para la obtención de imágenes basados en aperturas codificadas se encuentran a la vanguardia del modelado óptico debido a que permiten capturar la información espectral de una escena tridimensional en una única medicion bidimensional, a diferencia de los instrumentos ópticos basados en ranuras que deben escanear la región completa línea por línea. El sistema de adquisición de imágenes espectrales basado en apertura codificada de única captura (CASSI) es una sobresaliente arquitectura óptica, la cual sensa la informacion spectral de una escena real utilizando los conceptos fundamentales de compressive sensing (CS). El objetivo de este trabajo es transformar escenas de alta resolución en señales comprimidas capturadas por detectores de baja resolución. Super-resolución espacial y espectral son logradas a través de la solución de problemas inversos a partir de un conjunto de mediciones codificadas de baja resolución. En este proyecto, se presentan dos modelos ópticos complementarios para super-resolución espacial y espectral (SR-CASSI). Estos modelos permiten la reconstrucción de cubos de datos hyper-espectrales super-resueltos, donde el número de bandas o planos espectrales y resolución espacial son aumentadas significativamente. Los sistemas propuestos no solo ofrecen ahorros significativos en tamaño, peso y energía, sino además en costos debido a que detectores de baja resolución pueden ser utilizados. Los resultados de las simulaciones del sistema propuesto muestran un mejoramiento de mas de 4 dB en relación señal a ruido (SNR) para el modelo de super-resolución espacial y un cubo de datos cuatro veces más resuelto espectralmente. Los resultados también muestran que el SNR de los cubos de datos reconstruidos con detectores de baja resolución realizando capturas adicionales, se acercan al SNR obtenido utilizando detectores de alta resolución.
Classification of hyperspectral images based on convolutional neural networks and spectral unmixing
(Universidad Industrial de Santander, 2020) Pinto Barrera, Jhon Edward; Arguello Fuentes, Henry; Ramírez Rondon, Juan Marcos
Las imágenes hiperespectrales (HSIs) corresponden a cubos de datos que contienen información espacial de una escena a lo largo del espectro electromagnético. En general, estas imágenes se han usado para identificar diferentes características de las escenas gracias a su alto contenido espectral, estas han favorecido el desarrollo de aplicaciones como, la detección de enfermedades en cultivos y la discriminación de materiales presentes en una escena. En particular, el análisis de las firmas espectrales de diversos tipos de vegetación ha permitido obtener información sobre el estado y el crecimiento de los cultivos agrícolas. En este sentido, la clasificación de HSIs es una tarea desafian te, debido a que, las firmas adquiridas son afectadas por diversos factores, tales como, los cambios en los niveles de iluminación e incertidumbres de los equipos de medición. Además, la mayoría de los métodos de clasificación no consideran la mezcla del contenido espectral de múltiples materiales en un único píxel. Para superar esta limitación, las técnicas de desmezclado espectral han emergido para estimar la contribución de los diferentes materiales en un único píxel. Por otro lado, las redes neuronales convolucionales (CNN) son estructuras de aprendizaje profundo que han demostrado un notable rendimiento en tareas de clasificación de información visual. Estas arquitecturas típicamente están conformadas por capas convolucionales, capa de funciones de activación no lineal, capa de agrupamiento y una capa completamente conectada, que ejecuta la tarea de clasificación multiclase. En este trabajo, se propone un enfoque de clasificación de HSIs mediante el uso de un método de desmezclado espectral y CNN. Específicamente, el método propuesto utiliza los mapas de abundancia extraídos de una HSI como entrada a una CNN. El propósito de este trabajo es aprovechar las ventajas del desmezclado espectral, incluyendo la descomposición a nivel de sub-píxeles, la reduc ción de la dimensionalidad y el rendimiento notable de las CNN. El método propuesto se verificó a través de cuatro conjuntos de datos de HSIs tradicionales, como Pavia University, Salinas Valley, Indian y la Oil Palm. Asimismo, el método de clasificación propuesto presenta un mejor rendimiento de clasificación en términos de precisión general comparado con diferentes métodos de clasificación de la literatura, tales como, máquina de soporte vectorial (SVM, del inglés Support Vector Machine), máquina de soporte vectorial con función de base radial (SVM-RBF, del inglés Support Vector Ma chine - Radial Basis Function) y por último el método de vecinos más cercanos (K-NN, del inglés k-nearest neighbors algorithm).
Coded aperture design for compressive spectral imaging subspace clustering
(Universidad Industrial de Santander, 2018) Hinojosa Montero, Carlos Alberto; Arguello Fuentes, Henry
Los sistemas de adquisicion de imágenes espectrales basados en la técnica de muestreo compresivo (CSI por su sigla en ingles), obtienen proyecciones codificadas de las firmas espectrales aplicando diferentes patrones de codificacion. Una vez acquiridas las medidas comprimidas, el paso a seguir conmunmente consiste reconstruir la imagen espectral original. En la literatura de CSI, distintos trabajos se han centrado en mejorar la calidad de la reconstruccion mediante el diseño adecuado de los patrones de codificacion. Sin embargo, la reconstrucción de la escena subyacente no es estrictamente necesaria para realizar distintas tareas de procesamiento. Por ejemplo, suponiendo que los p´ıxeles espectrales asociados a clases diferentes conservan su desemejanza despues de ser comprimidos, los metodos ´ de clasificacion no supervisada ( ´ clustering) pueden aplicarse directamente con el objetivo de separar dichos p´ıxeles en grupos diferentes o clusters, sin la necesidad de reconstuir la imagen espectral. En este trabajo, se propone un metodo para realizar clustering con medidas comprimidas obtenidas mediante CSI. En particular, se propone el diseno de un conjunto optimo de patrones de codificación de manera que la desemejanza entre píxeles de diferentes clases se preserve despues de la proyeccion de la escena. Luego, para realizar la clasificación de los datos comprimidos se propone un algoritmo de clustering basado en el modelo de Sparse Subspace Clustering (SSC), el cual tiene en cuenta la correlacion espacial existente entre firmas espectrales. Se realizaron diferentes simulaciones para validar el metodo de clasificación propuesto. En general, se obtuvo una precisión global del 73.07%, 80.12% y del 83.81% utilizando las imagenes espectrales de “Indian Pines”, ´ “Salinas” y “Pavia University”, respectivamente, anadiendo ˜ 25 dB de relacion señal ˜ / ruido a las mediciones comprimidas.
Codificación conjunta de fuente-canal : mapeos de shannon-kotel'nikov sobre radio definido por software
(Universidad Industrial de Santander, 2013) Pino Gallardo, Sergio Antonio; Arguello Fuentes, Henry; Rojas Morales, Fernando A.
La codificación Conjunta de Fuente-canal (JSCC) ha sido introducida como una alternativa a la transmisión tradicional de señales analógicas, tales como imágenes y video, a través de canales inalámbricos. Los sistemas JSCC han demostrado no sólo rendimiento cercano al óptimo para altas velocidades de datos, sino también la capacidad para hacer frente a diferentes calidades de canal a una complejidad muy baja. Del mismo modo, la técnica de Compressive Sensing (CS) es una alternativa al enfoque tradicional de muestreo de una señal utilizando la tasa de Nyquist. CS simultáneamente muestrea y comprime una imagen mediante la explotación de la propiedad de dispersión de las señales para adquirir información relevante y solo genera una cantidad mínima de muestras, que es mucho menor que en los enfoques tradicionales. Este trabajo explora una implementación de un banco de pruebas basada en radio definido por software que combina la técnica de CS y JSCC para crear un nuevo enfoque para la transmisión de imágenes. Además, se presenta el diseño e implementación de un sistema de banco de pruebas flexible que cubre algunos problemas de sincronización. Adicionalmente, se presenta una arquitectura distribuida de software que define el flujo de control, la descomposición en subsistemas, y la asignación de hardware de la plataforma de pruebas. Las medidas experimentales realizadas muestran que el rendimiento corresponde al originalmente reportado por simulaciones para valores de SNR por debajo de 35 dB.
Diseño de aperturas codificadas adaptativas en escala de grises para una arquitectura compresiva multicaptura de imágenes espectrales
(Universidad Industrial de Santander, 2015) Díaz Díaz, Nelson Eduardo; Arguello Fuentes, Henry; Rueda, Hoover Fabian
Las Imágenes Multiespectrales (IM) constituyen una importante área de investigación en agricultura, sensado remoto y medicina. Las arquitecturas convencionales de muestreo de IM captan todo el cubo de datos. En contraste, la arquitectura para el sensado de IM de manera compresiva (CASSI) miden proyecciones compresivas de una escena, las cuales son la entrada de los algoritmos de reconstrucción, los cuales recuperan el cubo de datos subyacente. El elemento clave de las arquitecturas para el muestreo de IM son las aperturas codificadas, las cuales se diseñan para mejorar la calidad de las imágenes reconstruidas. Las aperturas codificadas modulan la luz que ingresa al sistema, la cual es descompuesta por el elemento dispersivo y finalmente se obtienen las medidas comprimidas cuando la luz entrante incide en el arreglo de detectores codificando así el cubo de datos. Sin embargo, el rango dinámico en el arreglo de detectores es limitado, lo que provoca la saturación. En particular, la saturación es un problema crítico en las arquitecturas de muestreo compresivo de IM porque las medidas producen errores no acotados. Los errores reducen la calidad de la reconstrucción. De acuerdo, al estado del arte en arquitecturas compresivas de IM, el problema de saturación en el arreglo de detectores no ha sido abordado aún. En este trabajo de investigación se propone el diseño y el uso de las aperturas codificadas adaptativas en escala de grises para el muestreo compresivo de IM. Específicamente, un filtro adaptativo cuantifica las entradas saturadas del arreglo de detectores creando una matriz de pesos. La matriz de pesos se utiliza para atenuar la apertura codificada reduciendo la transmitancia en las entradas de la apertura codificada. Las simulaciones realizadas muestran mejoras en la calidad de la imagen reconstruida obtenida mediante el método propuesto en hasta 11 dB en PSNR comparado con las aperturas codificadas binarias, comúnmente utilizadas.
Diseño de aperturas codificadas para el muestreo compresivo de imágenes de tomografía computarizada
(Universidad Industrial de Santander, 2016) Cordoba Carreño, German Eduardo; Arguello Fuentes, Henry
La tomografía computarizada es un método no invasivo con el que se obtienen imágenes de la estructura interna de un objeto en una sección transversal especifica. Esta técnica permite escanear el objeto en diferentes puntos generando imágenes bidimensionales con las que se pueden realizar reconstrucciones volumétricas. La fuente que genera los rayos-X en el sistema de tomografía computarizada genera radiación ionizante que tiene la energía suficiente para desplazar electrones de las moléculas, los electrones libres producidos por este desplazamiento, a su vez, pueden da˜nar las células humanas, por tanto la National Research Council of the Natural Academies busca que para contrarrestar la exposición injustificada a la radiación, se optimicen los procedimientos que implican exposición. El proceso de muestreo tradicional de tomografía computarizada está basado en el teorema de Nyquist-Shannon, pero con el fin de disminuir el nímero de muestras necesarias para reconstruir una imagen de tomografía computarizada en los íltimos a˜nos ha surgido la teoría del muestreo compresivo el cual establece que es posible obtener imágenes o se˜nales a partir de un nímero menor de mediciones que las impuestas por el criterio de Nyquist-Shannon. Es posible implementar la teoría de muestreo compresivo en un sistema de adquisición de imágenes de tomografía computarizada, incluyendo elementos que permitan codificar las medidas para la toma de muestras comprimidas, como las aperturas codificadas. En este trabajo de investigación se propone el dise˜no y el uso de aperturas codificadas para el muestreo compresivo de imágenes de tomografía computarizada.
Diseño de aperturas de codificación para la adquisición compresiva de imágenes espectrales dinámicas
(Universidad Industrial de Santander, 2017) Leon Lopez, Kareth Marcela; Arguello Fuentes, Henry; Galvis Carreño, Laura Viviana
Los sistemas de adquisici´on de v´ıdeo espectral compresivo permiten obtener informaci´on espacial, espectral y temporal a trav´es de la codificaci´on y dispersi´on de los rayos incidentes usando una apertura de codificaci´on y un elemento dispersor, respectivamente. Las aperturas codificadas de color (CCA) se han introducido en sistemas de adquisici´on compresiva de im´agenes espectrales implicando estrategias de codificaci´on m´as significativas. A pesar de que el uso de la CCA ofrece ventajas significativas y podr´ıa aplicarse tambi´en a la adquisici´on de video espectral compresivo, esta ´ultima aplicaci´on presenta a´un diversos desaf´ıos originados por la variable temporal. Durante la reconstrucci´on de v´ıdeo, algunos artefactos producidos por el movimiento de la escena obtienen alias da˜nando los datos. Como resultado, se han propuesto enfoques de reconstrucci´on basados en m´ultiples resoluciones para aliviar el aliasing y mejorar la reconstrucci´on de video. Sin embargo, estos enfoques se han enfocado en arquitecturas de multiplexaci´on espacial o temporal mientras descartando la informaci´on espectral en el video. En este trabajo, se propone un enfoque de codificaci´on y reconstrucci´on para un sistema de adquisici´on de video espectral compresivo. Para la codificaci´on, se propone un algoritmo que dise˜na las aperturas de codificaci´on explotando la matriz de muestreo usando la propiedad de coherencia. Los patrones dise˜nados permiten muestrear la informaci´on espacial, espectral y temporal de una manera uniforme tal que cada fotograma espectral se muestrea espacialmente al menos una vez. Para la reconstrucci´on, se propone un enfoque de reconstrucci´on basado en multiresoluci´on en el sistema de multiplexaci´on espectral CASSI (extendido al video) que permite extraer estimaciones de flujo ´optico para abordar una reconstrucci´on de mayor calidad. Los experimentos computacionales realizados sobre cuatro videos espectrales diferentes muestran una mejora de hasta 4 dB en t´erminos de relaci´on pico-se˜nal a ruido (PSNR) en la calidad de reconstrucci´on con el enfoque multiresoluci´on utilizando los patrones dise˜nados con respecto a estructuras aleatorias.
Diseño de matrices de sensado en compresión de imágenes espectrales usando análisis de componentes principales
(Universidad Industrial de Santander, 2018) Monsalve Salazar, Jonathan Arley; Arguello Fuentes, Henry
La tecnica de adquisición compresiva de imágenes espectrales (CSI, compressive spectral imaging) aprovecha los principios de la teoría de muestreo compresivo (CS,Compressive sensing) en la adquisicion de imágenes espectrales tal que permite reconstruir una señal usando una cantidad reducida de medidas en comparación con técnicas tradicionales. Una caracter´ıstica importante en CSI es el protocolo de muestreo, por esta razon, ´ su diseno es abordado en este trabajo. La coherencia y la propiedad de isometr ˜ ´ıa restrictiva han sido estudiadas con el fin de producir matrices de muestreo universales, esto quiere decir, sin tener en cuenta los datos adquiridos para guiar el proceso. Por otro lado, el uso de mediciones adaptativas puede mejorar los resultados de reconstruccion, dado que estos toman ventaja de la información en la escena para guiar el ´ proceso de adquisicion. Por otra parte, el análisis de componentes principales (PCA, ´ Principal Component analisys) se ha usado satisfactoriamente en problemas de reduccion dimensional, por lo tanto, se puede usar esta técnica para dise ´ nar las medidas ˜ adaptativas dado que CSI incluye un proceso de reduccion dimensional. Por esto, se ´ propone un algoritmo para disenar las matrices de muestreo de algunos sistemas CSI ˜ usando PCA, con el objetivo de reducir el error cuadratico medio entre las medidas y ´ las datos reales. Para realizar el diseno adaptativo de las matrices, los vectores propios ˜ son estimados directamente de las medidas comprimidas. Simulaciones computacionales muestran una mejora de hasta 4 dB en PSNR (peak signal to noise ratio) comparado con reconstrucciones obtenidas a partir de medidas aleatorias.
Diseño de un sistema basado en la teoría de muestreo compresivo, para la adquisición de la estructura tridimensional y respuesta espectral de la superficie de un objeto usando luz estructurada
(Universidad Industrial de Santander, 2018) Diaz Plata, Elkin David; Arguello Fuentes, Henry; Meneses Fonseca, Jaime Enrique
En los últimos años se ha buscado incrementar la cantidad de datos que una cámara es capaz de capturar sobre una escena tales como la información espectral, temporal y tridimensional. La información espectral es obtenida a través de sensores especializados que permiten adquirir la respuesta espectral de un objeto en cada posición espacial. Esta información es ampliamente usada en campos como la agricultura y la inspección en la calidad de alimentos. Generalmente, estos cubos contienen una gran cantidad de datos compresibles. Por esto, técnicas como el muestreo compresivo pueden ser utilizadas para obtener imágenes espectrales con una alta probabilidad usando menos muestras comparadas con las requeridas por el criterio de muestreo de Nyquist. Los datos espectrales asociados con la información espacial bidimensional (2D) proporcionan un medio útil para la identificación y caracterización de objetos. Sin embargo, en aplicaciones industriales (metrología, automóvil), actividades como la arqueología, arquitectura, ingeniería, y entretenimiento (en la producción de películas y videojuegos) es necesaria una estructura tridimensional para realizar una caracterización e identificación completa del objeto. La luz estructurada es un método que a través de la proyección, deformación y captura de patrones de luz de un objeto permite reconstruir una estructura tridimensional. Teniendo en cuenta las ventajas de la técnica de muestreo compresivo en la reducción de la cantidad de datos a capturar en un modelo tridimensional espectral 4D, la presente tesis de investigación introduce el diseño y simulación de un sistema basado en la teoría de muestreo compresivo para la adquisición simultánea de la estructura 3D y respuesta espectral de la superficie de un objeto usando luz estructurada.
Diseño y optimización de aperturas codificadas dentro de un sistema compresivo de superresolución de tomografía computacional de Rayos-X
(Universidad Industrial de Santander, 2017) Mojica Rodriguez, Edson Fabian; Arguello Fuentes, Henry
La Tomograf´ıa Computarizada de rayos-X (TC) es una herramienta no destructiva para visualizar el interior de un objeto. Los sistemas de TC se usan en el control de calidad de forma industrial, la detecci´on elementos explosivos, la investigaci´on biom´edica y el diagn´ostico m´edico. Para mejorar el resultado de un diagn´ostico o investigaci´on, existe la necesidad de alta resoluci´on en sistemas generadores de im´agenes y la TC tiene limitaciones por la radiaci´on excesiva de alta energ´ıa y el costo de los sensores. Recientemente, se ha investigado la implementaci´on de Muestreo Compresivo (MC) en TC, y espec´ıficamente, el uso de aperturas codificadas que aten´uan el haz de rayos X y disminuyen la radiaci´on. Esto permite a los algoritmos basados en MC reconstruir una imagen a partir de muestras codificadas y comprimidas. Por otro lado, la resoluci´on espacial de la imagen est´a sujeta a las dimensiones de los detectores, por lo tanto, im´agenes de alta resoluci´on requieren detectores de alta resoluci´on que demandan un alto costo en la adquisici´on. En este orden de ideas, en este trabajo se presenta la metodolog´ıa para obtener im´agenes de TC de alta resoluci´on, utilizando detectores de baja resoluci´on mientras se obtiene informaci´on a trav´es de aperturas codificados de alta resoluci´on, las cuales est´an dise˜nadas para obtener im´agenes de alta calidad, en t´erminos de PSNR, en comparaci´on con m´etodos descritos en la literatura.
Docking molecular directo entre proteína y ligando flexible utilizando técnicas de inteligencia artificial
(Universidad Industrial de Santander, 2011) Rondón Villarreal, Nydia Paola; Arguello Fuentes, Henry; Torres Sáez, Rodrigo Gonzalo
El diseño de fármacos es un proceso ineficiente y costoso, que necesita ser mejorado para poder brindar a la humanidad medicinas seguras, efectivas y asequibles. Las herramientas computacionales han permitido mejorar este proceso mediante la simulación de las posibles interacciones existentes entre las proteínas y los posibles medicamentos. Sin embargo, dichas herramientas no suministran resultados fiables para todos los tipos de complejos proteína-ligando. Una de estas herramientas computacionales es el docking molecular, que consiste en predecir el complejo más estable en términos de energía entre un receptor o proteína y un ligando o compuesto con las propiedades químicas necesarias para poder considerarse como posible fármaco. En los últimos años, el proceso de docking molecular se ha venido trabajando con algoritmos genéticos, búsqueda tabú, recocido simulado, entre otras técnicas y los resultados obtenidos han sido satisfactorios. En el presente trabajo de investigación se desarrolló un proceso computacional de docking molecular utilizando una variante de un algoritmo genético de estado estable, en donde la función de evaluación de energía es aquella suministrada por el campo de fuerza AMBER. En la primera parte del documento se ilustra brevemente el proceso bioquímico de la unión de una proteína con un ligando, la selección de la técnica de inteligencia artificial utilizada y la selección de la función de energía. Posteriormente, se describen los pasos realizados para el desarrollo del proceso de docking molecular y finalmente, se presentan las simulaciones realizadas y los resultados obtenidos.
Estimación de funciones objetivo de redes metabólicas basada en compartimentalización y análisis de balance de fluidos
(Universidad Industrial de Santander, 2012) Vargas García, Cesar Augusto; Arguello Fuentes, Henry; Torres Sáez, Rodrigo Gonzalo
El microorganismo Saccharomyces cerevisiae cuenta con gran n úmero de modelos biologicos conocidos como reconstrucciones, las cuales pueden ´ ser a escala genomica. Una de las t ´ ecnicas m ´ as usadas para estudiar estos modelos ´ es el Analisis de Balance de Flujos (FBA). El proposito del FBA es pre ´ decir el crecimiento del microorganismo bajo estudio, y la produccion y consumo de ´ componentes como el etanol, CO2, glicerol, sucinato, acetato y piruvato. Para determinar si las predicciones obtenidas mediante FBA son únicas se utiliza la tecnica de An ´ alisis de Variabilidad Flujos (FVA). El presente trabajo mu ´ estra los resultados de aplicar el FBA a la reconstruccion reciente del microorganismo S. ´ cerevisiae, la denominada iMM904 y los compara con un conjunto de datos experimentales presente en la literatura. Este trabajo tambien estudia la existencia de ´ m últiples predicciones FBA utilizando la tecnica FVA. Los resultados ilustran que ´ es posible predecir el crecimiento del microorganimo S. cerevisiae, con errores entre el 11 % y 28 %; la produccion de CO2, con errores entre el 0.3 % y 4.5 % y ´ la produccion de etanol, con errores entre el 11 % y 13 %. ´ Una de las tecnicas m ´ as utilizadas para la predicci ´ on de producci ´ on de biopro- ´ ductos de microorganismos es el Analisis de Balance de Flujos - FBA. El FBA ´ requiere de una funcion objetivo que represente el objetivo biol ´ ogico. Se propo- ´ ne un nuevo tipo de funciones objetivo basada en la combinacion de objetivos ´ de compartimentos físicos presentes en el microorganismo estudiado. La funcion objetivo propuesta mejora las predicciones de crecimien ´ to en un 10 % y las predicciones de produccion de etanol en un ´ 75 % respecto a las obtenidas por la funcion objetivo de maximizaci ´ on de biomasa, en condiciones anaer ´ obicas. ´ En condiciones aerobicas tipo batch la funci ´ on objetivo propuesta mejora en un ´ 98 % las predicciones de crecimiento y en un 70 % las predicciones de etanol con respecto a la funcion objetivo de biomasa.
Identificación e implementación de algoritmos de detección de patrones en imágenes hiperespectrales adquiridas por sensores remotos, aplicadas al sector de la agricultura Colombiana
(Universidad Industrial de Santander, 2016) Camacho Velasco, Ariolfo; Arguello Fuentes, Henry; Vargas Garcia, Cesar Augusto
La técnica de sensado remoto hiperespectral permite adquirir información espacial, temporal y espectral de un objeto, o escena. Las imágenes hiperespectrales (HSI) captan información en alta resolución espectral, acerca de las características espectrales de materiales o vegetación presente sobre la superficie de la Tierra. La aplicación e investigación de las HSI es de importancia en diferentes áreas, dentro de las cuales se destaca el área agrícola. Existen diversos algoritmos que permiten aprovechar la información contenida en una HSI, tales como algoritmos de clasificación, detección de anomalías y algoritmos de detección de objetivos. Específicamente la tarea de un algoritmo de detección de objetivos en HSI es detectar un píxel deseado (objetivo) en una escena HSI con el menor nímero de falsas alarmas (FA). Los algoritmos de detección de objetivos usados en HSI en las dos íltimas décadas han presentado mejoras, modificaciones y nuevas versiones. Sin embargo, la tarea de encontrar un algoritmo de detección que cuente con un desempe˜no óptimo y que este libre de ajustes previos para diferentes escenarios y objetivos, aun es materia de investigación. Colombia posee condiciones geográficas y climáticas particulares, generando escenarios diversos, permitiendo evaluar el desempe˜no de los algoritmos seleccionados para diferentes tipos de escenarios, relieves, climas y cultivos agrícolas. La presente investigación realiza la identificación e implementación de algoritmos de detección de objetivos en HSI adquiridas por sensores remotos, sobre el territorio colombiano. En la evaluación de los algoritmos y el desarrollo de la presente investigación se trabajó con 20 HSI reales; 6 HSI sintéticas, 1 HSI sintética sin ruido y 5 con ruido, se implantaron 5 objetivos sintéticos, creados a partir de la firma espectral pura de la alunita a diferentes grados de mezcla, y se extrajeron más de 115 firmas espectrales reales, de las cuales 11 fueron usadas como objetivo, permitiendo la caracterización de cinco cultivos agrícolas del nororiente colombiano en 5 diferentes áreas de estudio. Los resultados muestran que el algoritmo ACE presenta un mejor desempe˜no para diferentes HSI y objetivos de tipo agrícola, tanto en imágenes sintéticas como reales.
Metodología para la detección y seguimiento de nadadores en ambientes hidrodinámicos mediante absorbancia de luz usando el modelo de color hsv y la descomposición de matrices de bajo rango
(Universidad Industrial de Santander, 2018) Reyes Sierra, Carlos Eduardo; Arguello Fuentes, Henry
La biomecánica es la ciencia que estudia la relación entre las fuerzas y los movimientos del cuerpo humano con el objetivo de realizar análisis cinemáticos. En el estudio cinem´atico enfocado al deporte, los entrenadores se apoyan en el análisis de video para estudiar el movimiento y mejorar el rendimiento, gesto deportivo y desempeño de los atletas. Particularmente, en natación, a partir del análisis y estudio del movimiento, se busca reducir la fricción con el medio, prevenir lesiones y mejorar registros. Actualmente, estos estudios se realizan mediante an´alisis de video combinados con datos de goniómetros, giroscopios y acelerómetros; sin embargo, estos métodos presentan limitaciones asociadas con portabilidad, fabricación de equipos altamente especializados, costos elevados y técnicas invasivas. Además la literatura muestra que los sistemas para realizar captación de video y los algoritmos empleados para analizar el movimiento de deportistas a través de secuencias de video están enfocados al estudio de los nadadores fuera del agua debido a que la predominancia de las tonalidades de azul y verde, además de la difracción, refracción, el ruido producido por las olas, turbulencia y oclusión por el movimiento del agua, son retos que aún no han sido resueltos por los algoritmos tradicionales. Este trabajo presenta una metodología para la detección y seguimiento de nadadores en ambientes hidrodinámicos mediante absorbancia de luz usando el modelo de color HSV y la descomposición de matrices de bajo rango, compuesta por un sistema de adquisición de video bajo el agua y un algoritmo que modela la absorción de luz en la etapa de preprocesamiento para la entrada de un modelo que combina las técnicas de descomposición de matrices de bajo rango para realizar segmentación, difusión que realiza clasificación y seguimiento del nadador mediante el filtro kalman. El algoritmo fue probado en 48 secuencias de video captadas con el sistema propuesto, y los resultados muestran que se detecta y hace seguimiento al nadador con una precisión del 94 % en ambientes hidrodinámicos.
Predicción de la estructura 3d de proteínas usando técnicas basadas en inteligencia artificial
(Universidad Industrial de Santander, 2011) Delgado Quintero, Darío José; Arguello Fuentes, Henry; Torres Sáez, Rodrigo Gonzalo
La prediccion de la estructura 3D de prote ´ ínas, es uno de los problemas estudiados mas im- ´ portantes de la biología molecular. Metodologías experimentales como la difraccion de rayos X y ´ la resonancia magnetica nuclear RMN son utilizadas para inferir las estructuras de las prote ´ ínas, sin embargo no son viables de utilizar de forma generalizada debido a costos en tiempo, dinero. Debido a la explosion de informaci ´ on gen ´ etica a partir del ´ exito en proyecto del genoma, y ´ a la importancia de conocer la funcionalidad de dicha informacion. Lo cual se puede buscar me- ´ diante la obtencion de la informaci ´ on estructural de las prote ´ ínas. Se torna de vital importancia desarrollar tecnicas que permitan descifran dicha informaci ´ on y reducir el volumen de informa- ´ cion gen ´ etica sin estudiar. ´ A partir de esta problematica, las t ´ ecnicas computacionales se han venido acomodando como ´ aquellas que ayudaran a reducir la brecha entre la cantidad de datos geneticos disponibles y la ´ obtencion de informaci ´ on estructural de las prote ´ ínas. En el presente trabajo de investigacion se abordan los conceptos fundamentales para la predic- ´ cion de la estructura 3D de prote ´ ínas empleando metodologías basadas en inteligencia artificial, mediante las cuales se intenta aproximar la informacion del contenido estructural como su estruc- ´ tura 3D mediante el uso de maquinas de aprendizaje y algoritmos de optimizaci ´ on evolutivos.
Procesamiento por bloques de señales espectrales mediante la técnica de compressive sampling
(Universidad Industrial de Santander, 2013) Correa Pugliese, Claudia Victoria; Arguello Fuentes, Henry
Las técnicas tradicionales de adquisición de imágenes espectrales realizan un barrido sobre la región de interés para obtener un conjunto tri- dimensional de datos que contiene la información espacial y espectral de la escena. Por otra parte, los sistemas de captura de imágenes espectrales basados en la técnica compressive sampling, obtienen dicha información mediante un conjunto bidimensional de proyecciones aleatorias. Compressive sampling (CS) establece que ciertas señales pueden ser reconstruidas usando un número de muestras menor que el establecido por el criterio de Nyquist. El sistema CASSI (coded aperture snapshot spectral imager), es una arquitectura óptica diseñada para capturar imágenes espectrales usando CS. Las reconstrucciones en CS son obtenidas utilizando algoritmos de optimización basados en la norma /,, como GPSR (gradient projection for sparse reconstruction). La complejidad computacional del problema inverso de reconstrucción tiene un crecimiento de O(KNL) por iteración del algoritmo, donde N? y L son las dimensiones espaciales y espectral de la escena, respectivamente, y K es el número de tomas realizadas. Diversas aplicaciones requieren imágenes espectrales de grandes dimensiones, sin embargo la complejidad computacional en estos casos es abrumadora, y las reconstrucciones pueden tomar horas en arquitecturas de escritorio. El objetivo de este trabajo de investigación es obtener un modelo matemático para las reconstrucciones por bloques en el sistema CASSI, de manera que la calidad de las imágenes no se afecte y la complejidad computacional sea reducida. Los resultados obtenidos muestran que el modelo propuesto satisface las premisas con complejidad O(K BL) por iteración del GPSR, donde B << N es el tamaño del bloque. Este enfoque aprovecha la estructura de la función de transferencia del sistema, y permite realizar reconstrucciones a partir de pequeños bloques con y sin solapamiento en el conjunto de mediciones. Los resultados muestran que este modelo permite acelerar las reconstrucciones hasta en un orden de magnitud y obtener un PSNR (Peak Signal to Noise Ratio) hasta de 5 dB mayor que el del modelo tradicional.

Browse

Browsing Maestría en Ingeniería de Sistemas e Informática by browse.metadata.advisor "Arguello Fuentes, Henry"

Results Per Page

Sort Options