{"id":102679,"date":"2010-09-07T00:00:00","date_gmt":"2010-09-07T00:00:00","guid":{"rendered":"https:\/\/www.deberes.net\/tesis\/sin-categoria\/tecnicas-interpolatorias-no-lineales-y-aplicaciones\/"},"modified":"2010-09-07T00:00:00","modified_gmt":"2010-09-07T00:00:00","slug":"tecnicas-interpolatorias-no-lineales-y-aplicaciones","status":"publish","type":"post","link":"https:\/\/www.deberes.net\/tesis\/construccion-de-algoritmos\/tecnicas-interpolatorias-no-lineales-y-aplicaciones\/","title":{"rendered":"T\u00e9cnicas interpolatorias no lineales y aplicaciones"},"content":{"rendered":"<h2>Tesis doctoral de <strong> Manuel Doblas Exposito <\/strong><\/h2>\n<p>El trabajo presentado en esta memoria est\u00e1 dedicado al desarrollo de t\u00e9cnicas interpolatorias para la ampliaci\u00f3n de im\u00e1genes (zooming) y para la compresi\u00f3n de im\u00e1genes.  un problema habitual en teor\u00eda de aproximaci\u00f3n consiste en reconstruir una funci\u00f3n a partir de un conjunto discreto de datos. Este problema puede abordarse desde el punto de vista de valores puntuales o de medias en celda, dependiendo de si consideramos los datos discretos como los valores que toma una funci\u00f3n en un conjunto de puntos o las medias en unos intervalos, respectivamente. De este modo la funci\u00f3n puede ser aproximada por otra funci\u00f3n que posea los mismos valores en el conjunto de puntos, o las mismas medias en los intervalos.  la importancia de obtener una t\u00e9cnica interpolatoria eficiente est\u00e1 estrechamente relacionada con la compresi\u00f3n de im\u00e1genes. La multirresoluci\u00f3n de harten emplea un operador predicci\u00f3n que permite transitar entre un nivel de resoluci\u00f3n inferior y el inmediatamente superior. Este operador predicci\u00f3n no es nada m\u00e1s que la aplicaci\u00f3n de un esquema interpolatorio al nivel de resoluci\u00f3n m\u00e1s grosero. La posibilidad de elegir un operador predicci\u00f3n no lineal permite adaptarse a las caracter\u00edsticas de los datos.  nuestro objetivo es desarrollar t\u00e9cnicas interpolatorias no lineales dos dimensionales que se adapten a la geometria de las imagenes.  este trabajo est\u00e1 organizado del siguiente modo, el cap\u00edtulo 1 est\u00e1 dedicado al estudio de t\u00e9cnicas  interpolatorias para valores puntuales. En primer lugar repasamos las t\u00e9cnicas cl\u00e1sicas uno dimensionales, y posteriormente, tras explicar la interpolaci\u00f3n racional introducida por g. Ramponi, se proponen diversas modificaciones de \u00e9sta, estudiando la relaci\u00f3n entre la interpolaci\u00f3n racional y weno. Del mismo modo se proponen diversos m\u00e9todos para realizar una interpolaci\u00f3n para valores puntuales directamente dos-dimensional. Para finalizar el cap\u00edtulo se comparan los resultados obtenidos al ampliar una imagen de car\u00e1cter geom\u00e9trico. El cap\u00edtulo 2 est\u00e1 dedicado a la interpolaci\u00f3n para medias en celda. Se estudia como adaptar la interpolaci\u00f3n racional a este contexto proponiendo dos modificaciones de \u00e9sta y posteriormente se estudian operadores interpolatorios dos dimensionales. Finalmente se aplican estas t\u00e9cnicas a la interpolaci\u00f3n de im\u00e1genes. El cap\u00edtulo 3 est\u00e1 dedicado a la multirresoluci\u00f3n de harten. Se comparan los resultados obtenidos a partir de las t\u00e9cnicas interpolatorias anteriores. Con el objetivo de asegurar la estabilidad de la multirresoluci\u00f3n de harten se aplica el algoritmo de control del error, proponiendo una modificaci\u00f3n de este en el contexto de los valores puntuales  consistente en aplicar el operador predicci\u00f3n en dos pasos, el segundo de los cuales aprovecha la informaci\u00f3n actualizada por los detalles correspondientes.  con el objetivo de realizar una interpolaci\u00f3n adaptada a la geometr\u00eda de la imagen, el cap\u00edtulo 4 est\u00e1 dedicado a la detecci\u00f3n de contornos. En \u00e9ste se proponen dos nuevos algoritmos de detecci\u00f3n de contornos que se emplearan en los cap\u00edtulos 5 y 6. En el cap\u00edtulo 5 presentamos un algoritmo multidireccional para la compresi\u00f3n de im\u00e1genes  el cual hace uso de la geometr\u00eda de la imagen detectada en el nivel de resoluci\u00f3n m\u00e1s fino para localizarlos en niveles de resoluci\u00f3n inferiores y adaptar as\u00ed la predicci\u00f3n. Este algoritmo supone que trabajamos en el contexto de los valores puntuales. del mismo modo, en el cap\u00edtulo 6 se propone un operador predicci\u00f3n adaptado a los contornos, pero en este caso para medias en celda. En este se obtiene la informaci\u00f3n relativa a la geometr\u00eda de la imagen a partir de una detecci\u00f3n de contornos en cada nivel, y posteriormente se proponen dos posibilidades para interpolar en las celdas afectadas por la presencia de un perfil.<\/p>\n<p>&nbsp;<\/p>\n<h3>Datos acad\u00e9micos de la tesis doctoral \u00ab<strong>T\u00e9cnicas interpolatorias no lineales y aplicaciones<\/strong>\u00ab<\/h3>\n<ul>\n<li><strong>T\u00edtulo de la tesis:<\/strong>\u00a0 T\u00e9cnicas interpolatorias no lineales y aplicaciones <\/li>\n<li><strong>Autor:<\/strong>\u00a0 Manuel Doblas Exposito <\/li>\n<li><strong>Universidad:<\/strong>\u00a0 Universitat de val\u00e9ncia (estudi general)<\/li>\n<li><strong>Fecha de lectura de la tesis:<\/strong>\u00a0 09\/07\/2010<\/li>\n<\/ul>\n<p>&nbsp;<\/p>\n<h3>Direcci\u00f3n y tribunal<\/h3>\n<ul>\n<li><strong>Director de la tesis<\/strong>\n<ul>\n<li>Francesc Ar\u00c1\u00a0ndiga Llaudes<\/li>\n<\/ul>\n<\/li>\n<li><strong>Tribunal<\/strong>\n<ul>\n<li>Presidente del tribunal: jacques Liandrat <\/li>\n<li>albert Cohen (vocal)<\/li>\n<li>Jos\u00e9 Manuel Mossi  garcia (vocal)<\/li>\n<li>vicente f. Candela pomares (vocal)<\/li>\n<\/ul>\n<\/li>\n<\/ul>\n<p>&nbsp;<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Tesis doctoral de Manuel Doblas Exposito El trabajo presentado en esta memoria est\u00e1 dedicado al desarrollo de t\u00e9cnicas interpolatorias para [&hellip;]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"site-sidebar-layout":"default","site-content-layout":"","ast-site-content-layout":"","site-content-style":"default","site-sidebar-style":"default","ast-global-header-display":"","ast-banner-title-visibility":"","ast-main-header-display":"","ast-hfb-above-header-display":"","ast-hfb-below-header-display":"","ast-hfb-mobile-header-display":"","site-post-title":"","ast-breadcrumbs-content":"","ast-featured-img":"","footer-sml-layout":"","theme-transparent-header-meta":"","adv-header-id-meta":"","stick-header-meta":"","header-above-stick-meta":"","header-main-stick-meta":"","header-below-stick-meta":"","astra-migrate-meta-layouts":"default","ast-page-background-enabled":"default","ast-page-background-meta":{"desktop":{"background-color":"var(--ast-global-color-4)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-gradient":""},"tablet":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-gradient":""},"mobile":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-gradient":""}},"ast-content-background-meta":{"desktop":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-gradient":""},"tablet":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-gradient":""},"mobile":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-gradient":""}},"footnotes":""},"categories":[16880,25948,59170,21130],"tags":[126876,203008,43393,208203,208202,191469],"class_list":["post-102679","post","type-post","status-publish","format-standard","hentry","category-construccion-de-algoritmos","category-interpolacion-aproximacion-y-ajuste-de-curvas","category-procesos-de-compresion","category-tratamiento-digital-de-imagenes","tag-albert-cohen","tag-francesc-ara-ndiga-llaudes","tag-jacques-liandrat","tag-jose-manuel-mossi-garcia","tag-manuel-doblas-exposito","tag-vicente-f-candela-pomares"],"_links":{"self":[{"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/posts\/102679","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/comments?post=102679"}],"version-history":[{"count":0,"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/posts\/102679\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/media?parent=102679"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/categories?post=102679"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/tags?post=102679"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}