Learning efficient image representationsconnections between statistics and neuroscience

Resumen

Esta Tesis resume diferentes trabajos realizados bajo el marco de el análisis de las relaciones entre el procesado de imágenes, la estadística y la neurociencia. Estas relaciones son analizadas desde el punto de vista de la hipótesis de la codificación eficiente, [Barlow61] y [Attneave54]. Dicha hipótesis sugiere que el sistema visual humano se ha ido adaptando durante los años para poder procesar la información visual de forma eficiente, es decir, para aprovechar las regularidades estadísticas del mundo visual. Con esta idea de fondo se han realizado trabajos en diferentes direcciones. Una dirección ha sido analizar las propiedades estadísticas del sistema visual humano. Para ello se ha usado un modelo clásico el cual se ha revisado, extendido y ajustado. Nótese que el modelo no hace uso de la estadística en ningún momento. Los resultados muestran que este modelo obtiene una representación con buenas propiedades estadísticas para las imágenes naturales, lo cual es una nueva evidencia en favor de la hipótesis de la codificación eficiente. Desde el punto de vista estadístico, se han propuesto diferentes métodos y se han optimizado utilizando datos de imágenes naturales. Estos modelos estadísticos aprenden un comportamiento similar al del sistema visual humano, tanto en las dimensiones espaciales como en las dimensiones de color. Esto también supone una evidencia en favor de la hipótesis de la codificación eficiente. Una parte importante de la Tesis es el empleo de estos métodos, tanto los estadísticos como los basados en neurociencia, para desarrollar distintas aplicaciones de procesado de imágenes. Por ejemplo, en aplicaciones de restauración, clasificación, síntesis y calidad de imagen se obtienen resultados similares a algunos de los mejores métodos actuales.