Universitat de ValènciaOferta Científic Tecnològica AgroalimentacióOferta Científic Tecnològica Agroalimentació Logo del portal

Grup d'Investigació en Processament de Senyals i Imatges - ISP

Descripció

El grup d'investigació ISP, http://isp.uv.es, té una llarga tradició en l'anàlisi estadística de dades procedents de sistemes d'imatges. Aquests mesuraments depenen de les propietats de les escenes i de la física del procés d'obtenció d'imatges, i la seua rellevància depén de l'observador (natural o artificial) que vaja a analitzar les dades. El nostre enfocament diferenciat del processament de senyals, imatges i visió combina la teoria de l'aprenentatge automàtic amb la comprensió de la física subjacent i la visió biològica. Les aplicacions se centren principalment en la teledetecció òptica i la neurociència visual computacional. La inferència estadística empírica, també coneguda com a aprenentatge automàtic, és un camp de la informàtica interessat a fer prediccions i models a partir d'observacions i dades sensorials. Les eines de processament d'informació en l'aprenentatge automàtic són fonamentals per a entendre la funció de les xarxes neuronals naturals involucrades en la visió biològica, així com per a fer inferències en sistemes de xarxes dinàmics complexos, com la biosfera, l'atmosfera i els ecosistemes terrestres. 

Els problemes de la neurociència visual i de les geociències basades en la teledetecció requereixen eines matemàtiques similars. Per exemple, tots dos camps científics s'enfronten a problemes d'inversió i comprensió de models. En tots dos casos, es té un complex model directe que és difícil d'invertir (per a extraure informació), ja siga perquè no és analíticament invertible (indeterminat) o perquè els mesuraments (o respostes) són sorolloses per naturalesa. En la teledetecció, el model directe és el procés d'obtenció d'imatges donades unes certes condicions d'estat en la superfície i l'atmosfera. En la neurociència visual, el model directe inclou el que es coneix en la via neuronal des de la retina fins a les diferents regions de l'escorça visual. La inversió d'aquests models és clau per a fer inferències quantitatives i significatives sobre el sistema subjacent que va generar les dades observades. Més enllà d'aquesta avaluació quantitativa, també és obligatòria una interpretació qualitativa dels models proposats. La comprensió qualitativa és més difícil que la predicció, i la inferència causal a partir de dades empíriques és el terreny de joc comú tant en geociència com en neurociència. Les observacions i enregistraments simultanis d'un fenomen donen lloc a senyals multidimensionals que poden mostrar una forta correlació estadística entre els components. No obstant això, la correlació no és suficient per a establir relacions de causa-conseqüència. Això és clau a l'hora d'analitzar l'activació i la inhibició en la comunicació entre les diferents regions del cervell, i també és de summa importància per a estudiar les causes, els efectes i els factors de confusió de les variables climàtiques essencials per a la detecció i atribució en la ciència del clima. Finalment, un altre paral·lelisme és l'anàlisi de les grans dades visuals: les imatges hiperespectrals adquirides pels sensors satel·litaris actuals i futurs plantegen un problema de processament de la informació de grans dades de manera similar al del cervell visual. L'adaptació, el reconeixement de patrons, la inferència i la presa de decisions en el cervell poden ser bastant inspiradors per a l'anàlisi d'imatges de teledetecció. 

Per això, el grup s'organitza en una branca d'investigació teòrica (A) i una altra més aplicada (B). El nucli d'aprenentatge automàtic teòric aborda la inversió de models, la interpretació, la inferència causal a partir de dades empíriques i la inclusió de restriccions físiques i coneixements previs en grans dades visuals. Les línies d'investigació aplicades es dediquen a aplicar i adaptar els desenvolupaments teòrics per a la teledetecció, les geociències i la neurociència visual. En nom de la simplicitat, hem agrupat aquestes activitats en cinc línies d'investigació conceptuals: aprenentatge automàtic, neurociència visual, processament d'imatges, teledetecció i processament de grans dades.

Objectius CT
  • Desenvolupament d'algorismes d'aprenentatge automàtic.
  • Desenvolupament de models estadístics de neurociència visual.
  • Aplicacions en processament d'imatges.
  • Aplicacions en teledetecció i geociències.
Línies d'investigació
  • Aprenentatge automàtic

    Desenvolupament de tècniques d'aprenentatge estadístic: xarxes neuronals, models gràfics, màquines kernel, tècniques de classificació, regressió, agrupament i visualització (manifold learning), aprenentatge actiu, semisupervisat, relacional, Bayesià, estructurat, i causal.

  • Neurociència Visual

    Desenvolupament de models i tècniques per al processament de dades en neurociència visual: manifold learning, independització, tècniques estadístiques de codificació òptima, de gaussianització, aprenentatge en varietats, estimació i inversió de models, interpretabilitat i causalitat.

  • Processament d'imatges

    Desenvolupament de models i tècniques per al processament de dades en neurociència visual: manifold learning, independització, tècniques estadístiques de codificació òptima, de gaussianització, aprenentatge en varietats, estimació i inversió de models, interpretabilitat i causalitat.

  • Processament de gran volum de dades

    Processament de grans bases de dades i imatges d'alta resolució temporal, espacial i espectral. Els nostres col·laboradors (ESA, NASA, EUMETSAT, Google, DigitalGlobe) proporcionen accés a grans volums de dades a processar en temps real mitjançant tècniques de paral·lelització, clústers, i algorismes.

  • Teledetecció i geociència

    Aplicacions en tractament de senyals i imatges de teledetecció: estimació de paràmetres biofísics i variables de fluxos, inversió de models, segmentació d'imatges, detecció de canvis i anomalies, fusió d'imatges i multiresolució, restauració, causalitat i atribució, rànquing.

Direcció
  • CAMPS VALLS, GUSTAU
  • PDI-Catedratic/a d'Universitat
Veure fitxa
Membres
  • AMOROS LOPEZ, JULIA CARMEN
  • PDI-Prof. Permanent Laboral Ppl
  • Responsables de Gestio Academica
  • Coordinador/a Titulacio de Grau
Veure fitxa
  • CALPE MARAVILLA, JAVIER
  • PDI-Titular d'Universitat
Veure fitxa
  • FERNANDEZ MORAN, ROBERTO
  • PDI-Ajudant Doctor/A
Veure fitxa
  • GOMEZ CHOVA, LUIS
  • PDI-Catedratic/a d'Universitat
  • Coordinador/a de Mobilitat
Veure fitxa
  • LAPARRA PEREZ-MUELAS, VALERO
  • PDI-Titular d'Universitat
Veure fitxa
  • MALO LOPEZ, JESUS
  • PDI-Catedratic/a d'Universitat
Veure fitxa
  • MUÑOZ MARI, JORDI
  • PDI-Titular d'Universitat
Veure fitxa
  • PEREZ SUAY, ADRIAN
  • PDI-Ajudant Doctor/A
Veure fitxa
  • PILES GUILLEM, MARIA
  • PDI-Prof. Permanent Laboral Ppl
Veure fitxa
  • RUESCAS ORIENT, ANA BELEN
  • PDI-Prof. Permanent Laboral Ppl
Veure fitxa
Producció cientifica per investigador UV
  • CAMPS VALLS, GUSTAU
    PDI-Catedratic/a d'Universitat
    Expandir
  • LAPARRA PEREZ-MUELAS, VALERO
    PDI-Titular d'Universitat
    Expandir
  • PILES GUILLEM, MARIA
    PDI-Prof. Permanent Laboral Ppl
    Expandir
  • RUESCAS ORIENT, ANA BELEN
    PDI-Prof. Permanent Laboral Ppl
    Expandir
Estructura asociada
Laboratori de Processament d'Imatges (IPL)
Dades de contacte del grup
Grup de processament de senyals i imatges (ISP)

Campus Burjassot/Paterna

Parc Científic
C/ Catedrático José Beltrán n°2

46980 Paterna (València)

963 543 229

Geolocalització

isp.uv.es

gustau.camps@uv.es

Persones de contacte
  • CAMPS VALLS, GUSTAU
  • PDI-Catedratic/a d'Universitat
Veure fitxa