• Valencià
  • English
  • Share

Logo de la Universdad de Valencia Logo Oferta Científico Tecnológica Logo del portal

Descripción

El grupo de investigación ISP, http://isp.uv.es, tiene una larga tradición en el análisis estadístico de datos procedentes de sistemas de imágenes. Estas mediciones dependen de las propiedades de las escenas y de la física del proceso de obtención de imágenes, y su relevancia depende del observador (natural o artificial) que vaya a analizar los datos. Nuestro enfoque diferenciado del procesamiento de señales, imágenes y visión combina la teoría del aprendizaje automático con la comprensión de la física subyacente y la visión biológica. Las aplicaciones se centran principalmente en la teledetección óptica y la neurociencia visual computacional. La inferencia estadística empírica, también conocida como aprendizaje automático, es un campo de la informática interesado en hacer predicciones y modelos a partir de observaciones y datos sensoriales. Las herramientas de procesamiento de información en el aprendizaje automático son fundamentales para entender la función de las redes neuronales naturales involucradas en la visión biológica, así como para hacer inferencias en sistemas de redes dinámicos complejos, como la biosfera, la atmósfera y los ecosistemas terrestres. 

Los problemas de la neurociencia visual y de las geociencias basadas en la teledetección requieren herramientas matemáticas similares. Por ejemplo, ambos campos científicos se enfrentan a problemas de inversión y comprensión de modelos. En ambos casos, se tiene un complejo modelo directo que es difícil de invertir (para extraer información), ya sea porque no es analíticamente invertible (indeterminado) o porque las mediciones (o respuestas) son ruidosas por naturaleza. En la teledetección, el modelo directo es el proceso de obtención de imágenes dadas ciertas condiciones de estado en la superficie y la atmósfera. En la neurociencia visual, el modelo directo incluye lo que se conoce en la vía neuronal desde la retina hasta las diferentes regiones de la corteza visual. La inversión de estos modelos es clave para hacer inferencias cuantitativas y significativas sobre el sistema subyacente que generó los datos observados. Más allá de esta evaluación cuantitativa, también es obligatoria una interpretación cualitativa de los modelos propuestos. La comprensión cualitativa es más difícil que la predicción, y la inferencia causal a partir de datos empíricos es el terreno de juego común tanto en geociencia como en neurociencia. Las observaciones y grabaciones simultáneas de un fenómeno dan lugar a señales multidimensionales que pueden mostrar una fuerte correlación estadística entre los componentes. Sin embargo, la correlación no es suficiente para establecer relaciones de causa-consecuencia. Esto es clave a la hora de analizar la activación y la inhibición en la comunicación entre las diferentes regiones del cerebro, y también es de suma importancia para estudiar las causas, los efectos y los factores de confusión de las variables climáticas esenciales para la detección y atribución en la ciencia del clima. Por último, otro paralelismo es el análisis de los grandes datos visuales: las imágenes hiperespectrales adquiridas por los sensores satelitales actuales y futuros plantean un problema de procesamiento de la información de grandes datos de forma similar al del cerebro visual. La adaptación, el reconocimiento de patrones, la inferencia y la toma de decisiones en el cerebro pueden ser bastante inspiradores para el análisis de imágenes de teledetección. 

Por ello, el grupo se organiza en una rama de investigación teórica (A) y otra más aplicada (B). El núcleo de aprendizaje automático teórico aborda la inversión de modelos, la interpretación, la inferencia causal a partir de datos empíricos y la inclusión de restricciones físicas y conocimientos previos en grandes datos visuales. Las líneas de investigación aplicadas se dedican a aplicar y adaptar los desarrollos teóricos para la teledetección, las geociencias y la neurociencia visual. En aras de la simplicidad, hemos agrupado estas actividades en cinco líneas de investigación conceptuales: aprendizaje automático, neurociencia visual, procesamiento de imágenes, teledetección y procesamiento de grandes datos.
 

Objetivos CT
  • Desarrollo de algoritmos de aprendizaje automático.
  • Desarrollo de modelos estadísticos de neurociencia visual.
  • Aplicaciones en procesamiento de imágenes.
  • Aplicaciones en teledetección y geociencias.
Líneas de investigación
  • Aprenentatge automàtic

    Desarrollo de técnicas de aprendizaje estadístico: redes neuronales, modelos gráficos, máquinas kernel, técnicas de clasificación, regresión, agrupamiento y visualización (manifold learning), aprendizaje activo, semisupervisado, relacional, Bayesiano, estructurado, y causal.

  • Neurociencia Visual

    Desarrollo de modelos y técnicas para el procesado de datos en neurociencia visual: manifold learning, independización, técnicas estadísticas de codificación óptima, de gaussianización, aprendizaje en variedades, estimación e inversión de modelos, interpretabilidad y causalidad.

  • Procesado de imágenes

    Técnicas de procesado digital de imágenes: métricas de distorsión perceptual; compresión; estimación del movimiento; restauración; representación del color, detección de cambios, clasificación y segmentación de imágenes.

  • Procesado de grandes volúmenes de datos

    Procesado de grandes bases de datos e imágenes de alta resolución temporal, espacial y espectral. Nuestros colaboradores (ESA, NASA, EUMETSAT, Google, DigitalGlobe) proporcionan acceso a grandes volúmenes de datos a procesar en tiempo real mediante técnicas de paralelización, clusters, y algoritmos.

  • Teledección y geociencias

    Aplicaciones en tratamiento de señales e imágenes de teledetección: estimación de parámetros biofísicos y variables de flujos, inversión de modelos, segmentación de imágenes, detección de cambios y anomalías, fusión de imágenes y multiresolución, restauración, causalidad y atribución, ranking.

Dirección
  • CAMPS VALLS, GUSTAU
  • PDI-Catedratic/a d'Universitat
Ver ficha
 Contactegustau.camps@uv.es
Miembros
  • AMOROS LOPEZ, JULIA CARMEN
  • Alumn.-Servei de Formacio Permanent
Ver ficha
 Contactejualo@alumni.uv.es
  • CALPE MARAVILLA, JAVIER
  • PDI-Titular d'Universitat
Ver ficha
 Contactejavier.calpe@uv.es
  • GOMEZ CHOVA, LUIS
  • Alumn.-Servei de Formacio Permanent
  • Coordinador/a de Mobilitat
Ver ficha
 Contacteluisgo@alumni.uv.es
  • MALO LOPEZ, JESUS
  • PDI-Catedratic/a d'Universitat
Ver ficha
 Contactejesus.malo@uv.es
  • MUÑOZ MARI, JORDI
  • PDI-Titular d'Universitat
Ver ficha
 Contactejordi.munoz@uv.es
  • PILES GUILLEM, MARIA
  • PDI-Contractat/Da Doctor/A
Ver ficha
 Contactemaria.piles@uv.es
Producción científica por investigador UV
  • CAMPS VALLS, GUSTAU
    PDI-Catedratic/a d'Universitat
    Expandir
  • PILES GUILLEM, MARIA
    PDI-Contractat/Da Doctor/A
    Expandir
CNAE

Estructura asociada
Laboratorio de Procesado de Imágenes (IPL)

http://ipl.uv.es

Datos de contacto del grupo
Grupo de Procesado de Señales e Imágenes (ISP)

Campus Burjassot/Paterna

Parque Científico
C/ Catedrático José Beltrán n°2

46980 Paterna (Valencia)

963 543 229

Geolocalización

isp.uv.es

gustau.camps@uv.es

Personas de contacto
  • CAMPS VALLS, GUSTAU
  • PDI-Catedratic/a d'Universitat
Ver ficha
 Contactegustau.camps@uv.es