Reconoce patrones a partir de muy pocos datos

Un nuevo algoritmo puede multiplicar por diez la capacidad de la señal digital

Investigadores del Instituto de Ciencias del Mar del CSIC han desarrollado un potente método de análisis de singularidades en señales digitales que permite detectar y reconocer patrones a partir de imágenes o series de datos. El método, patentado a nivel mundial, permite reconocer estructuras, reconstruir imágenes y comprimir y mejorar la señal. Pero, sobre todo, destaca porque permite obtener información relevante a partir de un conjunto muy pequeño de datos.

Identificación de las corrientes marinas (debajo) a  partir de imágenes de temperatura de la superficie del mar (arriba).
Identificación de las corrientes del mar (debajo) a partir de imágenes de temperatura de la superficie del mar (arriba).

Si uno no se atiene a la definición matemática, las singularidades pueden describirse como puntos que indican un cambio inesperado. En un espacio homogéneo, la singularidad está en los puntos menos regulares, son saltos que indican que algo sucede. Así, un retrato que va perdiendo resolución mantiene, aun cuando se ve borroso, las líneas del contorno del cuerpo y las facciones: son esos puntos singulares que revelan la información principal de la imagen.

El ejemplo lo aporta Antonio Turiel, investigador Ramón y Cajal en el Departamento de Oceanografía Física del Instituto de Ciencias del Mar (ICM) del CSIC. Este experto trabaja en el desarrollo de aplicaciones para la monitorización oceánica a diferentes escalas. Fruto de su trabajo ha desarrollado con su equipo un método matemático para el análisis de singularidades en señales digitales que se puede aplicar a la monitorización del océano.

El algoritmo, patentado a nivel mundial, permite aplicaciones muy diversas que van más allá de la oceanografía: desde delimitar los contornos difusos y cambios sutiles en imágenes para el diagnóstico médico, hasta detectar defectos en materiales. También permite apreciar ondas internas en mar abierto y líneas de corriente del flujo oceánico, localizar barcos en mar abierto a partir de imágenes de bajo contraste y reconstruir imágenes a partir de muy pocos datos, lo que implica que permitiría mejorar la capacidad de compresión de la señal digital. “Respecto a los estándares actuales, la ganancia máxima prevista de compresión, con la misma calidad, es de diez veces, aunque se trata de una estimación teórica”, explica Turiel.

En uno de las experimentos, el grupo dirigido por Turiel fue capaz de identificar, a partir de una sola fotografía de mar abierto tomada desde el satélite Meteosat , unos frentes de olas de más de 500 kilómetros de ancho que se propagan hacia el interior del Índico, algo que no se había conseguido ver nunca hasta ahora con ninguno de los métodos existentes.

Detecta corrientes marinas con una sola imagen

“Es una mejora extraordinaria en la detección de estructuras, ya que, aplicado a imágenes de temperatura de la superficie del mar, podemos incluso identificar las corriente marinas a partir de una sola instantánea”, remarca Turiel. “El algoritmo identifica los puntos con más información y detecta esas estructuras marinas”. En la imagen resultante, lo que se ve son los contornos de esas ondas.

"Queríamos ver la potencialidad del método para detectar tsunamis utilizando las imágenes por satélite pero la tecnología no está a punto porque los sensores de los satélites no tienen suficiente profundidad de color", añade Turiel.

Otra aplicación interesante es el reconocimiento del habla. Los investigadores del Instituto Nacional de la Investigación en Informática francés, INRIA, con los que colabora el ICM, están aplicando este método para el reconocimiento de los fonemas.

Más usos del algoritmo son el análisis de campos de viento –útil en la meteorología, en estudios aerodinámicos o en el diseño de campos de aerogeneradores– o el análisis de los movimientos bursátiles. En este último caso, los investigadores han aplicado el algoritmo para distinguir ciclos de inversión y de volatilidad tan solo a partir de series temporales de precios, sin necesidad de conocer el volumen de transacciones.

Fuente: CSIC
Derechos: Creative Commons

Solo para medios:

Si eres periodista y quieres el contacto con los investigadores, regístrate en SINC como periodista.

Artículos relacionados