The Title of a Standard LaTeX Article

A. U. Thor
The University of Stewart Island
29 de agosto de 2017

Resumen
We study the eects of warm water on the local penguin population.
The major nding is that it is extremely di cult to induce penguins to
drink warm water. The success factor is approximately e i 1.

1. Introduccin
Los momentos tienen la capacidad de representar caractersticas importantes
en el procesamiento de imgenes,algunas de las aplicaciones mas importantes
de los momentos son:
1) Reconocimiento de rostros.
2) En imgenes en marca de agua.
3) EN imgenes medicas.
4) Deteccion de falsicaciones, entre otras aplicaciones.
Los momentos se pueden denir como las proyecciones de una funcin de
imagen sobre determinadas funciones del kernel, en coordenadas cartesianas:
Z Z
c
Znm = hnm (x; y)f (x; y)dxdy
R2
O en coordenadas polares:
Z 1 Z 2
p
Znm hnm (r; )hnm (r; )rdrd
0 0
c
Donde znm denota los momentos de orden (n + m) de una funcin de ima-
c
gen f (x; y) representada en coordenadas cartesianas, znm detalla los momentos
(n + m) de orden de una funcin de imagen f (r; ) representadas en coorde-
nadas polares n, m = 0,1,2, ... y hnm (x; y) y hnm (r; ) son las funciones del
Kernel (tambin conocidas como funciones de base) . Con diferentes funciones
del kernel, se pueden obtener diferentes tipos de momentos.

1
 Figura 1: Clasicacin de los momentos.

Los momentos son momentos ortogonales si las funciones del kernel satisfacen
las siguientes condiciones:

Z 1 Z 1 Z 1 Z 2
hnm (x; y)hst (x; y)dxdy = K1 ns mt ; hnm (r; )hst (r; )dxdy = K2 ns mt
0 0 0 0

Donde k1 y k2 son los coecientes de normalizacin y ns es la funcin delta

de Kronecker; De lo contrario, los momentos se llaman momentos no ortogonales.
Los momentos no ortogonales tales como los momentos geomtricos (con la
funcin kernel hnm (x; y) = xn y m ), los momentos complejos (hnm (x; y) = (x +
iy)n (x iy)m y momentos de rotacin (hnm (r; ) = rn e jm ),estos momentos
no son muy utilizados en la reconstruccin de imgenes debido a su complejidad.
Los momentos ortogonales denidos en coordenadas cartesianas se dividen
en dos tipos:
1) Continuos.
2) Discretos.
Dependiendo si la funcin del kernel hnm (x; y) es ortogonal en el dominio
continuo o discreto.
Por ejemplo, los momentos de Legendre y Gaussian-Hermite son momentos
ortogonales continuos. Los momentos ortogonales discretos incluyen principal-
mente momentos de Tchebichef , momentos de Krawtchouk , momentos de Hahn
y momentos de Racha .
Si se modica la ecuacin de los momentos en su forma cartesiana y redenir
los momentos en el espacio Radon de la imagen como:
Z 1 Z 2
r
Znm = hnm (p; )R(p; )drd
0 0

2
 Donde R(p; ) es la transformada del radn de la funcin de imagen f (x; y), y
hnm (p; ) es una de las funciones del kernel mencionadas anteriormente, los mo-
mentos de esta clase se llaman momentos en el espacio Radn, estos momentos
han minimizado el ruido para la reconstrucin de imagen.

Los momentos de Jacobi-Fourier (JFMs) son una clase genrica de momentos

invariantes de rotacin ortogonal (ORIMs), cuya funcin kernel consiste en el
polinomio radial de Jacobi y el factor exponencial complejo de Fourier angular.
Todos los momentos ortogonales con la funcin kernel consistieron en polinomio
ortogonal radial y factor exponencial de Fourier angular son casos especiales
de la JFM. Ping fue el primero en nombrar los momentos de Jacobi-Fourier
como momentos ortogonales genricos y suguiere que la formulacin comn de
los momentos ortogonales a travs de los polinomios de Jacobi ser una ventaja
para el anlisis del rendimiento de los momentos ortoganles.
La expresin generalpara JFMs de orden n y m;para una funcin de imagen
dada f (r; ) en coordenadas polares viene dada por:
Z 2 Z 1
n;m = f (r; )Pn;m (r; )rdrd
0 0

Donde Pn;m (r; ) es la funcin del kernel que consta de dos funciones: el
polinomio ortogonal de Jacobi Jn ( ; ; r) y el factor esponencial de Fourier
exp(jm ) , expresado por:

Pn;m (r; ) = Jn ( ; ; r) exp(jm )

La variacin de los parmetros y de los polinomios de Jacobi puede pro-

ducir conjuntos distintos de momentos ortogonales, como los momentos ortog-
onales de Fourier-Mellin ( = = 2), Fourier-Chebychev ( = 2; = 3=2), los
momentos de Fourier-Pseudo-Jacobi ( = 4; = 3), los momentos de Legendre-
Fourier ( = = 1), Zernike (Js (m + 1; m + 1; r2 )) y los momentos Pseudo-
Zernike (Js (2m + 2; m + 2; r); n = m + s).

2. Objetivos
Generalizar los momentos de orden fraccional mediante los polinomios de
genricos de Jacobi Fourier