Download Trabajo1 - Escuela Politécnica Nacional

“ESCUELA
POLITÉCNICA
NACIONAL”
Electrónica y Telecomunicaciones
Integrantes:
Grupo N°4

Cruz Mauricio
Loaiza Alberto
López Rodrigo
Fecha:
28 de Marzo de 2007
Documento traducido:
10 Tecnologías Emergentes del 2007
Capítulo 4: Imagen Digital, Reimaginada
Richard Baraniuk y Kevin Kelly creen que la Detección Comprimida podría ayudar a dispositivos tales
como cámaras y scanners médicos a capturar imágenes en forma más eficiente.
Este artículo es uno, de una serie de 10 historias que nosotros estamos presentando esta semana cubriendo
las tecnologías emergentes más significativas de hoy en día. Es parte de nuestro reporte anual “10
Tecnologías Emergentes”, el cual aparece en la publicación impresa de Marzo/Abril de Technology Review.
Richard Baraniuk y Kevin Kelly tienen una nueva visión para representación digital: ellos creen que una
revisión de hardware y software pueden hacer a las cámaras más rápidas y pequeñas; y permitirles tomar
fotografías con una increíble resolución.
Las cámaras digitales de hoy en día tratan de imitar a las cámaras de rollo de película, lo cual las hace
groseramente ineficientes. Cuando una cámara digital estándar de cuatro mega píxeles toma una fotografía,
cada uno de sus cuatro millones de sensores de imagen representan el haz de luz con un simple número;
juntos, los números describen una imagen. Entonces la computadora incorporada en la cámara comprime la
fotografía, desechando la mayoría de esos números. Este proceso inútilmente acaba con la batería de la
cámara.
Baraniuk y Kelly, ambos profesores de Ingeniería eléctrica y computación en la Universidad Rice, han
desarrollado una cámara que no necesitan comprimir las imágenes. En lugar de eso, utiliza un único sensor
de imagen para recoger solo la suficiente información para permitir a un nuevo algoritmo reconstruya la una
imagen de alta resolución.
El corazón de ésta cámara es una nueva técnica llamada Detección Comprimida. Una cámara usando la
técnica necesita solo un pequeño porcentaje de los datos que las cámaras digitales de hoy en día deben
recoger para construir una imagen comparable. El algoritmo de Baraniuk y Kelly convierte datos visuales en
un puñado de números que aleatoriamente se insertan en un enrejado gigante. Hay justamente suficientes
números para habilitar al algoritmo para llenar los espacios en blanco, tal como nosotros lo hacemos cuando
resolvemos un rompecabezas Sudoku. Cuando el computador resuelve este rompecabezas, efectivamente
recrea la imagen completa a partir de información incompleta.
La Detección Comprimida empezó como una teoría matemática cuyas primeras pruebas fueron publicadas el
2004; el grupo Rice ha producido una demostración avanzada en un tiempo relativamente corto, dice Dave
Brady de la Universidad Duke. “Ellos realmente han impulsado las aplicaciones de la teoría” afirmó.
Kelly supone que podríamos ver las primeras aplicaciones prácticas de Detección Comprimida dentro de dos
años, en sistemas MRI que capturan imágenes más de 10 veces mas rápido que los scanners de hoy en día.
De cinco a diez años, el menciona, la tecnología podría encontrar su ruta hacia productos de consumo
masivo, permitiendo a las diminutas cámaras de los teléfonos celulares producir imágenes de tamaño póster
de alta calidad. Mientras nuestro mundose vuelve cada vez más digital, la Detección Comprimida se
encamina a mejorar virtualmente cualquier sistema de imágenes, proveyendo una forma eficiente y elegante
de conseguir una imagen.

Documento Original:
TR10: Digital Imaging, Reimagined
Richard Baraniuk and Kevin Kelly believe compressive sensing could help devices such as cameras and
medical scanners capture images more efficiently.
This article is one in a series of 10 stories we're running this week covering today's most significant
emerging technologies. It's part of our annual "10 Emerging Technologies" report, which appears in the
March/April print issue of Technology Review.
Richard Baraniuk and Kevin Kelly have a new vision for digital imaging: they believe an overhaul of both
hardware and software could make cameras smaller and faster and let them take incredibly high-resolution
pictures.
Today's digital cameras closely mimic film cameras, which makes them grossly inefficient. When a standard
four-megapixel digital camera snaps a shot, each of its four million image sensors characterizes the light
striking it with a single number; together, the numbers describe a picture. Then the camera's onboard
computer compresses the picture, throwing out most of those numbers. This process needlessly chews
through the camera's battery.
Baraniuk and Kelly, both professors of electrical and computer engineering at Rice University, have
developed a camera that doesn't need to compress images. Instead, it uses a single image sensor to collect
just enough information to let a novel algorithm reconstruct a high-resolution image.
At the heart of this camera is a new technique called compressive sensing. A camera using the technique
needs only a small percentage of the data that today's digital cameras must collect in order to build a
comparable picture. Baraniuk and Kelly's algorithm turns visual data into a handful of numbers that it
randomly inserts into a giant grid. There are just enough numbers to enable the algorithm to fill in the blanks,
as we do when we solve a Sudoku puzzle. When the computer solves this puzzle, it has effectively re-created
the complete picture from incomplete information.
Compressive sensing began as a mathematical theory whose first proofs were published in 2004; the Rice
group has produced an advanced demonstration in a relatively short time, says Dave Brady of Duke
University. "They've really pushed the applications of the theory," he says.
Kelly suspects that we could see the first practical applications of compressive sensing within two years, in
MRI systems that capture images up to 10 times as quickly as today's scanners do. In five to ten years, he
says, the technology could find its way into consumer products, allowing tiny mobile-phone cameras to
produce high-quality, poster-size images. As our world becomes increasingly digital, compressive sensing is
set to improve virtually any imaging system, providing an efficient and elegant way to get the picture.

Bibliografía:
- http://www.technologyreview.com/special/emerging/index.aspx