Tesis Validadas: 2,591

Tesis de Posgrado: 2650

Número de Visitas: contador visitas

Por favor, use este identificador para citar o enlazar este ítem: https://rinacional.tecnm.mx/jspui/handle/TecNM/1369
Título : Extracción de superpixeles y su fusión local mediante un algoritmo de agrupamiento difuso intuitivo
Autor : Dominguez Lopez, David%815799
metadata.dc.subject.other: extracción superpíxeles agrupamiento difuso IFCM imágenes complejas algoritmo IFCM algoritmo SLIC
Fecha de publicación : 2019-08-05
Editorial : Tecnológico Nacional de México
metadata.dc.publisher.tecnm: Centro Nacional de Investigación y Desarrollo Tecnológico
Descripción : En este trabajo se propone un método eficiente para la extracción de superpíxe- les utilizando un enfoque basado en Agrupamiento Difuso Intuitivo (Intuitionistic Fuzzy C-Means, IFCM). Considerando las características de este enfoque, para el manejo de la incertidumbre, se aborda el problema del tratamiento de imágenes complejas, en específico, las imágenes de resonancia magnética cerebral. Este tipo de imágenes son difíciles de tratar debido a que usualmente presentan condiciones inherentes como la presencia de ruido, bajo contraste, inhomogeneidad de la inten- sidad, etc. El método propuesto es una adaptación del algoritmo IFCM para generar superpíxeles, considerando las propiedades básicas de los superpíxeles, como la adaptación a los bordes naturales de la imagen y la homogeneidad en los superpíxe- les. La inicialización del método propuesto se basó en algoritmo SLIC (Simple Linear Iterative Clustering) al limitar el espacio de búsqueda en regiones proporcionales al tamaño del superpíxel. La reducción del espacio de búsqueda permite que el algoritmo sea de rápida ejecución. El método propuesto se comparó con cinco algoritmos para extraer superpíxeles con implementaciones de código abierto. Para la evaluación se utilizó dos estudios de resonancia magnética cerebral, obtenidos del simulador BrainWeb, con diferentes porcentajes de ruido. Adicionalmente, se contempló el conjunto de datos BSDS500 para la evaluación con imágenes a color. La eficiencia del método propuesto se evaluó con respecto a las métricas de recuperación de los límites como: Rec (Re- cuerdo de límites), UE (Error de subsegmentación) y EV (Variación Explicada). Los resultados cuantitativos y cualitativos, muestran que el enfoque propuesto genera superpíxeles con alta adherencia a los bordes naturales de la imagen, teniendo un rendimiento similar y en algunos casos mejor que los algoritmos considerados para la evaluación.
metadata.dc.type: info:eu-repo/semantics/masterThesis
Aparece en las colecciones: Tesis de Maestría en Computación

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
MC_David_Dominguez_Lopez_2019.pdfTesis17.87 MBAdobe PDFVisualizar/Abrir
MC_David_Dominguez_Lopez_2019.pdf
  Until 3021-06-21
Cesión de derechos170.29 kBAdobe PDFVisualizar/Abrir  Request a copy


Este ítem está protegido por copyright original



Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons