Please use this identifier to cite or link to this item:
https://rinacional.tecnm.mx/jspui/handle/TecNM/12231Full metadata record
| DC Field | Value | Language |
|---|---|---|
| dc.contributor.author | POSADA URRUTIA, DANIEL ALBERTO | - |
| dc.creator | POSADA URRUTIA, DANIEL ALBERTO#POUD940224HCHSRN02 | - |
| dc.date.accessioned | 2026-02-26T23:48:08Z | - |
| dc.date.available | 2026-02-26T23:48:08Z | - |
| dc.date.issued | 2026-01-01 | - |
| dc.identifier.uri | https://rinacional.tecnm.mx/jspui/handle/TecNM/12231 | - |
| dc.description | La complejidad de la imagen ha sido utilizada en áreas del procesamiento digital de imágenes tales como detección de bordes, compresores, segmentación, etc. También se ha utilizado en áreas de psicología donde se analiza cómo ésta afecta en la memoria de trabajo e incluso en el análisis de los anuncios comerciales. Sin embargo, la complejidad es una medida subjetiva que se basa en la percepción visual del humano y puede variar debido a conocimientos, experiencias, costumbres, etc. En esta investigación, la complejidad de una imagen se define como una medida de la cantidad de detalles contenidos en ella y que la hacen difícil de evaluar. Además, se propone un análisis y un método para disminuir la subjetividad en esta medida mediante la selección de características computables que tengan correlación con la complejidad de imagen que un humano estima como: densidad de bordes, relación de compresión, color y entropía del patrón. El primer método se trata de sistemas de inferencia de lógica difusa en el que se generó un conjunto de reglas de inferencia y se construyeron los valores difusos con algoritmos de agrupamiento. El segundo método consiste en el uso de redes neuronales artificiales, en el que se plantea un método iterativo que consiste en buscar la mejor cantidad de neuronas y la mejor red que modele la complejidad de imágenes. Los sistemas de inferencia de lógica difusa, lograron un desempeño promedio de 0.80 en correlación al criterio humano, lo cual es aceptable al estar en el promedio de la literatura investigada. Los sistemas con redes neuronales artificiales lograron un desempeño promedio de 0.89, el cual es mayor al de lógica difusa y más alto que la mayoría de los métodos de la literatura investigada. | es_MX |
| dc.language.iso | spa | es_MX |
| dc.publisher | Tecnológico Nacional de México | es_MX |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0 | es_MX |
| dc.subject | info:eu-repo/classification/cti/7 | es_MX |
| dc.subject.other | MEDICIÓN DE LA COMPLEJIDAD DE IMÁGENES MEDIANTE UN MÉTODO EN EL DOMINIO ESPACIAL | es_MX |
| dc.title | MEDICIÓN DE LA COMPLEJIDAD DE IMÁGENES MEDIANTE UN MÉTODO EN EL DOMINIO ESPACIAL | es_MX |
| dc.type | info:eu-repo/semantics/masterThesis | es_MX |
| dc.contributor.director | CHACÓN MURGUÍA, MARIO IGNACIO#CAMM590201HCHHRR01 | - |
| dc.rights.access | info:eu-repo/semantics/openAccess | es_MX |
| dc.publisher.tecnm | Instituto Tecnológico de Chihuahua | es_MX |
| Appears in Collections: | Maestría en Ciencias en Ingeniería Electrónica | |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| Tesis Posada Urrutia Daniel Alberto.pdf | 7.89 MB | Adobe PDF | View/Open |
This item is protected by original copyright |
This item is licensed under a Creative Commons License
