1. Repositorio Institucional del Tecnológico Nacional de México (RI - TecNM)
2. Tesis de Posgrado
3. Morelos
4. Centro Nacional de Investigación y Desarrollo Tecnológico
5. Tesis CENIDET
6. Tesis de Maestría
7. Tesis de Maestría en Computación

Titre:	Extracción de superpixeles y su fusión local mediante un algoritmo de agrupamiento difuso intuitivo
Auteur(s):	Dominguez Lopez, David%815799
metadata.dc.subject.other:	extracción superpíxeles agrupamiento difuso IFCM imágenes complejas algoritmo IFCM algoritmo SLIC
Date de publication:	2019-08-05
Editeur:	Tecnológico Nacional de México
metadata.dc.publisher.tecnm:	Centro Nacional de Investigación y Desarrollo Tecnológico
Description:	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
Collection(s) :	Tesis de Maestría en Computación

Ce document est protégé par copyright Voir la licence

Ce document est autorisé sous une licence de type Licence Creative Commons