Vol. 5 Núm. 13 (2006): Revista GTI
Artículos

SEGMENTACIÓN DE IMÁGENES DE COLOR EMPLEANDO EL ESPACIO DE ESCALA GAUSSIANO

Neil Guerrero González
Universidad Nacional de Colombia
Biografía
Flavio Prieto
Universidad Nacional de Colombia
Biografía
Pierre Boulanger
Universidad de Alberta
Biografía

Cómo citar

González, N. G., Prieto, F., & Boulanger, P. (2011). SEGMENTACIÓN DE IMÁGENES DE COLOR EMPLEANDO EL ESPACIO DE ESCALA GAUSSIANO. Revista GTI, 5(13), 13–20. Recuperado a partir de https://revistas.uis.edu.co/index.php/revistagti/article/view/1939

Resumen

RESUMEN

La visión por computador trata con el problema de encontrar interpretaciones o descripciones significativas a partir de datos visuales y se pueden pensar tres preguntas que conduzcan a la interpretación significativa de los mismos. ¿Cuál es la información relevante de la imagen? ¿Cómo debe extraerse la información relevante de los datos censados? ¿Qué medidas o características pueden obtenerse de la información extraída? Este trabajo pretende responder a la segunda pregunta, así como de identificar desde la imagen qué objetos están en el mundo y donde están en él. Se recurre a la representación en el espacio de escala para el análisis de los datos en diferentes niveles de la imagen y se propone una metodología de segmentación basada en la relación de cada uno de los píxeles con su vecindario.

Los espacios de escala son reducciones sucesivas de características de la imagen que permiten identificar las propiedades más significativas de la misma, aplicando un filtro Gaussiano cuyos parámetros son variados a medida que la escala aumenta. Para las pruebas se emplearon imágenes de café y los resultados muestran regiones más completas con respecto a las técnicas de segmentación de crecimiento de regiones y SCT debido a la influencia del filtrado sucesivo. Este trabajo se desarrolló con apoyo del proyecto de investigación MODELADO DE SUPERFICIES DE FORMA LIBRE.

PALABRAS CLAVE: Segmentación de Imágenes, Espacios de Escala, Filtro Gaussiano.

 

 

ABSTRACT

Computer vision deals with the problem of finding interpretations or significant descriptions from visual data. Three questions that lead to the significant interpretation of such data should be considered. What is the relevant information in the image? How can the relevant information be extracted from the data? What measures or characteristics can be obtained from the extracted information? This work tries to respond to the second question, as well as to identify what objects are in the image and where they are located.

Scale space representation can be used to analyze the data from the image in different levels. In this work, a segmentation methodology based on the relation of each one of the pixels in the image with its neighbors is applied. Scale spaces are successive reductions of characteristics of the image that allow identification of its most significant properties. This is achieved by applying a Gaussian filter whose parameters are varied as the scale increases. Images of coffee plants were used for the tests and the results show more complete regions with respect to the techniques of segmentation of growth of regions and SCT.

 

KEYWORDS: Segmentation of Images, Scale Space, Gaussian Filter.

Descargas

Los datos de descargas todavía no están disponibles.

Referencias

  1. WITKIN A. Scale Space Filtering. Proc. 8th Intern. Joint Conf. Art. Intell. Morgan-Kaufmann, Palo Alto, CA. 1983. pp. 1019-1022
  2. KOENDERINK J.J. The structure of images. Biol. Cybernet. 50. 1984. pp 363-370.
  3. WEICKERT J., ISHIKAWA S., IMIYA A. On the history of Gaussian scale-space axiomatics. In Gaussian Scale Space Theory (J. Sporring, M. Nielsen, L. Florack, and P. Johansen, Eds.), 1983. pp. 45-58. Kluwer Academic, Dordrecht.
  4. PAUWELS E.J, VAN GOOL L. J., FIDDELAERS P, MOONS T. An extended class of scale-invariant and recursive scale space filters. IEEE Trans. Pattern Anal. Mach. Intell. 17, 1995. pp. 691- 701.
  5. MATHERON G. Random Sets and Integral Geometry, 1995. Wiley, New York.
  6. BROCKETT R.W., MARAGOS P. Evolution equations for continuous-scale morphological filtering. , IEEE Trans. Signal Process. 42, 1994, pp. 3377-3386.
  7. JACKWAY P.T. Morphological Scale-Space, in Proceedings 11th IAPR International Conference on Pattern Recognition. IEEE Computer Society Press, Los Alamitos, CA, 1992. pp. 252- 255
  8. VAN DEN BOOMGAARD R.. Mathematical Morphology: Extensions towards Computer Vision., Ph.D. thesis, University of Amsterdam, 1992.
  9. ARMAN,F., AGGARWAL,J.K. Model-based object recognition in dense-range image. A review., ACM Comput. Surveys 25 (1). 1993. pp. 543.
  10. MONTES N. Desarrollo de Algoritmos de Segmentación de Frutos Maduros y Verdes de Café en Imágenes Tomadas en Condiciones Controladas, Basados en las Propiedades de Color. Tesis de Pregrado 2001. Universidad Nacional de Colombia. Manizales
  11. BETANCUR J. Segmentación de Granos de Café Mediante Métodos de Crecimiento de Regiones Tesis de pregrado 2002. Universidad Nacional de Colombia. Manizales