| Journal: | Dyna (Medellín) |
| Database: | |
| System number: | 000544125 |
| ISSN: | 0012-7353 |
| Authors: | BETANCUR, JULIÁN1 MORA, JAISON1 VIERA, JORGE1 |
| Institutions: | 1Fundación Universidad del Norte, Barranquilla. Colombia |
| Year: | 2010 |
| Season: | Dic |
| Volumen: | 77 |
| Number: | 164 |
| Pages: | 240-250 |
| Country: | Colombia |
| Language: | Español |
| Spanish abstract | Se presenta un sistema de segmentación de imágenes de frutos de café basado en el análisis de las características de textura computadas de la matriz de co-ocurrencia. Se cuantifican 121 indicadores de los cuales se seleccionan aquellos con mayor discriminación entre dos clases posibles: "Centro de Fruto" y "Borde". La segmentación utiliza la imagen de bordes, buscando en esta sus regiones arco-conexas. El sistema detector de bordes consiste en un clasificador bayesiano con cinco indicadores como entrada extraídos de un elemento estructural, lo que resulta en la partición de la imagen. La salida del clasificador es la pertenencia hacia una de las dos clases para una región de 4x4 (elemento estructural). Para disminuir el costo computacional, se propone un método experimental utilizando un clasificador basado en umbrales, cuya entrada es un indicador de alta discriminación. Los sistemas alcanzan un nivel de detecciones correctas superior al 90% para un nivel de tolerancia de 50%. |
| English abstract | A coffee-fruits image segmentation system based on the analysis of textural features computed from the co-occurrence matrix is presented. 121 indicators are measured and those with highest discrimination between two classes "Fruit Center" and "Edge", are selected. Segmentation is performed using the edge image, looking for their arc-connected regions. The edge detection system is a Bayesian classifier with five indicators as inputs computed using a structural element, resulting in the partition of the image. The classifier"s output indicates the belongingness to one of the two classes for a 4x4 region (structural element). In order to decrease computational burden, a thresholding-based edge detection system is proposed, using one indicator with high discrimination. Both systems reach a correct detection level higher than 90% at 50% of tolerance. |
| Keyword: | Segmentación de imágenes, Matriz de co-ocurrencia, Clasificador Bayesiano, Análisis de Componentes Principales (PCA), Índice de Fisher (IDF) |
| Keyword: | Image segmentation, Co-occurrence matrix, Bayesian classifier, Principal Component Analysis (PCA), Fisher Index (IDF) |
| Full text: | Texto completo (Ver HTML) Texto completo (Ver PDF) |
