| Revue: | Computación y sistemas |
| Base de datos: | PERIÓDICA |
| Número de sistema: | 000352711 |
| ISSN: | 1405-5546 |
| Autores: | Guzmán Ramírez, Enrique1 Jiménez, Ofelia M. C1 Pérez, Alejandro D1 Pogrebnyak, Oleksiy2 |
| Instituciones: | 1Universidad Tecnológica de la Mixteca, Huajuapan de León, Oaxaca. México 2Instituto Politécnico Nacional, Centro de Investigación en Computación, México, Distrito Federal. México |
| Año: | 2011 |
| Periodo: | Oct-Dic |
| Volumen: | 15 |
| Número: | 2 |
| Paginación: | 149-162 |
| País: | México |
| Idioma: | Inglés |
| Tipo de documento: | Artículo |
| Enfoque: | Aplicado, descriptivo |
| Resumen en español | En este artículo, un algoritmo para segmentación de imágenes en tonos de gris con base en las Memorias Asociativas Extendidas (EAM) es propuesto. El algoritmo es dividido en tres fases, en la primer fase se determina una distribución uniforme de los valores de los pixeles de la imagen utilizando la técnica de histograma. El resultado de esta fase es un conjunto de regiones (clases) donde cada una agrupa un determinado número de valores de pixel. En la segunda fase se aplica el algoritmo de entrenamiento de las EAM sobre la información obtenida en la primera fase; el resultado de esta fase es una red asociativa que contiene los centroides de las regiones que serán usadas en la segmentación de la imagen. En la última fase, usando el algoritmo de clasificación de las EAM se obtiene el centroide al cual cada uno de los pixeles de la imagen pertenece y el proceso de segmentación es completado. En la sección de resultados se presentan un análisis cuantitativo y una comparativa de desempeño, utilizando imágenes estándares de prueba, entre nuestra propuesta y un algoritmo de segmentación, basado en técnicas de clasificación, frecuentemente utilizado, el algoritmo k–means |
| Resumen en inglés | In this paper, a grayscale image segmentation algorithm based on Extended Associative Memories (EAM) is proposed. The algorithm is divided into three phases. First, the uniform distribution of the image pixel values is determined by means of the histogram technique. The result of this phase is a set of regions (classes) where each one is grouped into a certain number of pixel values. Second, the EAM training phase is applied to the information obtained at the first phase. The result of the second phase is an associative network that contains the centroids group of each of the regions in which the image will be segmented. Finally, the centroid to which each pixel belongs is obtained using the EAM classification phase, and the image segmentation process is completed. A quantitative analysis and comparative performance for frequently–used image segmentation by the clustering method, the k–means, and the proposed algorithm when it uses prom and med operators are presented |
| Disciplinas: | Ciencias de la computación |
| Palabras clave: | Procesamiento de datos, Segmentación de imágenes, Memorias asociativas, Técnicas de agrupamiento, Algoritmos |
| Keyword: | Computer science, Data processing, Images segmentation, Associative memories, Clustering techniques, Algorithms |
| Texte intégral: | Texto completo (Ver HTML) |
