| Revista: | TecnoLógicas |
| Base de datos: | PERIÓDICA |
| Número de sistema: | 000356267 |
| ISSN: | 0123-7799 |
| Autores: | Molina Cortés, Jeyson1 Restrepo Martínez, Alejandro2 Branch Bedoya, John W1 |
| Instituciones: | 1Universidad Nacional de Colombia, Grupo de Investigación y Desarrollo en Inteligencia Artificial, Medellín, Antioquia. Colombia 2Instituto Tecnológico Metropolitano, Grupo de Investigación en Automática y Electrónica, Medellín, Antioquia. Colombia |
| Año: | 2011 |
| Periodo: | Dic |
| Número: | 27 |
| Paginación: | 53-73 |
| País: | Colombia |
| Idioma: | Español |
| Tipo de documento: | Artículo |
| Enfoque: | Aplicado, descriptivo |
| Resumen en español | La presencia de iluminación no homogénea en imágenes de escenas reales es un problema actual que dificulta la adecuada segmentación de estas. En este trabajo se presenta una metodología para la optimización de la segmentación local de Sauvola para la detección de defectos superficiales en imágenes no homogéneamente iluminadas ajustando sus parámetros mediante algoritmos genéticos. La metodología consta de estas etapas: Primero se plantea el problema desde la perspectiva de los algoritmos genéticos donde cada individuo de la población representa los valores para los parámetros de Sauvola. Luego, varias funciones de aptitud son propuestas utilizando métricas de comparación entre una segmentación de Sauvola y una realizada manualmente. Cada función es evaluada ejecutando el algoritmo genético utilizando esta en un subconjunto de imágenes. La mejor función de aptitud según los resultados de la optimización, es utilizada nuevamente en una muestra más grande. Finalmente, a los últimos resultados de optimización se les realiza un análisis de agrupamientos. Los resultados muestran que si es posible ajustar los parámetros de Sauvola para segmentar correctamente cada imagen pero estos no exhiben un agrupamiento hacia un punto específico que permita establecer unos parámetros únicos para segmentar todo el conjunto de imágenes con un alto desempeño |
| Resumen en inglés | The presence of non-homogeneous illumination in real scenes images is an actual problem that difficult the correct segmentation of these. This paper presents a methodology for optimizing Sauvola local segmentation for the detection of superficial defects in nonhomogeneous illuminated images by adjusting its parameters through genetic algorithms. The methodology consists of these stages: First, the problem is proposed from the perspective of genetic algorithms where each individual in the population represents the values for Sauvola's parameters. Then several fitness functions are proposed using comparison metrics between a Sauvola's segmentation and one performed manually. Each function is evaluated by running the genetic algorithm with it in a subset of images. The best fitness function, according to the results of optimization, is used again in a larger sample. Finally, the last optimization results are analyzed by a clustering analysis. The results show that it is possible to adjust Sauvola's parameters to successfully segment each image but these do not exhibit a tendency to a specific point that allow to suggest unique parameters to segment all images with a high performance |
| Disciplinas: | Ciencias de la computación |
| Palabras clave: | Procesamiento de datos, Manejo de imágenes, Segmentación de imágenes, Iluminación, Optimización, Algoritmos genéticos |
| Keyword: | Computer science, Data processing, Images management, Images segmentation, Illumination, Optimization, Genetic algorithms |
| Texto completo: | Texto completo (Ver PDF) |
