TÉCNICA DE SEGMENTACIÓN PARAMÉTRICA UN NUEVO MÉTODO DE SINTONÍA A LA SEGMENTACIÓN ESTÁNDAR
DOI:
https://doi.org/10.26495/icti.v3i2.434Palabras clave:
Análisis ROC, Espacio binario u-dimensional, "ground-truth", Morfología, Segmentación.Resumen
En este artículo se describe una nueva técnica de segmentación paramétrica (TSP) de imágenes formulada como un problema de optimización de una función objetivo, la solución factible está contenida en el espacio binario u-dimensional y está compuesta por un conjunto de imágenes binarias las cuales son generadas a partir de la imagen original y del ajuste de ciertos parámetros. La función objetivo es una función de similitud y el argumento del optimo son los parámetros óptimos de la segmentación. La TSP minimiza el error de comparar la imagen segmentada en el paso n con la imagen segmentada en el paso n-1. La TSP emplea un algoritmo de segmentación basado en técnicas de morfología matemática como la transformada watershed. Esta técnica se utilizó para automatizar y optimizar los algoritmos clásicos de segmentación como: la detección de bordes de Canny, la binarización por umbralización del histograma de Otsu y la transformada watershed. La técnica se validó por el análisis ROC.
Descargas
Citas
Beucher, S. &. (September de 1979). Use Watershed in Contour Detection. Proc.Int. Workshop on Image Processing, 17,21.
Beucher, S. (1009). These Morphologie Mathematique. Paris: Ecole Nationale Superierure des Mines de Paris.
Beucher, S. (September de 1991). The watershed Tansformation Applied to Image Segmentation. 10th Conference on Signal and Image Processing in Microscopy and Microanalysis, 16,19.
Blázquez, M. A. (Mayo de 2011). Base Moleculares de la Floración. Investigacion y Ciencia.
Canny, A. (1986). Computational Approach to Edge Detection. IEEE Transactions on Pattern Analysis and Machine Intelligence , 679,698.
Cheng, J. &. (march de 2009). Segmentation of Clustered Nuclei with Shape Markes and Marking Function. IEEE Transactions on Biomedical Rngineering, 56(3).
Dima, A. E. (2011). Comparison of Segmentation Algorithms for Fluorescence Mycroscopy Images of Cells. Part A, 545, 559.
Falcao, A. S. (January de 2004). The Image Foresting Transform: Theory, Algorithms, and Applications. IEEE Transactions on Parttern Analysis and Machine Intelligence, 26(1).
Forero, M. G. (Mayo de 2000). New Formulation in Image Threholding Using Fuzzy Logic. 11 th Portuguese Conference on Pattern Recognition.
Gonzalez, R. C. (2004). Digital Image Processing Using MatLab. Pearson Prentice Hall.
Hubalek, Z. (1982). Coefficients of Association and Similarity, Based on Binary (Presence - Absence). Biolog, 669,689.
Jumg, C. K. (October de 2010). Segmenting Clustered Nuclei Using H-minima Transform -Based Marker Exytaction and Contour Parameterization. IEEE Transactions on Biomedical Engineering , 57(10).
Lotufo, R. A. (2002). IFT Watershed from Gray-Scale Marker. Proceedings of the XV Brazilian Symposium on Computer Graphics and Image Processing .
Malisiewicz, T. &. (2007). Improving Spatial Support Forobjects Via Multiple Segmentations.
Mkrtchyan, K. S.-C. (1982). Efficient Cell Segmentation and Tracking of Developing Plant Meristem. Biolog(57), 669,689.
Parvati, P. &. (2008). Image Segmentation Usung Gray Scale Morphology and Marker Controlled Watershed Transformation. Hindawi Publishing Corporation, Discrete Dynamics in Mature and Societe. doi:10.1155/2008/384346
Rojas, O. A. (Julio de 2003). Simulación Gráfica del Concepto de Gradiente en Optimización de Funciones. (U. P. Madrid, Ed.) I Encuentro de Computación Simbólica.
Rojas, O. G. (2016). Improved Segmentation of Meristem Cells by an Automated Optimization Algrithm.
Serra, J. (1981). Image Analysis and Mathematical Morphology. Academic Press.
Serra, J. (2001). Lecture Notes on Morphological Operations. First French- Nordic Summer Course in Mathematics.
Sezgin, M. &. (January de 2004). Survey Over Image Thresholding Tecniques and Quantitative Performance Evaluation. Jouernal of Electronic Imaging, 146,165.
Shih, F. Y. (2009). Image Processing and Mathematical Morphology. CRC Press Taylor & Francis Group.
Soille, P. (2003). Morphological Image Analysis principles and Applications. Springer.
Solomon, C. &. (2011). Fundamentals Of Digital Image Processing a Practical Approch with Examples in MatLab. Wiley-Blackwell.
Vincent, L. &. (1991). Watersheds in Digital Space: And Efficient Añgorithm Based on Immersions Simulations. IEEE Transactions on PAMI(6), 583, 598.
Vincent, L. (August de 1992). Recent Developments in Morphological Algorithms. 8th International Congress for Stereology, 11, 521,532.
Vincent, L. (s.f.). Morphological Grayscale Reconstruction in Image Analysis. IEEE Transactions on Image Processing, 2(2), 176,201.
Wu, Q. M. (2008). Microscopy Image Processing . Academic Press.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Creative Commons Atribución-NoComercial-CompartirIgual 4.0
Política editorial
