Estrategias evolutivas para la detección de contornos en imágenes digitales
- Autores
- Katz, Román; Delrieux, Claudio
- Año de publicación
- 2003
- Idioma
- español castellano
- Tipo de recurso
- documento de conferencia
- Estado
- versión publicada
- Descripción
- La extracción de contornos en imágenes digitales es una operación de gran interés en los procesos de segmentación e identificación de patrones, tanto para tareas de reconocimiento e interpretación, como también de clasificación de objetos [4]. El operador gradiente es una herramienta ampliamente utilizada a tal efecto, detectando las variaciones en los niveles de intensidad que pudieran corresponder a los contornos de interés. Aunque esta metodología brinda resultados aceptables para casos típicos, existe gran variedad de situaciones en las que se requiere un esfuerzo computacional adicional que permita ampliar su rango de aplicación. Tal es el caso de la extracción de contornos en imágenes ruidosas o con objetos con niveles de intensidad no uniforme, en los cuales se realiza típicamente una detección de bordes utilizando el operador gradiente, seguida por algún esquema de procesamiento global. Una de las técnicas que actualmente se está investigando se denomina contornos activos [5, 8], y consiste en utilizar curvas inicializadas por el usuario, las cuales se mueven dentro de la imagen hasta encontrar el contorno buscado. Para ello se utilizan mecansimos diversos, como B-Splines [1], flujo del vector gradiente, etc. En general, los contornos activos poseen limitaciones respecto de las concavidades de las fronteras a segmentar [9]. En este trabajo presentamos un resumen del sistema y de los resultados obtenidos en la detección de bordes utilizando el uso combinado del operador gradiente con estrategias evolutivas [6, 7]. La utilización de algoritmos evolutivos [2] nos provee una herramienta de resolución capaz de encontrar soluciones próximas a la óptima a este problema de formulación matemática no trivial y de gran complejidad computacional.
Eje: Procesamiento de Señales
Red de Universidades con Carreras en Informática (RedUNCI) - Materia
-
Ciencias Informáticas
Signal processing
Estrategias Evolutivas
Detección de Contornos
Imágenes Digitales - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
- Repositorio
- Institución
- Universidad Nacional de La Plata
- OAI Identificador
- oai:sedici.unlp.edu.ar:10915/21515
Ver los metadatos del registro completo
id |
SEDICI_0d43f66998d882cf3e6dce7670bcd732 |
---|---|
oai_identifier_str |
oai:sedici.unlp.edu.ar:10915/21515 |
network_acronym_str |
SEDICI |
repository_id_str |
1329 |
network_name_str |
SEDICI (UNLP) |
spelling |
Estrategias evolutivas para la detección de contornos en imágenes digitalesKatz, RománDelrieux, ClaudioCiencias InformáticasSignal processingEstrategias EvolutivasDetección de ContornosImágenes DigitalesLa extracción de contornos en imágenes digitales es una operación de gran interés en los procesos de segmentación e identificación de patrones, tanto para tareas de reconocimiento e interpretación, como también de clasificación de objetos [4]. El operador gradiente es una herramienta ampliamente utilizada a tal efecto, detectando las variaciones en los niveles de intensidad que pudieran corresponder a los contornos de interés. Aunque esta metodología brinda resultados aceptables para casos típicos, existe gran variedad de situaciones en las que se requiere un esfuerzo computacional adicional que permita ampliar su rango de aplicación. Tal es el caso de la extracción de contornos en imágenes ruidosas o con objetos con niveles de intensidad no uniforme, en los cuales se realiza típicamente una detección de bordes utilizando el operador gradiente, seguida por algún esquema de procesamiento global. Una de las técnicas que actualmente se está investigando se denomina contornos activos [5, 8], y consiste en utilizar curvas inicializadas por el usuario, las cuales se mueven dentro de la imagen hasta encontrar el contorno buscado. Para ello se utilizan mecansimos diversos, como B-Splines [1], flujo del vector gradiente, etc. En general, los contornos activos poseen limitaciones respecto de las concavidades de las fronteras a segmentar [9]. En este trabajo presentamos un resumen del sistema y de los resultados obtenidos en la detección de bordes utilizando el uso combinado del operador gradiente con estrategias evolutivas [6, 7]. La utilización de algoritmos evolutivos [2] nos provee una herramienta de resolución capaz de encontrar soluciones próximas a la óptima a este problema de formulación matemática no trivial y de gran complejidad computacional.Eje: Procesamiento de SeñalesRed de Universidades con Carreras en Informática (RedUNCI)2003-05info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf251-255http://sedici.unlp.edu.ar/handle/10915/21515spainfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/2.5/ar/Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-29T10:54:42Zoai:sedici.unlp.edu.ar:10915/21515Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 10:54:42.301SEDICI (UNLP) - Universidad Nacional de La Platafalse |
dc.title.none.fl_str_mv |
Estrategias evolutivas para la detección de contornos en imágenes digitales |
title |
Estrategias evolutivas para la detección de contornos en imágenes digitales |
spellingShingle |
Estrategias evolutivas para la detección de contornos en imágenes digitales Katz, Román Ciencias Informáticas Signal processing Estrategias Evolutivas Detección de Contornos Imágenes Digitales |
title_short |
Estrategias evolutivas para la detección de contornos en imágenes digitales |
title_full |
Estrategias evolutivas para la detección de contornos en imágenes digitales |
title_fullStr |
Estrategias evolutivas para la detección de contornos en imágenes digitales |
title_full_unstemmed |
Estrategias evolutivas para la detección de contornos en imágenes digitales |
title_sort |
Estrategias evolutivas para la detección de contornos en imágenes digitales |
dc.creator.none.fl_str_mv |
Katz, Román Delrieux, Claudio |
author |
Katz, Román |
author_facet |
Katz, Román Delrieux, Claudio |
author_role |
author |
author2 |
Delrieux, Claudio |
author2_role |
author |
dc.subject.none.fl_str_mv |
Ciencias Informáticas Signal processing Estrategias Evolutivas Detección de Contornos Imágenes Digitales |
topic |
Ciencias Informáticas Signal processing Estrategias Evolutivas Detección de Contornos Imágenes Digitales |
dc.description.none.fl_txt_mv |
La extracción de contornos en imágenes digitales es una operación de gran interés en los procesos de segmentación e identificación de patrones, tanto para tareas de reconocimiento e interpretación, como también de clasificación de objetos [4]. El operador gradiente es una herramienta ampliamente utilizada a tal efecto, detectando las variaciones en los niveles de intensidad que pudieran corresponder a los contornos de interés. Aunque esta metodología brinda resultados aceptables para casos típicos, existe gran variedad de situaciones en las que se requiere un esfuerzo computacional adicional que permita ampliar su rango de aplicación. Tal es el caso de la extracción de contornos en imágenes ruidosas o con objetos con niveles de intensidad no uniforme, en los cuales se realiza típicamente una detección de bordes utilizando el operador gradiente, seguida por algún esquema de procesamiento global. Una de las técnicas que actualmente se está investigando se denomina contornos activos [5, 8], y consiste en utilizar curvas inicializadas por el usuario, las cuales se mueven dentro de la imagen hasta encontrar el contorno buscado. Para ello se utilizan mecansimos diversos, como B-Splines [1], flujo del vector gradiente, etc. En general, los contornos activos poseen limitaciones respecto de las concavidades de las fronteras a segmentar [9]. En este trabajo presentamos un resumen del sistema y de los resultados obtenidos en la detección de bordes utilizando el uso combinado del operador gradiente con estrategias evolutivas [6, 7]. La utilización de algoritmos evolutivos [2] nos provee una herramienta de resolución capaz de encontrar soluciones próximas a la óptima a este problema de formulación matemática no trivial y de gran complejidad computacional. Eje: Procesamiento de Señales Red de Universidades con Carreras en Informática (RedUNCI) |
description |
La extracción de contornos en imágenes digitales es una operación de gran interés en los procesos de segmentación e identificación de patrones, tanto para tareas de reconocimiento e interpretación, como también de clasificación de objetos [4]. El operador gradiente es una herramienta ampliamente utilizada a tal efecto, detectando las variaciones en los niveles de intensidad que pudieran corresponder a los contornos de interés. Aunque esta metodología brinda resultados aceptables para casos típicos, existe gran variedad de situaciones en las que se requiere un esfuerzo computacional adicional que permita ampliar su rango de aplicación. Tal es el caso de la extracción de contornos en imágenes ruidosas o con objetos con niveles de intensidad no uniforme, en los cuales se realiza típicamente una detección de bordes utilizando el operador gradiente, seguida por algún esquema de procesamiento global. Una de las técnicas que actualmente se está investigando se denomina contornos activos [5, 8], y consiste en utilizar curvas inicializadas por el usuario, las cuales se mueven dentro de la imagen hasta encontrar el contorno buscado. Para ello se utilizan mecansimos diversos, como B-Splines [1], flujo del vector gradiente, etc. En general, los contornos activos poseen limitaciones respecto de las concavidades de las fronteras a segmentar [9]. En este trabajo presentamos un resumen del sistema y de los resultados obtenidos en la detección de bordes utilizando el uso combinado del operador gradiente con estrategias evolutivas [6, 7]. La utilización de algoritmos evolutivos [2] nos provee una herramienta de resolución capaz de encontrar soluciones próximas a la óptima a este problema de formulación matemática no trivial y de gran complejidad computacional. |
publishDate |
2003 |
dc.date.none.fl_str_mv |
2003-05 |
dc.type.none.fl_str_mv |
info:eu-repo/semantics/conferenceObject info:eu-repo/semantics/publishedVersion Objeto de conferencia http://purl.org/coar/resource_type/c_5794 info:ar-repo/semantics/documentoDeConferencia |
format |
conferenceObject |
status_str |
publishedVersion |
dc.identifier.none.fl_str_mv |
http://sedici.unlp.edu.ar/handle/10915/21515 |
url |
http://sedici.unlp.edu.ar/handle/10915/21515 |
dc.language.none.fl_str_mv |
spa |
language |
spa |
dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess http://creativecommons.org/licenses/by-nc-sa/2.5/ar/ Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5) |
eu_rights_str_mv |
openAccess |
rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-sa/2.5/ar/ Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5) |
dc.format.none.fl_str_mv |
application/pdf 251-255 |
dc.source.none.fl_str_mv |
reponame:SEDICI (UNLP) instname:Universidad Nacional de La Plata instacron:UNLP |
reponame_str |
SEDICI (UNLP) |
collection |
SEDICI (UNLP) |
instname_str |
Universidad Nacional de La Plata |
instacron_str |
UNLP |
institution |
UNLP |
repository.name.fl_str_mv |
SEDICI (UNLP) - Universidad Nacional de La Plata |
repository.mail.fl_str_mv |
alira@sedici.unlp.edu.ar |
_version_ |
1844615804603072512 |
score |
13.070432 |