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
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/21515

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