Método adaptivo de descripción de textura utilizando el patrón espectrum y la morfología matemática

Albert Miyer Suarez; Sir Alexci Suarez; Maribel González Rodríguez

doi:10.24054/rcta.v1i17.1977

Autores/as

Albert Miyer Suarez Universidad de Pamplona
Sir Alexci Suarez Universidad Simón Bolívar
Maribel González Rodríguez Universidad de León

DOI:

https://doi.org/10.24054/rcta.v1i17.1977

Palabras clave:

Patrón espectrum, semen porcino, descripción de textura, granulometría

Resumen

La morfología matemática ha sido utilizada en diferentes tareas de procesamiento de imágenes, como el filtrado y en la descripción de la textura, usando el método denominado patrón espectrum. En este artículo se propone un descriptor adaptivo de textura basado en el patrón espectrum. El elemento estructurante usado permite realizar operaciones para procesar el patrón espectrum en varias formas y tamaños, por medio de un criterio de distancia, el cual se adapta a la superficie de la textura alrededor de cada pixel. Los resultados de la clasificación de textura dependen del tamaño del descriptor y su elemento estructurante, logrando que el método adaptivo de patrón espectrum mejore en un 10% la tasa de acierto al compararlo con el método tradicional.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Verstegen, J., Iguer-Ouada, M. y Onclin, K. (2002) “Computer assisted semen analyzers in andrology research and veterinary practice”. Theriogenology, Vol 57, pp. 149-179.

Haralick, R M. (1979). “Statistical and Structural Approaches to Texture”. Proceedings of the IEEE, Vol. 67, pp. 786-804.

Haralick, R. M., Shanmugam, K. y Dinstein, I. (1973). “Textural features for image classification”. IEEE Transactions on Systems, Man, and Cybernetics, Vol. SMC-3, pp. 610-621.

Laws, K I. (1980). “Rapid texture identification. In SPIE”. Image Processing for Missile Guidance, Vol. 238, pp. 376-380.

Gonzalez, M., Alegre, E., Alaiz, R. y Sanchez, L. (2007) “Acrosome integrity classification of boar spermatozoon images using dwt and texture descriptors”. Computational Vision and Medical Image Processing: VipIMAGE pp. 165-168.

Gonzalez, V., Alegre, E., Morala-Argüello, P y Suárez, S.A. (2008). “Segmentación de cabezas de espermatozoides de verraco mediante combinación de umbralización y transformada Watershed”. XXIX Jornadas de Automática.

Gonzalez, V., Alegre, E., Morala-Argüello, P y Suárez, S.A. (2009). “A combined and intelligent new segmentation method for boar semen based on thresholding and watershed transform”, International Journal of Imaging, S09, pp. 70-80.

Sánchez, L., Petkov, N y Alegre, E. (2005) “Classification of boar spermatozoid head images using a model intracellular density distribution, in: A. Sanfeliu, M. Cortes (Eds.)”. Progress in Pattern Recognition, Image Analysis and Applications, Vol. 3773 of Lecture Notes in Computer Science, pp. 154-160, Springer Berlin / Heidelberg.

Alegre, E., Gonzalez-Castro, V., Suarez, S y Castejon, M. (2009). “Comparison of supervised and unsupervised methods to classify boar acrosomes using texture descriptors”. Proc. Int. Symp. ELMAR ELMAR '09, pp. 65-70.

Matheron, G. “Random sets and integral geometry,” Wiley & Sons, New York, NY & al.

Serra, J. (1988). “Image analysis and mathematical morphology, Theoretical Advances. Academic Press.

Tomar, R., Singh, T., Wadhwani, S. and Bhadoria, S. (2009). “Analysis of breast cancer using image processing techniques, Computer Modeling and Simulation”. EMS '09. Third UKSim European Symposium, pp 251-256.

Angulo, J. Klossa, J. y Flandrin, G. (2006). “Ontology-based lymphocyte population description using mathematical morphology on colour blood images”. Cellular and Molecular Biology. Vol. 52, pp. 2-15.

Mendiola, S., Gallegos, D., Ortiz, R. y López, C. (2007). “Segmentación y análisis granulométrico de sustancia blanca y gris en IRM para el estudio delestrabismo usando transformaciones morfológicas”. Rev Mex Ing Biomed. Vol. 28, pp. 92-104.

Bouraoui, P., Ronse, C., Baruthio, J., Passat, N. y Germain, P. (2010). “3d segmentation of coronary arteries based on advanced mathematical morphology techniques”. Comput. Med. Imaging Graph. Vol. 34, pp. 377-387.