Segmentación de imágenes mediante un algoritmo de agrupamiento espectral
En este proyecto se propone un algoritmo de segmentación de imágenes basado en agrupamiento espectral, SFSC (Superpixels, fuzzy and Spectral Clustering), el cual para imágenes de tamaño considerable obtiene una segmentación en menor tiempo que un algoritmo clásico de agrupamiento espectral, además s...
- Autores:
-
Lizarazo Chilamá, Pablo Andrés
Rodríguez Fernández, Juan Pablo
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2017
- Institución:
- Universidad del Cauca
- Repositorio:
- Repositorio Unicauca
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.unicauca.edu.co:123456789/1670
- Acceso en línea:
- http://repositorio.unicauca.edu.co:8080/xmlui/handle/123456789/1670
- Palabra clave:
- Agrupamiento Espectral
Vectores Propios
Valores Propios
Súper Píxeles
Matriz Similaridad
Matriz Laplaciana
Fuzzy C-Means
K-Means
- Rights
- License
- https://creativecommons.org/licenses/by-nc-nd/4.0/
id |
REPOCAUCA2_6a749483f977033541672c7591475dad |
---|---|
oai_identifier_str |
oai:repositorio.unicauca.edu.co:123456789/1670 |
network_acronym_str |
REPOCAUCA2 |
network_name_str |
Repositorio Unicauca |
repository_id_str |
|
dc.title.spa.fl_str_mv |
Segmentación de imágenes mediante un algoritmo de agrupamiento espectral |
title |
Segmentación de imágenes mediante un algoritmo de agrupamiento espectral |
spellingShingle |
Segmentación de imágenes mediante un algoritmo de agrupamiento espectral Agrupamiento Espectral Vectores Propios Valores Propios Súper Píxeles Matriz Similaridad Matriz Laplaciana Fuzzy C-Means K-Means |
title_short |
Segmentación de imágenes mediante un algoritmo de agrupamiento espectral |
title_full |
Segmentación de imágenes mediante un algoritmo de agrupamiento espectral |
title_fullStr |
Segmentación de imágenes mediante un algoritmo de agrupamiento espectral |
title_full_unstemmed |
Segmentación de imágenes mediante un algoritmo de agrupamiento espectral |
title_sort |
Segmentación de imágenes mediante un algoritmo de agrupamiento espectral |
dc.creator.fl_str_mv |
Lizarazo Chilamá, Pablo Andrés Rodríguez Fernández, Juan Pablo |
dc.contributor.author.none.fl_str_mv |
Lizarazo Chilamá, Pablo Andrés Rodríguez Fernández, Juan Pablo |
dc.subject.spa.fl_str_mv |
Agrupamiento Espectral Vectores Propios Valores Propios Súper Píxeles Matriz Similaridad Matriz Laplaciana |
topic |
Agrupamiento Espectral Vectores Propios Valores Propios Súper Píxeles Matriz Similaridad Matriz Laplaciana Fuzzy C-Means K-Means |
dc.subject.eng.fl_str_mv |
Fuzzy C-Means K-Means |
description |
En este proyecto se propone un algoritmo de segmentación de imágenes basado en agrupamiento espectral, SFSC (Superpixels, fuzzy and Spectral Clustering), el cual para imágenes de tamaño considerable obtiene una segmentación en menor tiempo que un algoritmo clásico de agrupamiento espectral, además se realiza un análisis con respecto a otras métricas y algoritmos que presentan semejanza. La codificación del algoritmo se llevó a cabo en C++. Para realizar las operaciones matriciales y dar solución al problema de valores y vectores propios se utilizó la librería eigen, para mejorar el desempeño de eigen se incluyeron librerías extras como: Lapack, OpenMP, Blas, Pthread y principalmente la librería intel® Math Kernel Library (MKL). Se implementa una interfaz gráfica de usuario (GUI) en el framework multi plataforma Qt y para el procesamiento digital de la imágenes se utilizó OpenCV. El algoritmo presenta tres pilares para su desarrollo: pre-segmentación o diezmando en súper píxeles con el algoritmo Simple Linear Iterative Clustering (SLIC), construcción de la matriz de Similaridad con una medida difusa basada en el clasificador Fuzzy C-Means (FCM) y finalmente mediante agrupamiento espectral se determina la segmentación final. Con agrupamiento espectral se realiza la construcción de la matriz Laplaciana normalizada y se determinan los k vectores propios (espectro). La matriz Laplaciana normalizada como la medida difusa da un buen resultado para determinar el mejor punto corte. Al comparar el algoritmo desarrollado con otros métodos de segmentación, se consiguieron buenos resultados en la métrica de complejidad temporal respecto al algoritmo clásico, además, se obtienen buenos resultados para las diferentes métricas de validación, internas como externas. |
publishDate |
2017 |
dc.date.issued.none.fl_str_mv |
2017 |
dc.date.accessioned.none.fl_str_mv |
2019-11-27T13:52:11Z |
dc.date.available.none.fl_str_mv |
2019-11-27T13:52:11Z |
dc.type.spa.fl_str_mv |
Trabajos de grado |
dc.type.coarversion.fl_str_mv |
http://purl.org/coar/version/c_970fb48d4fbd8a85 |
dc.type.driver.none.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
dc.type.coar.none.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
format |
http://purl.org/coar/resource_type/c_7a1f |
dc.identifier.uri.none.fl_str_mv |
http://repositorio.unicauca.edu.co:8080/xmlui/handle/123456789/1670 |
dc.identifier.instname.none.fl_str_mv |
|
dc.identifier.reponame.none.fl_str_mv |
|
dc.identifier.repourl.none.fl_str_mv |
|
url |
http://repositorio.unicauca.edu.co:8080/xmlui/handle/123456789/1670 |
identifier_str_mv |
|
dc.language.iso.spa.fl_str_mv |
spa |
language |
spa |
dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
dc.rights.uri.none.fl_str_mv |
https://creativecommons.org/licenses/by-nc-nd/4.0/ |
dc.rights.creativecommons.none.fl_str_mv |
https://creativecommons.org/licenses/by-nc-nd/4.0/ |
rights_invalid_str_mv |
https://creativecommons.org/licenses/by-nc-nd/4.0/ http://purl.org/coar/access_right/c_abf2 |
dc.publisher.spa.fl_str_mv |
Universidad del Cauca |
dc.publisher.faculty.spa.fl_str_mv |
Facultad de Ingeniería Electrónica y Telecomunicaciones |
dc.publisher.program.spa.fl_str_mv |
Ingeniería en Automática Industrial |
institution |
Universidad del Cauca |
bitstream.url.fl_str_mv |
http://repositorio.unicauca.edu.co/bitstream/123456789/1670/1/SEGMENTACI%c3%93N%20DE%20IM%c3%81GENES%20MEDIANTE%20UN%20ALGORITMO%20DE%20AGRUPAMIENTO%20ESPECTRAL.pdf http://repositorio.unicauca.edu.co/bitstream/123456789/1670/2/license.txt |
bitstream.checksum.fl_str_mv |
66a8e50d54588dd24c997470456867e3 8a4605be74aa9ea9d79846c1fba20a33 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Dspace - Universidad del Cauca |
repository.mail.fl_str_mv |
biblios@unicauca.edu.co |
_version_ |
1808396260124655616 |
spelling |
Lizarazo Chilamá, Pablo AndrésRodríguez Fernández, Juan Pablo2019-11-27T13:52:11Z2019-11-27T13:52:11Z2017http://repositorio.unicauca.edu.co:8080/xmlui/handle/123456789/1670En este proyecto se propone un algoritmo de segmentación de imágenes basado en agrupamiento espectral, SFSC (Superpixels, fuzzy and Spectral Clustering), el cual para imágenes de tamaño considerable obtiene una segmentación en menor tiempo que un algoritmo clásico de agrupamiento espectral, además se realiza un análisis con respecto a otras métricas y algoritmos que presentan semejanza. La codificación del algoritmo se llevó a cabo en C++. Para realizar las operaciones matriciales y dar solución al problema de valores y vectores propios se utilizó la librería eigen, para mejorar el desempeño de eigen se incluyeron librerías extras como: Lapack, OpenMP, Blas, Pthread y principalmente la librería intel® Math Kernel Library (MKL). Se implementa una interfaz gráfica de usuario (GUI) en el framework multi plataforma Qt y para el procesamiento digital de la imágenes se utilizó OpenCV. El algoritmo presenta tres pilares para su desarrollo: pre-segmentación o diezmando en súper píxeles con el algoritmo Simple Linear Iterative Clustering (SLIC), construcción de la matriz de Similaridad con una medida difusa basada en el clasificador Fuzzy C-Means (FCM) y finalmente mediante agrupamiento espectral se determina la segmentación final. Con agrupamiento espectral se realiza la construcción de la matriz Laplaciana normalizada y se determinan los k vectores propios (espectro). La matriz Laplaciana normalizada como la medida difusa da un buen resultado para determinar el mejor punto corte. Al comparar el algoritmo desarrollado con otros métodos de segmentación, se consiguieron buenos resultados en la métrica de complejidad temporal respecto al algoritmo clásico, además, se obtienen buenos resultados para las diferentes métricas de validación, internas como externas.spaUniversidad del CaucaFacultad de Ingeniería Electrónica y Telecomunicaciones Ingeniería en Automática Industrialhttps://creativecommons.org/licenses/by-nc-nd/4.0/https://creativecommons.org/licenses/by-nc-nd/4.0/http://purl.org/coar/access_right/c_abf2Agrupamiento EspectralVectores PropiosValores PropiosSúper PíxelesMatriz SimilaridadMatriz LaplacianaFuzzy C-MeansK-MeansSegmentación de imágenes mediante un algoritmo de agrupamiento espectralTrabajos de gradoinfo:eu-repo/semantics/bachelorThesishttp://purl.org/coar/resource_type/c_7a1fhttp://purl.org/coar/version/c_970fb48d4fbd8a85http://purl.org/coar/version/c_970fb48d4fbd8a85ORIGINALSEGMENTACIÓN DE IMÁGENES MEDIANTE UN ALGORITMO DE AGRUPAMIENTO ESPECTRAL.pdfSEGMENTACIÓN DE IMÁGENES MEDIANTE UN ALGORITMO DE AGRUPAMIENTO ESPECTRAL.pdfapplication/pdf44172328http://repositorio.unicauca.edu.co/bitstream/123456789/1670/1/SEGMENTACI%c3%93N%20DE%20IM%c3%81GENES%20MEDIANTE%20UN%20ALGORITMO%20DE%20AGRUPAMIENTO%20ESPECTRAL.pdf66a8e50d54588dd24c997470456867e3MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81748http://repositorio.unicauca.edu.co/bitstream/123456789/1670/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD52123456789/1670oai:repositorio.unicauca.edu.co:123456789/16702021-05-28 10:10:26.717Dspace - Universidad del Caucabiblios@unicauca.edu.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 |