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...

Full description

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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