Análisis de patrones de franja en imágenes computacionales de fotoelasticidad digital basado en matrices de co-ocurrencia y correlogramas de colores

Las imágenes de fotoelasticidad con patrones de franja esconden en ellas información sobre el campo de esfuerzos, la cual es de interés recuperar. Actualmente existen varios procesos que permiten lograr esto, sin embargo, entre los varios factores externos que afectan a estos, se encuentra la calida...

Full description

Autores:
Giraldo Bustamante, Pablo Daniel
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2023
Institución:
Instituto Tecnológico Metropolitano
Repositorio:
Repositorio ITM
Idioma:
spa
OAI Identifier:
oai:repositorio.itm.edu.co:20.500.12622/6208
Acceso en línea:
http://hdl.handle.net/20.500.12622/6208
Palabra clave:
Fotoelasticidad, fotoelasticidad digital, patrones de franja, imágenes de fotoelasticidad simuladas, visión artificial, disco bajo compresión diametral, descriptores de textura, matrices de co-ocurrencia, contraste, correlograma de colores
Photoelasticity, digital photoelasticity, fringe patterns, simulated photoelasticity images, machine vision, disk under diametrical compression, texture descriptors, co-occurrence matrices, contrast, color correlogram
Rights
License
http://creativecommons.org/licenses/by-nc-nd/4.0/
Description
Summary:Las imágenes de fotoelasticidad con patrones de franja esconden en ellas información sobre el campo de esfuerzos, la cual es de interés recuperar. Actualmente existen varios procesos que permiten lograr esto, sin embargo, entre los varios factores externos que afectan a estos, se encuentra la calidad de los patrones de franja de las imágenes. Ha habido ya trabajos en los que se sugiere que descriptores de textura pueden dar información sobre la calidad, sin embargo, aún falta por abordar en esta cuestión. Así, en este trabajo, utilizando diferentes enfoques, se calcula el contraste sobre regiones que resultan de segmentar imágenes con patrones de franja generadas computacionalmente. El enfoque central involucra una estructura basada en el correlograma de colores. Los resultados obtenidos sugieren que el contraste es capaz de discriminar entre las regiones consideradas. Además, el enfoque central podría ser el más adecuado si se muestra formalmente que es más eficiente computacionalmente que otro en el que se utilizan matrices de coocurrencia