Optimización de la segmentación local de Sauvola aplicada a la detección de Defectos Superficiales en escenas con iluminación no homogénea

La presencia de iluminación no homogénea en imágenes de escenas reales es un problema actual que dificulta la adecuada segmentación de estas. En este trabajo se presenta una metodología para la optimización de la segmentación local de Sauvola para la detección de defectos superficiales en imágenes n...

Full description

Autores:
Molina-Cortés, Jeyson
Restrepo-Martínez, Alejandro
Branch-Bedoya, John W.
Tipo de recurso:
Article of journal
Fecha de publicación:
2011
Institución:
Instituto Tecnológico Metropolitano
Repositorio:
Repositorio ITM
Idioma:
spa
OAI Identifier:
oai:repositorio.itm.edu.co:20.500.12622/882
Acceso en línea:
https://revistas.itm.edu.co/index.php/tecnologicas/article/view/4
http://hdl.handle.net/20.500.12622/882
Palabra clave:
Segmentación
iluminación no homogénea
segmentación local de Sauvola
algoritmos genéticos
optimización
Segmentation
non-homogenous illumination
Sauvola local segmentation
genetic algorithms
optimization
Rights
License
Copyright (c) 2017 Tecno Lógicas
id RepoITM2_2c83920fe81aaa5e7533fa7846e2cb47
oai_identifier_str oai:repositorio.itm.edu.co:20.500.12622/882
network_acronym_str RepoITM2
network_name_str Repositorio ITM
repository_id_str
dc.title.spa.fl_str_mv Optimización de la segmentación local de Sauvola aplicada a la detección de Defectos Superficiales en escenas con iluminación no homogénea
dc.title.alternative.none.fl_str_mv Optimización de la segmentación local de Sauvola aplicada a la detección de defectos superficiales en escenas con iluminación no homogénea
title Optimización de la segmentación local de Sauvola aplicada a la detección de Defectos Superficiales en escenas con iluminación no homogénea
spellingShingle Optimización de la segmentación local de Sauvola aplicada a la detección de Defectos Superficiales en escenas con iluminación no homogénea
Segmentación
iluminación no homogénea
segmentación local de Sauvola
algoritmos genéticos
optimización
Segmentation
non-homogenous illumination
Sauvola local segmentation
genetic algorithms
optimization
title_short Optimización de la segmentación local de Sauvola aplicada a la detección de Defectos Superficiales en escenas con iluminación no homogénea
title_full Optimización de la segmentación local de Sauvola aplicada a la detección de Defectos Superficiales en escenas con iluminación no homogénea
title_fullStr Optimización de la segmentación local de Sauvola aplicada a la detección de Defectos Superficiales en escenas con iluminación no homogénea
title_full_unstemmed Optimización de la segmentación local de Sauvola aplicada a la detección de Defectos Superficiales en escenas con iluminación no homogénea
title_sort Optimización de la segmentación local de Sauvola aplicada a la detección de Defectos Superficiales en escenas con iluminación no homogénea
dc.creator.fl_str_mv Molina-Cortés, Jeyson
Restrepo-Martínez, Alejandro
Branch-Bedoya, John W.
dc.contributor.author.none.fl_str_mv Molina-Cortés, Jeyson
Restrepo-Martínez, Alejandro
Branch-Bedoya, John W.
dc.subject.spa.fl_str_mv Segmentación
iluminación no homogénea
segmentación local de Sauvola
algoritmos genéticos
optimización
topic Segmentación
iluminación no homogénea
segmentación local de Sauvola
algoritmos genéticos
optimización
Segmentation
non-homogenous illumination
Sauvola local segmentation
genetic algorithms
optimization
dc.subject.keywords.eng.fl_str_mv Segmentation
non-homogenous illumination
Sauvola local segmentation
genetic algorithms
optimization
description La presencia de iluminación no homogénea en imágenes de escenas reales es un problema actual que dificulta la adecuada segmentación de estas. En este trabajo se presenta una metodología para la optimización de la segmentación local de Sauvola para la detección de defectos superficiales en imágenes no homogéneamente iluminadas ajustando sus parámetros mediante algoritmos genéticos. La metodología consta de estas etapas: Primero se plantea el problema desde la perspectiva de los algoritmos genéticos donde cada individuo de la población representa los valores para los parámetros de Sauvola. Luego, varias funciones de aptitud son propuestas utilizando métricas de comparación entre una segmentación de Sauvola y una realizada manualmente. Cada función es evaluada ejecutando el algoritmo genético utilizando esta en un subconjunto de imágenes. La mejor función de aptitud según los resultados de la optimización, es utilizada nuevamente en una muestra más grande. Finalmente, a los últimos resultados de optimización se les realiza un análisis de agrupamientos. Los resultados muestran que si es posible ajustar los parámetros de Sauvola para segmentar correctamente cada imagen pero estos no exhiben un agrupamiento hacia un punto específico que permita establecer unos parámetros únicos para segmentar todo el conjunto de imágenes con un alto desempeño.
publishDate 2011
dc.date.issued.none.fl_str_mv 2011-12-20
dc.date.accessioned.none.fl_str_mv 2019-07-18T14:10:07Z
2019-08-20T15:29:04Z
dc.date.available.none.fl_str_mv 2019-07-18T14:10:07Z
2019-08-20T15:29:04Z
dc.type.none.fl_str_mv info:eu-repo/semantics/article
dc.type.eng.fl_str_mv Articles
dc.type.spa.fl_str_mv Artículos
dc.type.coar.fl_str_mv http://purl.org/coar/resource_type/c_2df8fbb1
dc.type.coarversion.fl_str_mv http://purl.org/coar/version/c_970fb48d4fbd8a85
dc.type.coar.none.fl_str_mv http://purl.org/coar/resource_type/c_6501
format http://purl.org/coar/resource_type/c_6501
dc.identifier.none.fl_str_mv https://revistas.itm.edu.co/index.php/tecnologicas/article/view/4
10.22430/22565337.4
dc.identifier.uri.none.fl_str_mv http://hdl.handle.net/20.500.12622/882
url https://revistas.itm.edu.co/index.php/tecnologicas/article/view/4
http://hdl.handle.net/20.500.12622/882
identifier_str_mv 10.22430/22565337.4
dc.language.iso.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv https://revistas.itm.edu.co/index.php/tecnologicas/article/view/4/1
dc.relation.ispartofjournal.none.fl_str_mv TecnoLógicas
dc.rights.spa.fl_str_mv Copyright (c) 2017 Tecno Lógicas
dc.rights.coar.fl_str_mv http://purl.org/coar/access_right/c_abf2
rights_invalid_str_mv Copyright (c) 2017 Tecno Lógicas
http://purl.org/coar/access_right/c_abf2
dc.format.mimetype.none.fl_str_mv application/pdf
dc.publisher.spa.fl_str_mv Instituto Tecnológico Metropolitano (ITM)
dc.source.none.fl_str_mv 2256-5337
0123-7799
dc.source.eng.fl_str_mv TecnoLógicas; Num. 27 (2011); 53-73
dc.source.spa.fl_str_mv TecnoLógicas; Num. 27 (2011); 53-73
institution Instituto Tecnológico Metropolitano
bitstream.url.fl_str_mv https://dspace-itm.metabuscador.org/bitstreams/97548b3d-82e9-4ad8-bf11-0e08bd52e2b4/download
https://dspace-itm.metabuscador.org/bitstreams/8f15c903-42e4-4b56-b869-26ef0b7ee67a/download
https://dspace-itm.metabuscador.org/bitstreams/b2e9f70b-9581-4bf6-87b6-9cb81432188a/download
bitstream.checksum.fl_str_mv 115002336765396f860bbbe331ef2925
6ed41910fbd163b411b04516daba2ad4
1e582ebc8fc7108699aabd537642a789
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Instituto Tecnológico Metropolitano de Medellín
repository.mail.fl_str_mv bdigital@metabiblioteca.com
_version_ 1837096892266184704
spelling Molina-Cortés, JeysonRestrepo-Martínez, AlejandroBranch-Bedoya, John W.2019-07-18T14:10:07Z2019-08-20T15:29:04Z2019-07-18T14:10:07Z2019-08-20T15:29:04Z2011-12-20https://revistas.itm.edu.co/index.php/tecnologicas/article/view/410.22430/22565337.4http://hdl.handle.net/20.500.12622/882La presencia de iluminación no homogénea en imágenes de escenas reales es un problema actual que dificulta la adecuada segmentación de estas. En este trabajo se presenta una metodología para la optimización de la segmentación local de Sauvola para la detección de defectos superficiales en imágenes no homogéneamente iluminadas ajustando sus parámetros mediante algoritmos genéticos. La metodología consta de estas etapas: Primero se plantea el problema desde la perspectiva de los algoritmos genéticos donde cada individuo de la población representa los valores para los parámetros de Sauvola. Luego, varias funciones de aptitud son propuestas utilizando métricas de comparación entre una segmentación de Sauvola y una realizada manualmente. Cada función es evaluada ejecutando el algoritmo genético utilizando esta en un subconjunto de imágenes. La mejor función de aptitud según los resultados de la optimización, es utilizada nuevamente en una muestra más grande. Finalmente, a los últimos resultados de optimización se les realiza un análisis de agrupamientos. Los resultados muestran que si es posible ajustar los parámetros de Sauvola para segmentar correctamente cada imagen pero estos no exhiben un agrupamiento hacia un punto específico que permita establecer unos parámetros únicos para segmentar todo el conjunto de imágenes con un alto desempeño.The presence of non-homogeneous illumination in real scenes images is an actual problem that difficult the correct segmentation of these. This paper presents a methodology for optimizing Sauvola local segmentation for the detection of superficial defects in non-homogeneous illuminated images by adjusting its parameters through genetic algorithms. The methodology consists of these stages: First, the problem is proposed from the perspective of genetic algorithms where each individual in the population represents the values for Sauvola's parameters. Then several fitness functions are proposed using comparison metrics between a Sauvola's segmentation and one performed manually. Each function is evaluated by running the genetic algorithm with it in a subset of images. The best fitness function, according to the results of optimization, is used again in a larger sample. Finally, the last optimization results are analyzed by a clustering analysis. The results show that it is possible to adjust Sauvola's parameters to successfully segment each image but these do not exhibit a tendency to a specific point that allow to suggest unique parameters to segment all images with a high performance.application/pdfspaInstituto Tecnológico Metropolitano (ITM)https://revistas.itm.edu.co/index.php/tecnologicas/article/view/4/1TecnoLógicasCopyright (c) 2017 Tecno Lógicashttp://purl.org/coar/access_right/c_abf22256-53370123-7799TecnoLógicas; Num. 27 (2011); 53-73TecnoLógicas; Num. 27 (2011); 53-73Segmentacióniluminación no homogéneasegmentación local de Sauvolaalgoritmos genéticosoptimizaciónSegmentationnon-homogenous illuminationSauvola local segmentationgenetic algorithmsoptimizationOptimización de la segmentación local de Sauvola aplicada a la detección de Defectos Superficiales en escenas con iluminación no homogéneaOptimización de la segmentación local de Sauvola aplicada a la detección de defectos superficiales en escenas con iluminación no homogéneainfo:eu-repo/semantics/articleArticlesArtículoshttp://purl.org/coar/resource_type/c_6501http://purl.org/coar/resource_type/c_2df8fbb1http://purl.org/coar/version/c_970fb48d4fbd8a85PublicationORIGINAL4-Manuscrito-1-1-10-20170207.pdf4-Manuscrito-1-1-10-20170207.pdfapplication/pdf440884https://dspace-itm.metabuscador.org/bitstreams/97548b3d-82e9-4ad8-bf11-0e08bd52e2b4/download115002336765396f860bbbe331ef2925MD51trueAnonymousREADTHUMBNAIL4-Manuscrito-1-1-10-20170207.pdf.jpg4-Manuscrito-1-1-10-20170207.pdf.jpgGenerated Thumbnailimage/jpeg4803https://dspace-itm.metabuscador.org/bitstreams/8f15c903-42e4-4b56-b869-26ef0b7ee67a/download6ed41910fbd163b411b04516daba2ad4MD52falseAnonymousREADTEXT4-Manuscrito-1-1-10-20170207.pdf.txt4-Manuscrito-1-1-10-20170207.pdf.txtExtracted texttext/plain37314https://dspace-itm.metabuscador.org/bitstreams/b2e9f70b-9581-4bf6-87b6-9cb81432188a/download1e582ebc8fc7108699aabd537642a789MD53falseAnonymousREAD20.500.12622/882oai:dspace-itm.metabuscador.org:20.500.12622/8822025-06-24 09:24:38.268open.accesshttps://dspace-itm.metabuscador.orgRepositorio Instituto Tecnológico Metropolitano de Medellínbdigital@metabiblioteca.com