Generalización de la función de cuantificación de la congruencia de fase para la detección de bordes en imágenes

La detección de bordes es utilizada en el procesamiento digital de imágenes, una técnica en este campo es la congruencia de fase, la cual se desarrolla en el espacio de la frecuencia. Este método, pese a su complejidad computacional, presenta significativas ventajas al detectar bordes independientem...

Full description

Autores:
Penagos Viatela, Karla Liliana
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2022
Institución:
Universidad de Ibagué
Repositorio:
Repositorio Universidad de Ibagué
Idioma:
spa
OAI Identifier:
oai:repositorio.unibague.edu.co:20.500.12313/4859
Acceso en línea:
https://hdl.handle.net/20.500.12313/4859
Palabra clave:
Bordes en imágenes - Detección
Cuantificación de la congruencia
Congruencia de fase
Detector de Canny
Detección de bordes
Figura de mérito
Transformada de Fourier
Indice de Dice-sorensen
Base de datos de segmentación
Phase congruency
Canny detector
Edge detector
Figure of merit of Abdou and Pratt
Fourier transform
Index of dice-sorensen
Segmentation database
Rights
openAccess
License
http://purl.org/coar/access_right/c_abf2
id UNIBAGUE2_cc200ec0fcc9f79bc22f2323845a37dd
oai_identifier_str oai:repositorio.unibague.edu.co:20.500.12313/4859
network_acronym_str UNIBAGUE2
network_name_str Repositorio Universidad de Ibagué
repository_id_str
dc.title.spa.fl_str_mv Generalización de la función de cuantificación de la congruencia de fase para la detección de bordes en imágenes
title Generalización de la función de cuantificación de la congruencia de fase para la detección de bordes en imágenes
spellingShingle Generalización de la función de cuantificación de la congruencia de fase para la detección de bordes en imágenes
Bordes en imágenes - Detección
Cuantificación de la congruencia
Congruencia de fase
Detector de Canny
Detección de bordes
Figura de mérito
Transformada de Fourier
Indice de Dice-sorensen
Base de datos de segmentación
Phase congruency
Canny detector
Edge detector
Figure of merit of Abdou and Pratt
Fourier transform
Index of dice-sorensen
Segmentation database
title_short Generalización de la función de cuantificación de la congruencia de fase para la detección de bordes en imágenes
title_full Generalización de la función de cuantificación de la congruencia de fase para la detección de bordes en imágenes
title_fullStr Generalización de la función de cuantificación de la congruencia de fase para la detección de bordes en imágenes
title_full_unstemmed Generalización de la función de cuantificación de la congruencia de fase para la detección de bordes en imágenes
title_sort Generalización de la función de cuantificación de la congruencia de fase para la detección de bordes en imágenes
dc.creator.fl_str_mv Penagos Viatela, Karla Liliana
dc.contributor.advisor.none.fl_str_mv Forero Vargas, Manuel Guillermo
Jacanamejoy Jamioy, Carlos Antonio
Machado Higuera, Maximiliano
dc.contributor.author.none.fl_str_mv Penagos Viatela, Karla Liliana
dc.subject.armarc.none.fl_str_mv Bordes en imágenes - Detección
Cuantificación de la congruencia
topic Bordes en imágenes - Detección
Cuantificación de la congruencia
Congruencia de fase
Detector de Canny
Detección de bordes
Figura de mérito
Transformada de Fourier
Indice de Dice-sorensen
Base de datos de segmentación
Phase congruency
Canny detector
Edge detector
Figure of merit of Abdou and Pratt
Fourier transform
Index of dice-sorensen
Segmentation database
dc.subject.proposal.spa.fl_str_mv Congruencia de fase
Detector de Canny
Detección de bordes
Figura de mérito
Transformada de Fourier
Indice de Dice-sorensen
Base de datos de segmentación
dc.subject.proposal.eng.fl_str_mv Phase congruency
Canny detector
Edge detector
Figure of merit of Abdou and Pratt
Fourier transform
Index of dice-sorensen
Segmentation database
description La detección de bordes es utilizada en el procesamiento digital de imágenes, una técnica en este campo es la congruencia de fase, la cual se desarrolla en el espacio de la frecuencia. Este método, pese a su complejidad computacional, presenta significativas ventajas al detectar bordes independientemente de la variación de la intensidad de la señal, y se puede definir como el producto de tres factores. Uno de ellos es la función de cuantificación, la cual dependiendo de sus características, permite una mejor detección de los bordes. Anterior al presente trabajo, se identificó que las funciones exponencial, cuártica y boxcar permitían mejorar la detección, pero al agregar más parámetros se incrementó su complejidad. En este trabajo, se introduce una función generalizada para la cuantificación de la congruencia de fase, y así reducir la complejidad de su parametrización. Finalmente, mediante un barrido continuo de los parámetros de la función propuesta se evidencia que es posible mejorar los resultados según el tipo de imagen sin estar limitados a alguna función particular, puesto que los parámetros permiten ajustar valores intermedios entre alguna de las funciones originalmente propuestas.
publishDate 2022
dc.date.issued.none.fl_str_mv 2022
dc.date.accessioned.none.fl_str_mv 2025-03-18T19:53:37Z
dc.date.available.none.fl_str_mv 2025-03-18T19:53:37Z
dc.type.none.fl_str_mv Trabajo de grado - Pregrado
dc.type.coar.none.fl_str_mv http://purl.org/coar/resource_type/c_7a1f
dc.type.content.none.fl_str_mv Text
dc.type.driver.none.fl_str_mv info:eu-repo/semantics/bachelorThesis
dc.type.redcol.none.fl_str_mv http://purl.org/redcol/resource_type/TP
dc.type.version.none.fl_str_mv info:eu-repo/semantics/acceptedVersion
format http://purl.org/coar/resource_type/c_7a1f
status_str acceptedVersion
dc.identifier.citation.none.fl_str_mv Penagos Viatela, K.L.(2022).Generalización de la función de cuantificación de la congruencia de fase para la detección de bordes en imágenes.[Trabajo de grado, Universidad de Ibagué]. https://hdl.handle.net/20.500.12313/4859
dc.identifier.uri.none.fl_str_mv https://hdl.handle.net/20.500.12313/4859
identifier_str_mv Penagos Viatela, K.L.(2022).Generalización de la función de cuantificación de la congruencia de fase para la detección de bordes en imágenes.[Trabajo de grado, Universidad de Ibagué]. https://hdl.handle.net/20.500.12313/4859
url https://hdl.handle.net/20.500.12313/4859
dc.language.iso.none.fl_str_mv spa
language spa
dc.relation.references.none.fl_str_mv K. Muntarina, S. B. Shorif, and M. S. Uddin, “Notes on edge detection approaches,” Evolving Systems, pp. 1–14, 2021.
D. Marr and E. Hildreth, “Theory of edge detection,” Proceedings of the Royal Society of London. Series B. Biological Sciences, vol. 207, no. 1167, pp. 187–217, 1980.
R. Nachar, E. Inaty, P. J. Bonnin, and Y. Alayli, “Hybrid minutiae and edge corners feature points for increased fingerprint recognition performance,” Pattern Analysis and Applications, vol. 23, no. 1, pp. 213–224, 2020.
P. Kovesi, “Invariant measures of image features from phase information,” Ph.D. dis- sertation, University of Western Australia, 1996.
W. Lijuan, Z. Changsheng, L. Ziyu, S. Bin, and T. Haiyong, “Image feature detection based on phase congruency by monogenic filters,” in Control and Decision Conference (2014 CCDC), The 26th Chinese. IEEE, 2014, pp. 2033–2038.
M. Shi, X. Zhao, D. Qiao, B. Xu, and C. Li, “Conformal monogenic phase congruency model-based edge detection in color images,” Multimedia Tools and Applications, vol. 78, no. 8, pp. 10 701–10 716, 2019.
C. Jacanamejoy, N. Meneses-Casas, and M. G. Forero, “Image feature detection based on phase congruency by monogenic filters with new noise estimation,” in Iberian Con- ference on Pattern Recognition and Image Analysis. Springer, 2019, pp. 577–588.
M. G. Forero, C. A. Jacanamejoy, and S. Rivera-Nieto, “Study of phase congruency quantization function properties for image edge detection,” in Applications of Digital Image Processing XLIV, A. G. Tescher and T. Ebrahimi, Eds., vol. 11842, International Society for Optics and Photonics. SPIE, 2021, pp. 472 – 490. [Online]. Available: https://doi.org/10.1117/12.2594759
H.-D. Cheng, X. H. Jiang, Y. Sun, and J. Wang, “Color image segmentation: advances and prospects,” Pattern recognition, vol. 34, no. 12, pp. 2259–2281, 2001.
K.-S. Fu and J. Mui, “A survey on image segmentation,” Pattern recognition, vol. 13, no. 1, pp. 3–16, 1981.
D. Ziou, S. Tabbone et al., “Edge detection techniques-an overview,” Pattern Recogni- tion and Image Analysis C/C of Raspoznavaniye Obrazov I Analiz Izobrazhenii, vol. 8, pp. 537–559, 1998.
D. Bradley and G. Roth, “Adaptive thresholding using the integral image,” Journal of graphics tools, vol. 12, no. 2, pp. 13–21, 2007.
J. Canny, “A computational approach to edge detection,” IEEE Transactions on pattern analysis and machine intelligence, no. 6, pp. 679–698, 1986.
L. R. Dice, “Measures of the amount of ecologic association between species,” Ecology, vol. 26, no. 3, pp. 297–302, 1945.
[15] I. Abdou and W. Pratt, “Quantitative design and evaluation of enhancement/thresh- olding edge detectors,” Proceedings of the IEEE, vol. 67, no. 5, pp. 753–763, 1979.
R. G. Bartle and D. R. Sherbert, Introduction To Real Analysis. John Wiley & Sons,Inc., 2011.
J. K. Hunter, An Introduction to Real Analysis. Department of Mathematics, Uni- versity of California at Davis, 2014.
M. C. Morrone and R. A. Owens, “Feature detection from local energy,” Pattern recognition letters, vol. 6, no. 5, pp. 303–313, 1987.
P. Kovesi, “Image features from phase congruency,” Videre: Journal of computer vision research, vol. 1, no. 3, pp. 1–26, 1999.
M. Felsberg and G. Sommer, “A new extension of linear signal processing for estimating local properties and detecting features,” in Mustererkennung 2000. Springer, 2000, pp. 195–202.
P. Kovesi, “Matlab and octave functions for computer vision and image processing,” 2013. [Online]. Available: http://www.peterkovesi.com/matlabfns/#phasecong
M. G. Forero and C. A. Jacanamejoy, “Unified mathematical formulation of monogenic phase congruency,” Mathematics, vol. 9, no. 23, p. 3080, 2021.
C. A. Jacanamejoy and M. G. Forero, “A note on the phase congruence method in image analysis,” in Iberoamerican Congress on Pattern Recognition. Springer, 2018, pp. 384–391.
T. A. Sorensen, “A method of establishing groups of equal amplitude in plant sociology based on similarity of species content and its application to analyses of the vegetation on danish commons,” Biol. Skar., vol. 5, pp. 1–34, 1948.
dc.rights.accessrights.none.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.coar.none.fl_str_mv http://purl.org/coar/access_right/c_abf2
dc.rights.license.none.fl_str_mv Atribución-NoComercial 4.0 Internacional (CC BY-NC 4.0)
dc.rights.uri.none.fl_str_mv https://creativecommons.org/licenses/by-nc/4.0/
eu_rights_str_mv openAccess
rights_invalid_str_mv http://purl.org/coar/access_right/c_abf2
Atribución-NoComercial 4.0 Internacional (CC BY-NC 4.0)
https://creativecommons.org/licenses/by-nc/4.0/
dc.format.extent.none.fl_str_mv 97 páginas
dc.format.mimetype.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidad de Ibagué
dc.publisher.faculty.none.fl_str_mv Ingeniería
dc.publisher.place.none.fl_str_mv Ibagué
dc.publisher.program.none.fl_str_mv Ingeniería Electrónica
publisher.none.fl_str_mv Universidad de Ibagué
institution Universidad de Ibagué
bitstream.url.fl_str_mv https://repositorio.unibague.edu.co/bitstreams/ce933879-9d75-4338-afc7-5f21b4775772/download
https://repositorio.unibague.edu.co/bitstreams/9a0d98d3-5d9a-41a2-8784-af28c0fecb41/download
https://repositorio.unibague.edu.co/bitstreams/1d979ed5-cada-4fbe-ad5e-870c5647b555/download
https://repositorio.unibague.edu.co/bitstreams/f8965b6a-b54e-4d0e-a2c5-b59a0d9c7678/download
https://repositorio.unibague.edu.co/bitstreams/5c912fcb-4d83-4cb2-8c79-28211abaf57d/download
https://repositorio.unibague.edu.co/bitstreams/e009378c-8e35-45b3-a9ce-f1e9e93a569c/download
https://repositorio.unibague.edu.co/bitstreams/aed3c7d6-4222-4fd6-b8df-bfe2adab01fd/download
https://repositorio.unibague.edu.co/bitstreams/170b715b-d1fd-4b58-8e30-450b25904c06/download
bitstream.checksum.fl_str_mv d7f2a6ebce4d019a594b851459d0a236
3740ee64cf2412e6ef069c24421503b1
f651c40f895649be58018517a6f8497f
2fa3e590786b9c0f3ceba1b9656b7ac3
ce142bd93af3202622f47216801f7125
bff74c4997b713d7b6b4fbc8f96fe7cb
d71697468de12478eca2aed15e4d2983
a6adda6f1c5faaeb9201d2f677175300
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Institucional Universidad de Ibagué
repository.mail.fl_str_mv bdigital@metabiblioteca.com
_version_ 1851059981093175296
spelling Forero Vargas, Manuel Guillermo187e7d0d-8326-49bc-8824-d0c7660437b7-1Jacanamejoy Jamioy, Carlos Antonio8c5daf58-8add-49d8-8ae0-643747de80c8-1Machado Higuera, Maximiliano7714b18b-3be6-4393-ad27-a596d6bf7685-1Penagos Viatela, Karla Liliana6e4010df-e6ae-4edb-a84f-421ecc60d23d-12025-03-18T19:53:37Z2025-03-18T19:53:37Z2022La detección de bordes es utilizada en el procesamiento digital de imágenes, una técnica en este campo es la congruencia de fase, la cual se desarrolla en el espacio de la frecuencia. Este método, pese a su complejidad computacional, presenta significativas ventajas al detectar bordes independientemente de la variación de la intensidad de la señal, y se puede definir como el producto de tres factores. Uno de ellos es la función de cuantificación, la cual dependiendo de sus características, permite una mejor detección de los bordes. Anterior al presente trabajo, se identificó que las funciones exponencial, cuártica y boxcar permitían mejorar la detección, pero al agregar más parámetros se incrementó su complejidad. En este trabajo, se introduce una función generalizada para la cuantificación de la congruencia de fase, y así reducir la complejidad de su parametrización. Finalmente, mediante un barrido continuo de los parámetros de la función propuesta se evidencia que es posible mejorar los resultados según el tipo de imagen sin estar limitados a alguna función particular, puesto que los parámetros permiten ajustar valores intermedios entre alguna de las funciones originalmente propuestas.Edge detection is used in digital image processing, one technique in this field is phase congruency, which is developed in frequency space. This method, despite its computational complexity, has significant advantages in detecting edges independently of the variation of signal intensity, and can be defined as the product of three factors. One of them is the quantization function, which, depending on its characteristics, allows a better edge detection. Prior to the present work, it was identified that the exponential, quartic and boxcar functions allowed improved detection, but adding more parameters increased their complexity. In this work, a generalized function for the quantification of phase congruency is introduced to reduce the complexity of its parameterization. Finally, by means of a continuous sweep of the parameters of the proposed function, it is shown that it is possible to improve the results according to the type of image without being limited to any particular function, since the parameters allow adjusting intermediate values between some of the originally proposed functions.PregradoIngeniera Electrónico1 Marco Teórico.....3 1.1 Segmentación de imágenes.....3 1.1.1 Detección de bordes.....4 1.1.2 Umbralización.....4 1.2 Método de detección de Canny.....4 1.3 Métricas para la evaluación de técnicas de segmentación.....5 1.3.1 Índice de Dice-Sorensen.....6 1.3.2 Figura de mérito de Abdou y Pratt.....6 1.4 Convergencia de funciones.....8 1.4.1 Convergencia puntual.....8 1.4.2 Convergencia uniforme.....9 2 Estado del arte.....11 2.1 Congruencia de fase con filtros monogénicos.....11 2.2 Detección de bordes cercanos.....13 2.3 Estimación de ruido.....13 2.4 Formulación matemática unificada de la congruencia de fase con filtros monogénicos.....14 2.5 Estudio de las propiedades de la función de cuantificación.....17 3 Materiales y Métodos.....19 3.1 Población y muestra objeto de estudio.....20 3.2 Herramientas para la implementación y análisis de la técnica.....20 4 Desarrollo.....21 4.1 Generalización de la función de cuantificación.....21 5 Resultados.....26 5.1 Ajuste del plugin de congruencia de fase.....26 5.2 Evaluación y análisis de la técnica.....27 5.3 Participaciones.....37 6 Conclusiones y Recomendaciones.....38 6.1 Conclusiones.....38 6.2 Recomendaciones.....39 Referencias Bibliográficas.....40 A1 Anexos.....42 A1.1 Macro ImageJ.....42 A1.2 Banco de Imágenes.....43 A1.3 Participaciones.....8597 páginasapplication/pdfPenagos Viatela, K.L.(2022).Generalización de la función de cuantificación de la congruencia de fase para la detección de bordes en imágenes.[Trabajo de grado, Universidad de Ibagué]. https://hdl.handle.net/20.500.12313/4859https://hdl.handle.net/20.500.12313/4859spaUniversidad de IbaguéIngenieríaIbaguéIngeniería ElectrónicaK. Muntarina, S. B. Shorif, and M. S. Uddin, “Notes on edge detection approaches,” Evolving Systems, pp. 1–14, 2021.D. Marr and E. Hildreth, “Theory of edge detection,” Proceedings of the Royal Society of London. Series B. Biological Sciences, vol. 207, no. 1167, pp. 187–217, 1980.R. Nachar, E. Inaty, P. J. Bonnin, and Y. Alayli, “Hybrid minutiae and edge corners feature points for increased fingerprint recognition performance,” Pattern Analysis and Applications, vol. 23, no. 1, pp. 213–224, 2020.P. Kovesi, “Invariant measures of image features from phase information,” Ph.D. dis- sertation, University of Western Australia, 1996.W. Lijuan, Z. Changsheng, L. Ziyu, S. Bin, and T. Haiyong, “Image feature detection based on phase congruency by monogenic filters,” in Control and Decision Conference (2014 CCDC), The 26th Chinese. IEEE, 2014, pp. 2033–2038.M. Shi, X. Zhao, D. Qiao, B. Xu, and C. Li, “Conformal monogenic phase congruency model-based edge detection in color images,” Multimedia Tools and Applications, vol. 78, no. 8, pp. 10 701–10 716, 2019.C. Jacanamejoy, N. Meneses-Casas, and M. G. Forero, “Image feature detection based on phase congruency by monogenic filters with new noise estimation,” in Iberian Con- ference on Pattern Recognition and Image Analysis. Springer, 2019, pp. 577–588.M. G. Forero, C. A. Jacanamejoy, and S. Rivera-Nieto, “Study of phase congruency quantization function properties for image edge detection,” in Applications of Digital Image Processing XLIV, A. G. Tescher and T. Ebrahimi, Eds., vol. 11842, International Society for Optics and Photonics. SPIE, 2021, pp. 472 – 490. [Online]. Available: https://doi.org/10.1117/12.2594759H.-D. Cheng, X. H. Jiang, Y. Sun, and J. Wang, “Color image segmentation: advances and prospects,” Pattern recognition, vol. 34, no. 12, pp. 2259–2281, 2001.K.-S. Fu and J. Mui, “A survey on image segmentation,” Pattern recognition, vol. 13, no. 1, pp. 3–16, 1981.D. Ziou, S. Tabbone et al., “Edge detection techniques-an overview,” Pattern Recogni- tion and Image Analysis C/C of Raspoznavaniye Obrazov I Analiz Izobrazhenii, vol. 8, pp. 537–559, 1998.D. Bradley and G. Roth, “Adaptive thresholding using the integral image,” Journal of graphics tools, vol. 12, no. 2, pp. 13–21, 2007.J. Canny, “A computational approach to edge detection,” IEEE Transactions on pattern analysis and machine intelligence, no. 6, pp. 679–698, 1986.L. R. Dice, “Measures of the amount of ecologic association between species,” Ecology, vol. 26, no. 3, pp. 297–302, 1945.[15] I. Abdou and W. Pratt, “Quantitative design and evaluation of enhancement/thresh- olding edge detectors,” Proceedings of the IEEE, vol. 67, no. 5, pp. 753–763, 1979.R. G. Bartle and D. R. Sherbert, Introduction To Real Analysis. John Wiley & Sons,Inc., 2011.J. K. Hunter, An Introduction to Real Analysis. Department of Mathematics, Uni- versity of California at Davis, 2014.M. C. Morrone and R. A. Owens, “Feature detection from local energy,” Pattern recognition letters, vol. 6, no. 5, pp. 303–313, 1987.P. Kovesi, “Image features from phase congruency,” Videre: Journal of computer vision research, vol. 1, no. 3, pp. 1–26, 1999.M. Felsberg and G. Sommer, “A new extension of linear signal processing for estimating local properties and detecting features,” in Mustererkennung 2000. Springer, 2000, pp. 195–202.P. Kovesi, “Matlab and octave functions for computer vision and image processing,” 2013. [Online]. Available: http://www.peterkovesi.com/matlabfns/#phasecongM. G. Forero and C. A. Jacanamejoy, “Unified mathematical formulation of monogenic phase congruency,” Mathematics, vol. 9, no. 23, p. 3080, 2021.C. A. Jacanamejoy and M. G. Forero, “A note on the phase congruence method in image analysis,” in Iberoamerican Congress on Pattern Recognition. Springer, 2018, pp. 384–391.T. A. Sorensen, “A method of establishing groups of equal amplitude in plant sociology based on similarity of species content and its application to analyses of the vegetation on danish commons,” Biol. Skar., vol. 5, pp. 1–34, 1948.info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Atribución-NoComercial 4.0 Internacional (CC BY-NC 4.0)https://creativecommons.org/licenses/by-nc/4.0/Bordes en imágenes - DetecciónCuantificación de la congruenciaCongruencia de faseDetector de CannyDetección de bordesFigura de méritoTransformada de FourierIndice de Dice-sorensenBase de datos de segmentaciónPhase congruencyCanny detectorEdge detectorFigure of merit of Abdou and PrattFourier transformIndex of dice-sorensenSegmentation databaseGeneralización de la función de cuantificación de la congruencia de fase para la detección de bordes en imágenesTrabajo de grado - Pregradohttp://purl.org/coar/resource_type/c_7a1fTextinfo:eu-repo/semantics/bachelorThesishttp://purl.org/redcol/resource_type/TPinfo:eu-repo/semantics/acceptedVersionPublicationORIGINALTrabajo de grado.pdfTrabajo de grado.pdfapplication/pdf7037908https://repositorio.unibague.edu.co/bitstreams/ce933879-9d75-4338-afc7-5f21b4775772/downloadd7f2a6ebce4d019a594b851459d0a236MD51Anexos.zipAnexos.zipapplication/zip2464419https://repositorio.unibague.edu.co/bitstreams/9a0d98d3-5d9a-41a2-8784-af28c0fecb41/download3740ee64cf2412e6ef069c24421503b1MD53Formato de autorización.pdfFormato de autorización.pdfapplication/pdf218685https://repositorio.unibague.edu.co/bitstreams/1d979ed5-cada-4fbe-ad5e-870c5647b555/downloadf651c40f895649be58018517a6f8497fMD52LICENSElicense.txtlicense.txttext/plain; charset=utf-8134https://repositorio.unibague.edu.co/bitstreams/f8965b6a-b54e-4d0e-a2c5-b59a0d9c7678/download2fa3e590786b9c0f3ceba1b9656b7ac3MD54TEXTTrabajo de grado.pdf.txtTrabajo de grado.pdf.txtExtracted texttext/plain99158https://repositorio.unibague.edu.co/bitstreams/5c912fcb-4d83-4cb2-8c79-28211abaf57d/downloadce142bd93af3202622f47216801f7125MD59Formato de autorización.pdf.txtFormato de autorización.pdf.txtExtracted texttext/plain3529https://repositorio.unibague.edu.co/bitstreams/e009378c-8e35-45b3-a9ce-f1e9e93a569c/downloadbff74c4997b713d7b6b4fbc8f96fe7cbMD511THUMBNAILTrabajo de grado.pdf.jpgTrabajo de grado.pdf.jpgIM Thumbnailimage/jpeg10177https://repositorio.unibague.edu.co/bitstreams/aed3c7d6-4222-4fd6-b8df-bfe2adab01fd/downloadd71697468de12478eca2aed15e4d2983MD510Formato de autorización.pdf.jpgFormato de autorización.pdf.jpgIM Thumbnailimage/jpeg26722https://repositorio.unibague.edu.co/bitstreams/170b715b-d1fd-4b58-8e30-450b25904c06/downloada6adda6f1c5faaeb9201d2f677175300MD51220.500.12313/4859oai:repositorio.unibague.edu.co:20.500.12313/48592025-08-13 01:11:29.486https://creativecommons.org/licenses/by-nc/4.0/https://repositorio.unibague.edu.coRepositorio Institucional Universidad de Ibaguébdigital@metabiblioteca.comQ3JlYXRpdmUgQ29tbW9ucyBBdHRyaWJ1dGlvbi1Ob25Db21tZXJjaWFsLU5vRGVyaXZhdGl2ZXMgNC4wIEludGVybmF0aW9uYWwgTGljZW5zZQ0KaHR0cHM6Ly9jcmVhdGl2ZWNvbW1vbnMub3JnL2xpY2Vuc2VzL2J5LW5jLW5kLzQuMC8=

Publicaciones similares