Incorporación de características en la función de energía para segmentación de imágenes usando campos aleatorios de Markov

Abstract

En esta tesis se ha realizado un estudio en profundidad de los modelos de Markov en el campo de segmentación de imagen, Los modelos de probabilidad en general y los modelos de Markov en particular, tienen especial dificultad en el campo de la visión artificial cuando se aplican al dominio de una escena real. Con esta tesis se avanza en este contexto a través de las siguientes aportaciones: -Incorporación de robusted frente a ruido en la Función de Energia. Uno de los problemas de esta función es que es muy sensible al ruido. Para evitarlo, se ha aportado robusted en el proceso de segmentación de imagen introduciendo nuevas características: media y varianza recortada y comprobándo su validez tanto a nivel de calidad del resultado de la segmentación, como en la mejora de la convergencia al óptimo, estabilizando la Función de Energia en un número menosde iteraciones. -Se han introducido características a partir de la información de color de la imagen, que permiten discriminar mejor vegiones de la imagen que tienen igual intensidad pero diferente nomatividad, meprandos asi en estos caos los resultados con respecto al uso de tonos de gris. -Se ha adaptado la Funcion de Energia a fin de incorporar los mecanismos que se acaban de citar y se han modificado el algoritmo MPMT para tratar el calor usando el modelo HLS. -Se han aportado directrices para sintonizar los parámetros relevantes a efectos de tiempo de cómputo y calidad de resultado. En este aspecto el objetivo ha sido determinar en que escala de resolución de la imagen se conjuga el compromiso entre el nivel de información y el tiempo de cómputo.