Implementación de algoritmos fractales para la clasificación no supervisada de imágenes raster

Abstract Available Metrics How to Cite

Abstract (es)

El presente artículo abarca la utilización de la geometría fractal y la estimación de la dimensión fractal como parámetro para clasificar una ima- gen digital por medio del método no supervisado. Existen múltiples métodos para estimar la dimen- sión fractal como el Método Fraccional Brownia- no (fBm, por sus siglas en inglés), los métodos de conteo de cajas y los métodos de determinación de áreas. A la hora de realizar una clasificación de imágenes digitales se utiliza como parámetro de clasificación la textura presente en las imágenes; esta textura es usualmente calculada por el mé- todo GLCM (Matriz de Co-ocurrencias de niveles de gris), la dimensión fractal es una alternativa a la hora de extraer esta característica de las imáge- nes. Se tomó el método de conteo de cajas dife- rencial (DBC, por sus siglas en inglés) mejorado como base en la determinación de la dimensión fractal y posterior clasificación de las imágenes raster. Las imágenes raster escogidas son imáge- nes de radar SAR debido a que es en este tipo de imágenes donde se obtiene mayor provecho del análisis de texturas, fuente de información pa- ra realizar la clasificación no supervisada, esto debido a la característica textural que puede ser capturada por medio de este tipo de sensores.