Revisión sobre la detección del color rojo en imágenes digitales independiente de su luminosidad y tonalidad

Review of the detection of the red color in digital images independent of its luminosity and hue

  • Jorge Páramo-Fonseca Universidad de Cundinamarca
Palabras clave: imágenes digitales (es_ES)

Resumen (es_ES)

El presente review despliega una revisión bibliográfica sobre los diferentes temas que intervienen en la determinación del color rojo en imágenes digitales.   Estos temas son: cómo se maneja el  color en las imágenes digitales, cuáles son los modelos de color, qué son las imágenes digitales y lo referente a su formato; qué es el procesamiento de las imágenes digitales, las alteraciones que se presentan en las imágenes digitales y su corrección, así como la segmentación y la determinación de color.

Descargas

La descarga de datos todavía no está disponible.

Biografía del autor/a

Jorge Páramo-Fonseca, Universidad de Cundinamarca
Magister en Ingeniería, docente del programa de Ingeniería de Sistemas de la Universidad de Cundinamarca

Referencias

Barnard, K., Cardei, V., & Funt, B. (2002). A comparison of computational color constancy algorithms. I: Methodology and experiments with synthesized data. IEEE transactions on Image Processing, 11(9), 972-984. https://doi.org/10.1109/TIP.2002.802531

Brizuela, A., Aguirre, C., & Velasco, I. (2007). Aplicación de métodos de corrección atmosférica de datos Landsat 5 para análisis multitemporal. Ciudad Autónoma de Buenos Aires. Argentina.

Chavez, J. (1988). An improved dark-object subtraction technique for atmospheric scattering correction of multispectral data. Remote Sensing of Environment Vol. 24, pp. 459-479. https://doi.org/10.1016/0034-4257(88)90019-3

Camargo-Vega, J. J., Camargo-Ortega, J. F., & Joyanes-Aguilar, L. (2015). Arquitectura Tecnológica Para Big Data. Revista Científica, 1(21), 7-18. https://doi.org/10.14483/udistrital.jour.RC.2015.21.a1

Finlayson, G. D., Hordley, S. D., & Hubel, P. M. (2001). Color by correlation: A simple, unifying framework for color constancy. IEEE Transactions on Pattern Analysis and Machine Intelligence, 23(11), 1209-1221. https://doi.org/10.1109/34.969113

Forsyth, D. A. (1990). A novel algorithm for color constancy. International Journal of Computer Vision, 5(1), 5-35. https://doi.org/10.1007/BF00056770

Gómez, J. B., Prieto, F., & Redarce, T. (2009). Segmentación de la región de la boca en imágenes faciales: Revisión bibliográfica. Revista Facultad de Ingeniería Universidad de Antioquia, (47), 103-116.

Gonzales, R. C., & Woods, R. C. (1992). Digital Image Processing, Addison Wiley. Reading, MA.

Lim, H. S., MatJafri, M. Z., & Abdullah, K. (2009, August). Algorithm for turbidity mapping using digital camera images from a low-altitude light aircraft. In Computer Science and Information Technology, 2009. ICCSIT 2009. 2nd IEEE International Conference on (pp. 200-204). IEEE. https://doi.org/10.1109/ICCSIT.2009.5234966

Mejía Ospina, J. C., Prieto Ortiz, F. A., & Branch Bedoya, J. W. (2007). Corrección de iluminación para imágenes aéreas de cultivos tomadas a baja altitud. Revista Facultad Nacional de Agronomía, Medellín, 60(2), 4077-4104.

Moreno-Torres, O. H., Ballesteros-Ricaurte, J. A., & González-Sanabria, J. S. (2015). Transformación de archivos DICOM a formatos XML, JPEG y PNG. Revista científica, 1(21), 71-80. https://doi.org/10.14483/udistrital.jour.RC.2015.21.a7

Naranjo, R., Imbaquingo, E. (2011) "Sistema de Reconocimiento Espectral de Imágenes Digitales y Reconocimiento Óptico de Caracteres Capitulo I Introducción" Universidad técnica del Norte Facultad de Ingeniería en Ciencias Aplicadas - Ecuador

Sezgin, M. (2004). Survey over image thresholding techniques and quantitative performance evaluation. Journal of Electronic imaging, 13(1), 146-168. https://doi.org/10.1117/1.1631315

Sowmya, B., & Rani, B. S. (2011). Colour image segmentation using fuzzy clustering techniques and competitive neural network. Applied Soft Computing, 11(3), 3170-3178. https://doi.org/10.1016/j.asoc.2010.12.019

Yang, H. Y., Wang, X. Y., Wang, Q. Y., & Zhang, X. J. (2012). LS-SVM based image segmentation using color and texture information. Journal of Visual Communication and Image Representation, 23(7), 1095-1112. https://doi.org/10.1016/j.jvcir.2012.07.007

Zhang, K., Sheng, Y., Wang, M., & Li, Z. (2010, October). An adaptive image segmentation algorithm for natural scene images based on probabilistic neural networks. In Image and Signal Processing (CISP), 2010 3rd International Congress on (Vol. 3, pp. 1308-1312). IEEE. https://doi.org/10.1109/CISP.2010.5647982

Cómo citar
Páramo-Fonseca, J. (2016). Revisión sobre la detección del color rojo en imágenes digitales independiente de su luminosidad y tonalidad. Revista científica, 3(26), 139-148. Recuperado a partir de https://revistas.udistrital.edu.co/index.php/revcie/article/view/11101
Publicado: 2016-10-20