SEGMENTACIÓN DE IMÁGENES UTILIZANDO CAMPOS ALEATORIOS DE MARKOV

IMAGE SEGMENTATION USING MARKOV RANDOM FIELDS

  • Jaime Francisco Pantoja Benavides Universidad Distrital Francisco José de Caldas
  • Frank Nixon Giraldo Ramos Universidad Distrital Francisco José de Caldas
  • Yeisson Stiven Rubio Valderrama Universidad Distrital Francisco José de Caldas
  • Víctor Milciades Rojas Lara Universidad Distrital Francisco José de Caldas
Palabras clave: segmentation, artificial vision, Markov random fields (MRF), neighborhood, pixel, edge (en_US)
Palabras clave: segmentación, visión artificial, campos aleatorios de Markov (CAM), vecindad, píxel, borde (es_ES)

Resumen (es_ES)

la segmentación es un proceso utilizado en visión artificial que consiste en dividir una escena en un conjunto de regiones, facilitando con ello la tarea de interpretación de una imagen. Los algoritmos de segmentación se basan en criterios como homogeneidad de la región y discontinuidad entre regiones disjuntas adyacentes. El presente artículo describe e implementa un modelo de segmentación que usa procesos de decisión estocásticos, el cual requiere apoyo y tiempo de computación para conseguir etiquetas óptimas, pero, entre otras ventajas, tiende a ser local y conduce a una implementación en hardware paralelo de manera natural.

Resumen (en_US)

Segmentation is a process used in machine vision is to divide a scene into a set of regions, facilitating the task of interpretation of an image. Segmentation algorithms are  based on criteria such as homogeneity of the region and discontinuity between adjacent disjoint regions. This article describes and implements a segmentation model us-
ing stochastic decision processes, which requires the support and computing time to achieve optimal cloud, but, among other advantages, it tends to be local and leads to a parallel hardware implementation naturally.



Descargas

La descarga de datos todavía no está disponible.

Referencias

O. Faugeras, Three-Dimensional Computer Vision A Geometric Point of View. Cambridge: The Mit Press, 1996.

R. M. Haralick, Computer and Robot Vision, vol. 2. Reading: Addison-Wesley, 1993.

S. Geman y D. Geman, "Stochastic relaxation, Gibbs Distribution and

the Bayesian Restoration of Images". IEEE Transactions on Pattern Analysis and Machine Intelligence, no. 6, pp. 721-41, 1984.

R. Olivares, Procesamiento digital de imágenes y visión. Consultado en mayo de 2009 en http://antares.itmorelia.edu.mx/~jcolivar/courses/ag08a/ag_ u3.ppt, 2007.

Cortes B., Oscar J. Reconocimiento del lenguaje de gestos manuales alfabéticos mediante visión artificial, Ingeniería en Control e Instrumentación Electrónica, UNIVERSIDAD DISTRITAL "Francisco José de Caldas" Facultad Tecnológica, 2007.

M. Pujol, R. Rizo, P. Arques, P. Compañy, F. Escolano, y R. Molina, "Aplicación de los modelos de campos aleatorios de Markov en visión artificial", Revista Electrónica de Visión por Computador, no. 4, Departamento de Ciencia de la Computación e Inteligencia Artificial F. Pujol, Departamento de Tecnología Informática y Computación, Universidad de Alicante, octubre de 2000.

E. López, "Segmentación de coberturas de la tierra espectralmente similares empleando campos aleatorios de Markov, características y geometría estocástica", consultado en octubre de 2009 en ttp://ccc.inaoep.mx/~danae/PropuestaDoctoral.pdf.

M. Fernández, "Campos aleatorios de Markov", consultado en junio de 2009 en http://lmi.bwh.harvard.edu/papers/

Cómo citar
Pantoja Benavides, J. F., Giraldo Ramos, F. N., Rubio Valderrama, Y. S., & Rojas Lara, V. M. (2011). SEGMENTACIÓN DE IMÁGENES UTILIZANDO CAMPOS ALEATORIOS DE MARKOV. Visión electrónica, 4(2), 5-16. https://doi.org/10.14483/22484728.432
Publicado: 2011-08-18
Sección
Visión Investigadora

Artículos más leídos del mismo autor/a