Identificación de imágenes por análisis de texturas utilizando aprendizaje estadístico

Este documento explica la creación, implementación y uso del proyecto de fin de grado, desarrollado dentro del grupo de investigación ISCAR (Ingeniería de Sistemas, Control, Automática y Robótica) de la Facultad de Informática de la Universidad Complutense. El proyecto consiste en la implementación de una aplicación capaz de clasificar texturas extraídas de distintas imágenes mediante técnicas de visión por computador. Dicha aplicación se divide en tres pilares fundamentales: interfaz gráfica de usuario, algoritmos de extracción de características texturales y aprendizaje supervisado mediante una máquina “SVM” (Support Vector Machine). Interfaz gráfica: proporciona al usuario una forma fácil de uso de la aplicación por medio de la visualización gráfica de una imagen con una serie de elementos de configuración para su posterior análisis. Una vez analizada, el usuario si así lo desea, podrá visualizar los resultados de manera intuitiva, así como guardar dichos resultados después de la ejecución de los algoritmos pertinentes. Algoritmos de análisis de texturas: Procede al cálculo de las configuraciones y las muestras provistas por el usuario en la interfaz gráfica como el cálculo de la matriz de co-ocurrencia y el cálculo de los vectores de características (homogeneidad, media, varianza, Entropía, etc…). SVM: Utiliza los vectores de características obtenidos en los cálculos estadísticos de texturas para realizar el proceso de aprendizaje de un clasificador SVM. La aplicación ha sido construida en JAVA haciendo uso de librerías como JNI_SVM-light-6.01, commons-math3-3.0 y WindowsBuilder, para la construcción de la ventana gráfica, cálculo de los métodos estadísticos y máquina de aprendizaje automático. Dicha aplicación se ha utilizado con el objetivo de identificar y clasificar el quiste de Baker mediante imágenes obtenidas por Resonancias Magnéticas de la rodilla.

Análisis cuantitativo de técnicas de fusión de imágenes

La fusión de imágenes es un proceso que permite obtener una nueva imagen en base a la información que tienen dos o más imágenes, las cuales poseen distinta información de la misma escena, que se combina convenientemente en la nueva imagen fusionada. Para poder obtener esta imagen resultante se utilizan diversas técnicas, requiriéndose identificar las métricas más apropiadas que permitan determinar aquella técnica o técnicas que proporcionen el mejor resultado en términos de calidad de la nueva imagen con la información fusionada. Por tal motivo en el presente trabajo, se realiza un análisis comparativo sobre diversas técnicas de fusión, a saber: promedio simple, máximo/ mínimo valor, análisis de componentes principales, transformada de wavelets y pirámides laplaciana (contraste y morfológica). Cada una de ellas presenta un proceso distinto para el tratamiento de los píxeles correspondientes a las imágenes. Así mismo, se han seleccionado las siguientes métricas cuantitativas para verificar la calidad de las imágenes resultantes fusionadas: error cuadrático medio, relación señal a ruido de pico, contenido estructural, diferencia promedio, correlación cruzada normalizada y entropía.