Una metodología para la clasificación de imágenes binarias basada en Redes Complejas

Abstract

En el campo de la Visión Artificial y en concreto en el Reconocimiento de Patrones existe el problema de clasificación de objetos a partir de su silueta, el cual tiene aplicaciones en diversos campos como, por ejemplo, en la Robótica y en el Procesamiento de Imágenes Médicas. El objetivo de este proyecto consiste en aportar otra manera de clasificar los objetos de una base de datos de imágenes binarias según a la categoría que pertenecen, basándose en la teoría de Redes Complejas. La solución consta de varias etapas: 1. Construir la red compleja a partir de una imagen de la base de datos. 2. Obtener los histogramas normalizados de los resultados de cada una de las siguientes características: a) Distribución de los valores de grado: Indican el número de píxeles a los que está conectado cada píxel de la imagen. b) Distribución de una medida de circularidad de la imagen: Utilizando para ello el algoritmo de Bresenham para circunferencias. c) Obtención para todos los grados existentes en la imagen del valor de distribución de probabilidades joint degree. 3. Calcular la matriz para cada característica con la comparativa de la similitud entre los histogramas de pares de imágenes. 4. A partir de las matrices anteriores, sintetizar en una matriz global, toda la información aportada por las características calculadas. En cada una de estas matrices el valor de cada posición corresponde a la distancia o diferencia entre cada par de imágenes. 5. Con la matriz obtenida previamente, evaluar las posibilidades de reconocimiento de formas, variando el rango de valores de la distancia a los que se asume que dos imágenes pertenecen a la misma categoría. 6. El estudio evalúa los datos obtenidos por las diferentes versiones de la matriz global, conseguidas aplicando diversas ecuaciones, buscando cual de ellas finalmente aporta una mejor clasificación frente al resto.