SEGMENTACIÓN DE IMÁGENES APLICANDO LA HERRAMIENTA COMPUTACIONAL P3S

Resumen

Resumen

Se presenta la segmentación de imágenes digitales utilizando la aplicación computacional P3S. Se propone el uso de esta aplicación porque permite obtener un modelo de clases, las cuales representan las diferentes segmentaciones de la imagen, y por reconocer en tiempo real los segmentos involucrados, utilizando el modelo de clases obtenido. Está basada en la metodología de clustering LAMDA, la cual es un algoritmo de aprendizaje que utiliza datos multivariables, caracterizada por ser sencilla en los cálculos de aprendizaje y fácil de implementar. Además, tiene la ventaja con respecto a otros métodos tradicionales, de no requerir el número deseado de clases. En la metodología se explica el procedimiento para obtener la segmentación (modelo de clases) a partir de la matriz de pixeles. Los resultados obtenidos son aceptables, considerando que modificando los parámetros de la clasificación, es posible obtener diferentes segmentaciones. Finalmente, se realiza una comparación con un método tradicional de clustering difuso.

Palabras Claves: Aprendizaje, clasificación, dato multivariable, segmentación.

SEGMENTATION OF IMAGES APPLYING THE P3S COMPUTATIONAL TOOL

Abstract

In this paper the segmentation of digital images using the P3S computational application based on the LAMDA fuzzy classification methodology is presented. This application is proposed to be used because it allows to obtain a class model, which represents the image segmentation, and to recognize the involved segments in real time, using the class model obtained. Here, it is explained the LAMDA clustering methodology which is characterized by simple learning calculations and easy implementation. In addition, it has the advantage over other traditional methods, that it does not require a desired number of classes. The procedure to obtain the final segmentation from the pixel array, is also explained in the methodology. The obtained results are acceptable, considering that by modifying the classification parameters is possible to obtain different results of segmentation. Finally, a comparison with a traditional fuzzy clustering method is carried out.

Keywords: Clustering, learning, multivariate data, segmentation.