Contribuciones al análisis estadístico de imágenes
Este trabajo se compone de dos partes que se enmarcan en el tarea del procesamiento estadístico de imágenes. La primera, corresponde al modelado estadístico de una imagen y la segunda a la medición de la calidad de una imagen en el contexto de fusión. Cada una de las partes de este trabajo es auto...
Guardado en:
| Autor principal: | |
|---|---|
| Otros Autores: | |
| Formato: | tesis doctoral |
| Lenguaje: | Español |
| Publicado: |
2021
|
| Materias: | |
| Acceso en línea: | https://repositoriodigital.uns.edu.ar/xmlui/handle/123456789/5749 |
| Aporte de: |
| Sumario: | Este trabajo se compone de dos partes que se enmarcan en el tarea del procesamiento estadístico de imágenes. La primera, corresponde al modelado estadístico de una imagen y la
segunda a la medición de la calidad de una imagen en el contexto de fusión. Cada una de las
partes de este trabajo es autocontenida.
En el Capítulo 1 de la primer parte, se describe el marco teórico concerniente al modelado
estocástico de una imagen de textura mediante los Campos Aleatorios de Gibbs-Markov.
Además, se establecen las condiciones su ficientes para obtener la descomposición de un potencial
de Gibbs en configuraciones basadas en el esquema de codificación de Besag. En el Capítulo 2, se
propone un nuevo método de estimación basado en el esquema de codificación de Besag, denominado
estimador de Mínimo Cuadrado Condicional Coding (MCCC), implementado mediante
un algoritmo paralelo. Para evaluar su performance, se llevó a cabo un estudio de simulación
Monte Carlo en situaciones específicas de un modelo de textura Gibbs-Markov, el Modelo Autobinomial.
El estudio consistió en un análisis descriptivo de su comportamiento, el testeo de su
sensibilidad ante presencia de ruido (distintos grados de contaminación de diferentes patrones
homogéneos de textura), la evaluación de su algoritmo paralelo y su capacidad en la clasificación
supervisada de diferentes texturas presentes en una imagen satelital concreta.
La segunda parte aborda la problemática de la medida de la calidad de una imagen en el
contexto de fusión. En el Capítulo 4 se presentan las características de las medidas de calidad
basadas en el Índice de similitud estructural, como así también algunas propiedades de interés de
este índice. Luego, en el Capítulo 5 se propone una nueva medida de calidad de fusión de imágenes
que tiene como objetivo ser ciega (sin imagen de referencia), de cálculo significativamente
simple y de fácil implementación. Para validar esta propuesta se desarrolla tres experimentos
que evalúan: su propósito general, la estabilidad y capacidad discriminativa, como así también,
la correlación con la opinión subjetiva. Por úlltimo, se presenta una aplicación de la medida
propuesta en la obtención de imágenes de pinturas de alta calidad, a través de un proceso de
exclusión que selecciona con éxito el mejor subconjunto de imágenes de entrada en términos de
la imagen fusionada. |
|---|