Una revisión de las métricas aplicadas en el procesamiento de imágenes

• Alberto León-Batallas ^[1] ; Javier Bermeo-Paucar ^[1] ; Juan Paredes-Quevedo ^[1] ; Henry Torres-Ordoñez ^[1]
  1. [1] Universidad Estatal de Milagro

     Universidad Estatal de Milagro

     Guayaquil, Ecuador

     
• Localización: RECIMUNDO: Revista Científica de la Investigación y el Conocimiento, ISSN-e 2588-073X, Vol. 4, Nº. 3, 2020, págs. 267-273
• Idioma: español
• DOI: 10.26820/recimundo/4.(3).julio.2020.267-273
• Títulos paralelos:
  • review of the metrics applied in processing of pictures
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    La evaluación de las imágenes, después del procesamiento, es un paso importante para determinar la calidad de la imagen, que generalmente se evalúa utilizando métricas. Este artículo se basa en la presentación de las métricas para la medición y validación de la calidad de imagen. Se realiza un estudio de las diversas métricas cuantitativas para mejorar los cambios en el contraste y la nitidez de imágenes generales, con el objetivo de predecir automáticamente la calidad de imagen percibida. Las métricas de validación que se presentan son las de compresión de imagen, segmentación y clasificación.

  • English

    Evaluating images, after processing, is an important step in determining image quality, which is generally eval-uated using metrics. This article is based on the presentation of the metrics for the measurement and validation of image quality. A study of various quantitative metrics is conducted to improve changes in overall image sharpness and contrast, with the goal of automatically predicting perceived image quality. The validation met-rics presented are image compression, segmentation, and classification.

• Referencias bibliográficas
  • Ananthi, V., Balasubramaniam, P., & Kalaiselvi, T. (2016). A new fuzzy clustering algorithm for the segmentation of brain tumor. Soft...
  • Bhola, V. K., Sharma, T., & Bhatnagar, J. (2014). Image Quality Assessment Techniques 1, 161(May), 156–161.
  • Gil, J. (2011). Evaluación de calidad en la segmentación de imágenes, (ISSN 2072-6287).
  • Jaya, V. ., & Gopikakumari, R. (2013). IEM: A New Image Enhancement Metric for Contrast and Sharpness Measurements. International Journal...
  • Jia, Y., & Zhang, C. (2008). Learning distance metric for semi-supervised image segmentation, 3204–3207.
  • Kalaiselvi, T. (2016). ROI Based Hybrid Compression Techniques for Transferring MRI Brain Images, 4(4), 270–277.
  • Kalaiselvi, T., Vasanthi, R., & Sriramakrishnan, P. (2017). A Study on Validation Metrics of Digital Image Processing, (January).
  • Pappas, T. N., & Hill, M. (2000). Perceptual Criteria for Image Quality Evaluation. Handbook of Image and Video Processing, (908).
  • Wang, Z., & Bovik, A. C. (2002). A universal image quality index. IEEE Signal Processing Letters, XX, 2–5.
  • Wang, Z., Bovik, A. C., Sheikh, H. R., Member, S., Simoncelli, E. P., & Member, S. (2004). Image Quality Assessment : From Error Visibility...