Ir al contenido

Documat


Contribuciones a la segmentación de imágenes mediante algoritmos de clasificación automática

  • Autores: Eduardo René Concepción Morales
  • Directores de la Tesis: Yosu Yurramendi Mendizabal (dir. tes.) Árbol académico
  • Lectura: En la Universidad del País Vasco - Euskal Herriko Unibertsitatea ( España ) en 2010
  • Idioma: español
  • Tribunal Calificador de la Tesis: José Ramón Dorronsoro Ibero (presid.) Árbol académico, Basilio Sierra Araujo (secret.) Árbol académico, Jose Ruiz Shulcloper (voc.) Árbol académico, José Miguel García-Santesmases Martín-Tesorero (voc.) Árbol académico, Pedro Larrañaga Múgica (voc.) Árbol académico
  • Enlaces
    • Tesis en acceso abierto en: TESEO
  • Resumen
    • Los métodos de clustering, o clasificación automática, constituyen un grupo importante de herramientas de análisis de datos, Estos métodos son utilizados para el análisis de imágenes médicas con el objetivo de identificar y categorizar las formas o funciones de tejidos y órganos, proceso éste entendido como segmentación de imágenes.

      El objetivo principal de esta tesis ha sido el estudio de los algoritmos existentes para tratar problemas de clasificación automática tratando de incorporar nuevas aproximaciones.

      Se apoya la idea de que los modelos que describan las relaciones espaciales entre los objetos pueden ser útiles para su clasificación.

      El objeto principal de interés de esta investigación lo constituyen los métodos de clasificación automática que traten de preservar la estructura espacial de los objetos.

      Se ha realizado un a investigación de las relaciones espaciales entre los objetos de un conjunto tomando como base el concepto de autocorrelación espacial, así como un estudio teórico sobre los métodos de clustering con restricciones contigüidad.

      Las principales contribuciones incluyen la introducción de versiones modificadas de los índices de autocorrelación espacial de Moran y Geary, logrando establecer su complementariedad. Se propone un índice de autocorrelación espacial a partir del concepto de variabilidad local de Lebart.

      Se asocian índices locales a cada uno de los índices globales de autocorrelación espacial que posibilitan profundizar en el conocimiento de la estructura espacial de los datos.

      Se define un índice de autocorrelación espacial asociado a particiones, CB, que toma en cuenta únicamente las fronteras entre las clases de una partición.

      Se presenta el estudio teórico de un método de agrupamiento jerárquico aglomerativo con restricciones de contigüidad.

      Se introduce un algoritmo con una función de desemejanza que toma en cuenta las relaciones de contigüidad impuestas sobre los datos y se analizan sus propiedades. Se demuestra que la jerarquía de clusters que se obtiene con el método propuesto al utilizar una estrategia aglomerativa restringida a la fusión de clusters adyacentes es libre de inversiones.

      Se presentan resultados experimentales que brindan evidencia empírica del comportamiento del método propuesto en el caso de la segmentación de imágenes.


Fundación Dialnet

Mi Documat

Opciones de tesis

Opciones de compartir

Opciones de entorno