Aproximaciones difusas al modelado y aprendizaje de espacios de color aplicadas a la segmentación de imágenes

• Autores: Miriam Mengíbar Rodríguez
• Directores de la Tesis: Jesús Chamorro (dir. tes.)
• Lectura: En la Universidad de Granada ( España ) en 2025
• Idioma: español
• ISBN: 9791370150228
• Número de páginas: 225
• Tribunal Calificador de la Tesis: Rafael Molina Soriano (presid.) , José Manuel Soto Hidalgo (secret.) , Aránzazu Jurio (voc.) , Amelia Zafra Gómez (voc.) , Luis Magdalena Layos (voc.)
• Programa de doctorado: Programa de Doctorado en Tecnologías de la Información y la Comunicación por la Universidad de Granada
• Calificación: Sobresaliente Cum Laude
• Enlaces
  • Tesis en acceso abierto en: DIGIBUG
• Resumen

  • El color constituye una de las propiedades visuales más relevantes para la percepción humana, ya que permite identificar, clasificar y distinguir objetos de forma rápida e intuitiva, incluso antes de procesar detalles más complejos como la forma o la textura. Sin embargo, su modelado computacional plantea un importante desafío, debido a su naturaleza subjetiva, ambigua y dependiente del contexto y/o dominio. En este marco, la presente Tesis aborda el estudio y modelado del color desde una perspectiva difusa, que permite tanto recoger la imprecisión y la subjetividad asociada al color, como modelar las relaciones “ES-UN” entre categorías. Así, se introduce la idea de color difuso granular, para cuya definición se combina tanto el paradigma de la computación granular como el uso de teselaciones de Voronoi; de esta forma, un color se construye como la unión de formas simples poliédricas (gránulos) para generar una estructura mayor y más compleja que permite adaptarse a la forma de la mayoría de los colores de la naturaleza. Además, el hecho de generar esas estructuras simples en base a una teselación, garantiza la conexión entre gránulos y la cobertura del espacio asociado a la categoría. La representación granular también permite trabajar con imágenes a distintos niveles de detalle: desde una representación general basada en categorías amplias (como “rojo” o “azul”), hasta niveles más específicos que capturan tonalidades particulares dentro de cada color (como “granate” o “bermellón”). En segundo lugar, se presenta una metodología para el aprendizaje de espacios de color difusos adaptados a un determinado dominio y/o contexto, así como las relaciones “ES-UN” entre categorías. Con ello se pretende superar las limitaciones de los espacios de propósito general basados en paletas fijas predefinidas, que no siempre pueden adaptarse a las particularidades de un determinado problema. El enfoque presentado en esta Tesis permite construir categorías y subcategorías de color a partir de conjuntos de imágenes reales, utilizando técnicas inspiradas en agrupamiento para identificar prototipos representativos y relaciones jerárquicas entre colores. Finalmente, se propone un método de segmentación difusa basado en caminos que utiliza como característica principal los colores difusos granulares previamente definidos. Esta técnica aborda de forma conjunta dos fuentes clave de incertidumbre: los límites imprecisos entre regiones y la ambigüedad inherente al concepto de color. El uso de modelos difusos para caracterizar los píxeles implica la necesidad de definir medidas de semejanza acordes a esta representación, por lo que se propone un conjunto de métricas capaces de cuantificar el grado de semejanza entre píxeles de manera coherente con los modelos de color empleados.