Segmentación de imágenes utilizando el operador Linear Binary Pattern basado en pirámide. Aplicación a la segmentación de vasos sanguíneos en imágenes de retina.

Castellanos Sánchez, Fernando. (2022). Segmentación de imágenes utilizando el operador Linear Binary Pattern basado en pirámide. Aplicación a la segmentación de vasos sanguíneos en imágenes de retina. Master Thesis, Universidad Nacional de Educación a Distancia (España). Escuela Técnica Superior de Ingeniería Informática. Departamento de Inteligencia Artificial

Ficheros (Some files may be inaccessible until you login with your e-spacio credentials)
Nombre Descripción Tipo MIME Size
Castellanos_Sanchez_Fernando_TFM.pdf Castellanos_Sanchez_Fernando_TFM.pdf application/pdf 8.81MB

Título Segmentación de imágenes utilizando el operador Linear Binary Pattern basado en pirámide. Aplicación a la segmentación de vasos sanguíneos en imágenes de retina.
Autor(es) Castellanos Sánchez, Fernando
Resumen En este Trabajo de Fin de Máster se lleva a cabo el análisis de una metodología de segmentación de imágenes que no se encuentre basada en técnicas de Deep Learning, de forma que, sin emplear recursos costosos como una GPU, y sin necesidad de una base de datos de gran tamaño, sea capaz de proporcionar resultados competitivos para aquellos problemas en los que la máxima precisión no es requerida. Con dicha finalidad, se propone la generación de características discriminantes a través del operador LBP basado en pirámide de imagen como medio para describir las vecindades de los píxeles en regiones de múltiples dimensiones. Entre dichas características se encuentran las proporcionadas por diferentes variantes del operador LBP aplicadas a varias escalas de manera simultánea. Descritas las características de cada uno de los píxeles, se lleva a cabo el entrenamiento de un clasificador «tradicional» capaz de clasificar los píxeles de nuevas imágenes. Como aplicación, se emplean bases de imágenes de fondo de ojo con el fin de segmentar los vasos sanguíneos. Para ello, se utilizan tres bases de datos diferentes sobre las que existe literatura previa que contrasta su utilización y establece una referencia sobre la que comparar los resultados. De esta forma, se alcanzan finalmente resultados que pueden ser considerados competitivos con la literatura más reciente.
Abstract In this Master Thesis we analyze an image segmentation methodology that is able to provide competitive results for those problems where maximum accuracy is not required and Deep Learning techniques cannot be applied due to the high cost of resources such as GPUs or the need for a large database. To that end, the generation of discriminant features through the image pyramidbased LBP operator is proposed as a means of describing pixel neighborhoods in multi-dimensional regions. Among such features are those provided by different versions of the LBP operator applied at several scales simultaneously. Once the individual pixel features are described, a "traditional" classifier capable of classifying pixels of new images is trained. As an application, retinal image databases are used to segment blood vessels. For this purpose, three different databases are analyzed. Their use is contrasted in the literature. After comparing the results, a high accuracy is achieved without such a high computational cost as in the use of Deep Learning.
Notas adicionales Trabajo de Fin de Máster Universitario en Investigación en Inteligencia Artificial. UNED
Materia(s) Ingeniería Informática
Palabra clave Local Binary Pattern
pirámide de imagen
segmentación de imágenes
clasificación
computación evolutiva
Light Gradient Boosting Machine
imágenes de retina
pyramid
image segmentation
classification
evolutionary computing
retinal Images
Editor(es) Universidad Nacional de Educación a Distancia (España). Escuela Técnica Superior de Ingeniería Informática. Departamento de Inteligencia Artificial
Director/Tutor Carmona Suárez, Enrique J.
Fecha 2022-09-01
Formato application/pdf
Identificador bibliuned:master-ETSInformatica-IIA-Fcastellanos
http://e-spacio.uned.es/fez/view/bibliuned:master-ETSInformatica-IIA-Fcastellanos
Idioma spa
Versión de la publicación acceptedVersion
Nivel de acceso y licencia http://creativecommons.org/licenses/by-nc-nd/4.0
info:eu-repo/semantics/openAccess
Tipo de recurso master Thesis
Tipo de acceso Acceso abierto

 
Versiones
Versión Tipo de filtro
Contador de citas: Google Scholar Search Google Scholar
Estadísticas de acceso: 154 Visitas, 110 Descargas  -  Estadísticas en detalle
Creado: Wed, 13 Sep 2023, 21:10:15 CET