Publicación: Segmentación de imágenes utilizando el operador Linear Binary Pattern basado en pirámide. Aplicación a la segmentación de vasos sanguíneos en imágenes de retina.
Cargando...
Fecha
2022-09-01
Autores
Editor/a
Director/a
Tutor/a
Coordinador/a
Prologuista
Revisor/a
Ilustrador/a
Derechos de acceso
info:eu-repo/semantics/openAccess
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad Nacional de Educación a Distancia (España). Escuela Técnica Superior de Ingeniería Informática. Departamento de Inteligencia Artificial
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.
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.
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.
Descripción
Categorías UNESCO
Palabras 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
Citación
Centro
Facultades y escuelas::E.T.S. de Ingeniería Informática
Departamento
Inteligencia Artificial