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

Vista sencilla de ítem
dc.contributor.authorCastellanos Sánchez, Fernando
dc.contributor.directorCarmona Suárez, Enrique Javier
dc.date.accessioned2024-05-20T12:26:24Z
dc.date.available2024-05-20T12:26:24Z
dc.date.issued2022-09-01
dc.description.abstractEn 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.es
dc.description.abstractIn 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.en
dc.description.versionversión final
dc.identifier.urihttps://hdl.handle.net/20.500.14468/14251
dc.language.isoes
dc.publisherUniversidad Nacional de Educación a Distancia (España). Escuela Técnica Superior de Ingeniería Informática. Departamento de Inteligencia Artificial
dc.relation.centerE.T.S. de Ingeniería Informática
dc.relation.degreeMáster universitario en Investigación en Inteligencia Artificial
dc.relation.departmentInteligencia Artificial
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rights.urihttps://creativecommons.org/licenses/by-nc-nd/4.0/deed.es
dc.subject.keywordsLocal Binary Pattern
dc.subject.keywordspirámide de imagen
dc.subject.keywordssegmentación de imágenes
dc.subject.keywordsclasificación
dc.subject.keywordscomputación evolutiva
dc.subject.keywordsLight Gradient Boosting Machine
dc.subject.keywordsimágenes de retina
dc.subject.keywordspyramid
dc.subject.keywordsimage segmentation
dc.subject.keywordsclassification
dc.subject.keywordsevolutionary computing
dc.subject.keywordsretinal Images
dc.titleSegmentación de imágenes utilizando el operador Linear Binary Pattern basado en pirámide. Aplicación a la segmentación de vasos sanguíneos en imágenes de retina.es
dc.typetesis de maestríaes
dc.typemaster thesisen
dspace.entity.typePublication
Archivos
Bloque original
Mostrando 1 - 1 de 1
Miniatura
Nombre:
Castellanos_Sanchez_Fernando_TFM.pdf
Tamaño:
8.82 MB
Formato:
Adobe Portable Document Format
Descargar
Colecciones
Trabajos de fin de máster (TFM)