Comparació objectiva d'algorismes de segmentació d'imatges

Abstract

[cat] El processament d’imatges és un tema de gran interès i que està present en molts àmbits de la societat. Per tal de ressaltar les característiques d’una imatge o simplificar la seva estructura per facilitar-ne la comprensió, s’han desenvolupat diferents tècniques i mètodes automàtics no supervisats. Entre els diferents mètodes que existeixen per processar una imatge, en aquest treball s’analitzarà el procés de segmentació d’imatges. Segmentar és l’acte que consisteix en dividir una imatge en diferents subconjunts o regions disjuntes de tal forma que la seva unió forma tota la imatge. Per dur a terme aquest procés existeixen una gran diversitat de tècniques, que es poden dividir en les basades en l’espai de característiques, les basades en el domini de la imatge, les que utilitzen intel·ligència artificial i les tècniques de segmentació estadístiques. En aquest treball, una vegada formalitzat el concepte de segmentació d’una imatge, es proposa una classificació de les tècniques més emprades en segmentació. Per posar de manifest algunes d’aquestes tècniques, s’analitzen en detall i s’implementen els mètodes de segmentació d’imatges basats en el model lingüístic de dues tuples, el de segmentació jeràrquica, k-means, fuzzy k-means i recursive shortest spanning tree (RSST). En el capítol 4 s’han aplicat els diferents algorismes a una base d’imatges per fer una comparació visual i una quantitativa dels diferents mètodes, utilitzant l’índex de Rand i el mètode de variació de la informació. Per fer la comparació quantitativa, ha estat necessari tenir una imatge ideal amb la que comparar la segmentació obtinguda amb elsmètodes anteriorment estudiats. Per això s’ha adoptat una imatge de consens d’entre les segmentacions ideals que es poden trobar a la base d’imatges considerada. Finalment utilitzant el test estadístic deWilcoxon, es determina si els resultats obtinguts són estadísticament significatius o no. Finalment no s’ha arribat a una unanimitat respecte quin és el millor i el pitjor mètode de segmentació, donat que les dues mesures quantitatives considerades no coincideixen en les conclusions obtingudes. Segons l’estudi realitzat, elsmillor serien el de segmentació jeràrquica considerant escales grans mentre que els pitjors serien el mètode de segmentació jeràrquica considerant escales petites i el fuzzy k-means. Així doncs, en resum, no existeix un mètode de segmentació que sigui òptim per totes les imatges i segons tots els criteris de rendiment possibles. Això fa que el camp de la segmentació d’imatges sigui, encara avui en dia, un camp obert amb molta investigació per realitzar.