Resumen

La segmentación de imágenes es una tarea esencial en visión por computadora y reconocimiento de patrones. Hay dos desafíos clave para la segmentación de imágenes. Uno es encontrar el conjunto de características de imagen más discriminativas para obtener segmentos de alta calidad. El otro es lograr un buen rendimiento entre varias imágenes. En este documento, primero proponemos un algoritmo de fusión selectiva de características para elegir el mejor conjunto de características evaluando los resultados de presegmentación. Específicamente, el método propuesto fusiona características seleccionadas y aplica las características fusionadas al algoritmo de segmentación por crecimiento de regiones. Para obtener mejores segmentos en diferentes imágenes, desarrollamos además un algoritmo para cambiar el umbral de forma adaptativa para cada imagen midiendo el tamaño de la región. El umbral adaptativo puede lograr un mejor rendimiento en cada imagen que un umbral fijo. Los resultados experimentales demuestran que nuestro método mejora el rendimiento de la segmentación por crecimiento de regiones tradicional mediante la fusión selectiva de características y el umbral adaptativo. Además, nuestro algoritmo propuesto obtiene resultados prometed

• Materias:Comprensión de imágenes Inteligencia artificial Detección de manipulaciones Visión artificial Imágenes espaciales
• Subjects:Image understanding Artificial intelligence Manipulation detection Artificial vision Spatial imaging
• Palabras claves:Segmentación de imágenes; Visión por computadora; Reconocimiento de patrones; Conjunto de características; Crecimiento de regiones; Umbral adaptativo
• Keywords:Image segmentation; Computer vision; Pattern recognition; Feature set; Region growing; Adaptive threshold