Resumen

Este artículo aborda un problema fundamental de la visión por ordenador: la detección de bordes. Proponemos un nuevo detector de bordes utilizando bosques aleatorios estructurados como clasificador, que puede hacer pleno uso de la información de la imagen RGB-D de Kinect. Antes de la clasificación, se utiliza el filtro bilateral adaptativo para el procesamiento de eliminación de ruido de la imagen de profundidad. Como fuentes de datos, se calcula la información de 13 canales de la imagen RGB-D. Para entrenar el clasificador de bosque aleatorio, se utiliza la medida de aproximación de la ganancia de información. Todas las etiquetas estructuradas de un nodo determinado se convierten en un conjunto discreto de etiquetas mediante el método de análisis de componentes principales (PCA). El conjunto de datos NYUD2 se utiliza para entrenar nuestros bosques aleatorios estructurados. El algoritmo de bosque aleatorio se utiliza para clasificar la información de la imagen RGB-D para extraer el borde de la imagen. Además de la metodología propuesta, se presentan las comparaciones cuantitativas de los distintos algoritmos. Los resultados de los experimentos demuestran las mejoras significativas de nuestro algoritmo respecto al estado del arte.

• Materias:Biotecnología Nanotecnología Redes de sensores Sistema de sensores Tecnología de sensores
• Subjects:Biotechnology Nanotechnology Sensor networks Sensor system Sensor technology
• Palabras claves:información de la imagen d, rgb, análisis de componentes principales, filtro bilateral adaptativo, nuevo detector de bordes, algoritmo random forest, clasificador random forest, bosques aleatorios estructurados, imagen d, conjunto de datos nyud2
• Keywords:d image information, rgb, principal component analysis, adaptive bilateral filter, new edge detector, random forest algorithm, random forest classifier, structured random forests, d image, nyud2 dataset