Algoritmos metaheurísticos para la segmentación de imágenes

Resumen

Uno de los temas más tratados en la comunidad de procesamiento de imágenes es la segmentación, consistente en obtener estructuras subyacentes para facilitar su interpretación. Dado que se utiliza como un paso de preprocesamiento antes de las tareas de visión por computador de alto nivel, se han propuesto diversos enfoques para la segmentación, que se centran en la mejora de la calidad de los procesos aplicados para conseguir los mejores resultados posibles. Los algoritmos metaheurísticos (AMs) son algoritmos de búsqueda estocásticos que utilizan reglas o heurísticas aplicables a cualquier problema para acelerar su convergencia a soluciones cercanas al óptimo. En la literatura se ha demostrado la factibilidad de realizar distintas tareas del procesamiento de imágenes, orientado hacia la segmentación, mediante el uso de AMs, como la umbralización de imágenes (UI). En general, los enfoques de UI separan los píxeles de una imagen considerando valores de umbral que particionan el histograma de la imagen en un número finito de clases según los valores de los píxeles con respecto a los umbrales. Así, el problema se reduce a realizar una búsqueda de los mejores valores umbrales para una imagen de acuerdo con su histograma. La calidad de los umbrales se determina mediante el uso de criterios no paramétricos, donde un AM explora el espacio de soluciones hasta encontrar umbrales óptimos. Se han encontrado deficiencias en la literatura relacionada, habiéndose propuesto los métodos que se indican a continuación para su resolución, que a su vez constituyen la base de la investigación desarrollada en la tesis y la contribución a la comunidad científica, concretándose como sigue en los siguientes aspectos: a) mejora de la calidad en la segmentación usando la entropía cruzada mínima como criterio a optimizar; b) estudio del desempeño de los AMs en resonancias magnéticas e imágenes térmicas; c) incorporación de información contextual para incrementar la mejora de la umbralización; y d) propuesta de un enfoque multiobjetivo en optimización para determinar el número de umbrales automáticamente. En el primer aspecto se mejorara la calidad de las imágenes segmentadas aplicando AMs usando criterios de umbralización investigados recientemente con resultados satisfactorios. Para ello se evalúa el desempeño de la entropía cruzada usando distintos AMs sobre imágenes de prueba ampliamente utilizadas en la literatura relacionada. Además, se analizan los resultados de acuerdo con la calidad de la segmentación y la convergencia de los algoritmos que se proponen. El segundo aspecto estudia el desempeño en de AMs en dos casos concretos: resonancias magnéticas cerebrales e imágenes térmicas. Cada aplicación requiere características especiales que deben ser consideradas en el proceso de segmentación. El tercer aspecto incorpora la información contextual en el proceso de umbralización, esto es, considerar información correspondiente a la vecindad de cada píxel para que el resultado de la umbralización sea más eficiente con el uso de la curva de energía. Así, se busca implementar AMs desarrollados recientemente y clásicos para establecer un marco de comparación. Finalmente, se ha decidido proponer un enfoque multiobjetivo que permite realizar segmentación de imágenes y simultáneamente determinar la mejor cantidad de umbrales y su posición óptima a lo largo del histograma de la imagen. Las estrategias propuestas se presentan como alternativas para dar solución a los temas seleccionados en el área de la segmentación de imágenes. La evidencia experimental y análisis comparativos realizados de forma independiente permiten comprobar su desempeño en considerando elementos como su precisión y robustez. Además, se comprueba que el uso de los AM es una alternativa viable en una gran cantidad de variantes de la umbralización de imágenes, lo que contribuye positivamente al estado del arte en el tema investigado.