Detección de Contornos utilizando el Algoritmo Canny en Imágenes Cross-Espectrales Fusionadas

Autores/as

  • Patricia Suárez Escuela Superior Politécnica del Litoral
  • Mónica Villavicencio Escuela Superior Politécnica del Litoral

DOI:

https://doi.org/10.29019/enfoqueute.v8n1.127

Palabras clave:

elementos estructurantes, GQM, filtros morfológicos, infrarrojo cercano, fusión, imágenes cross-espectrales

Resumen

Considerando que las imágenes de diferentes espectros proporcionan una amplia información que ayuda mucho en el proceso de identificación y distinción de objetos que tienen firmas espectrales únicas. En este trabajo se evalúa el uso de imágenes cross-espectrales en el proceso de detección de bordes. Este estudio evalua el detector de bordes Canny con dos variantes. La primera se refiere al uso de imágenes cross-espectrales fusionadas, y la segunda al uso de filtros morfológicos. Para garantizar la calidad de los datos utilizados en este estudio se aplicó el marco de trabajo GQM (Goal-Question-Metrics), la cual fue utilizada como marco de trabajo para reducir el ruido y aumentar la entropía en las imágenes. Después de realizar los experimentos. Las métricas obtenidas en los experimentos confirman que la cantidad y calidad de los bordes detectados aumenta significativamente después de la inclusión de un filtro morfológico y un canal de espectro infrarrojo cercano en las imágenes fusionadas.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Al-Nanih, R., Al-Nuaim, H., & Ormandjieva, O. (2009, July). New health information systems (HIS) quality-in-use model based on the GQM approach and HCI principles. In International Conference on Human-Computer Interaction, pp. 429-438.
Calero, C., Piattini, M., & Genero, M. (2001, July). Method for Obtaining Correct Metrics. ICEIS (2), (pp. 779-784).
Canny, J. (1986). A computational approach to edge detection. Transactions on pattern analysis and machine intelligence, 679-698.
Demigny, D. (2002, July). On Optimal Linear Filtering for Edge Detection. IEEE Trans. Image Processing, 11, 728-1220.
Deng, C. X., Wang, G. B., & Yang, X. R. (2013, July). Image edge detection algorithm based on improved canny operator. International Conference on Wavelet Analysis and Pattern Recognition, pp. 168-172.
Elder, J. H., & Zucker, S. W. (1998). Local scale control for edge detection and blur estimation, 20(7), 699-716. IEEE Transactions on pattern analysis and machine intelligence, 20(7), 699-716.
Esteves, J., Pastor-Collado, J., & Casanovas, J. (2002). Measuring sustained management support in ERP implementation projects: a GQM approach. AMCIS Proceedings, 190.
Heric, D., & Zazula, D. (2007). Combined edge detection using wavelet transform and signal registration. Image and Vision computing, 25(5), 652-662.
Ma, C., Gao, W., Yang, L., & Liu, Z. (2010, August). An improved Sobel algorithm based on median filter. In Mechanical and Electronics Engineering (ICMEE), 1, V1-88-V1-92.
Marr, D., & Hildreth, E. (1980). Theory of Edge Detection,”. Proc. Royal Soc.London, vol. 207,, 207, 187-217.
O'Callaghan, Robert, J., & Bull., D. R. (2005). Combined morphological-spectral unsupervised image segmentation. IEEE Transactions on Image Processing, 14(1), 49-62.
Patel, Dhiraj, K., Sagar, A., & More. (2013, January 4-6). Edge detection technique by fuzzy logic and Cellular Learning Automata using fuzzy image processing. Computer Communication and Informatics (ICCCI), 1-6.
Pohl, C., & Van , G. (n.d.). Multisensor image fusion in remote sensing: Concepts, methods and applications. 823-854.
Rosenfeld, A. (1970, May). A Nonlinear Edge Detection Technique. Proc. IEEE, 814-816.
Van Solingen, R., Basili, V., Caldiera, G., & Rombach, H. D. (2002). Goal question metric (gqm) approach. Encyclopedia of software engineering.
Wang, W., & Wang, L. (2009, April). Edge Detection of the Canny Algorithm Based on Maximum between-class Posterior Probability". Computer Applications, 29(A), 962-1027.
Wilkinson., G. G. (2005). Results and implications of a study of fifteen years of satellite image classification experiments. IEEE Trans. Geosci. Remote Sens, 43(3), 433-440.
Xia, K. J., Yao, Y. F., Chang, J. Y., & Zhong, S. (2010, February). An Edge Detection Improved Algorithm Based on Morphology and Wavelet. Computer and Automation Engineering (ICCAE), 1(404-4).
Xu, P., Miao, Q., Shi, C., Zhang, J., & Yang, M. (2012, October). General method for edge detection based on the shear transform. IET image processing, 6(7), 839-853.
Xu, Q., Varadarajan, S., Chakrabarti, C., & Karam, L. J. (2014, July). A distributed canny edge detector: algorithm and FPGA implementation. IEEE Transactions on Image Processing, 23(7), 2944-2960.
Xu, Y., Weaver, J. B., & Healy, D. M. (1994). Wavelet Transform Domain Filters: A Spatially Selective Noise Filtration Technique. IEEE Transactions on Image Processing, 3(6), 747 - 758.
Zue, L. X., Li, T., & Wang, Z. C. (2010, September). Adaptive Canny edge detection algorithm. Jisuanji Yingyong Yanjiu, 27(9), 3588-3590.

Descargas

Publicado

2017-02-24

Cómo citar

Suárez, P., & Villavicencio, M. (2017). Detección de Contornos utilizando el Algoritmo Canny en Imágenes Cross-Espectrales Fusionadas. Enfoque UTE, 8(1), pp. 16 – 30. https://doi.org/10.29019/enfoqueute.v8n1.127

Número

Vol. 8 Núm. 1 (2017): Edición Especial INCISCOS 2016

Sección

Misceláneos

Licencia

Los artículos e investigaciones publicadas por la Universidad UTE, se realizan en régimen de Acceso Abierto [Open Access] en formato electrónico. Esto significa que todo el contenido está disponible de forma gratuita sin costo para el usuario o su institución. Los usuarios pueden leer, descargar, copiar, distribuir, imprimir, buscar o enlazar los textos completos de los artículos, o usarlos para cualquier otro propósito legal, sin necesidad de pedir permiso previo al editor o al autor. Esto está de acuerdo con la definición de acceso abierto de la Iniciativa de Acceso Abierto de Budapest (BOAI). Al enviar un artículo a cualquiera de las revistas científicas de la Universidad UTE, el o los autores aceptan estas condiciones.

La UTE aplica la licencia Creative Commons Attribution (CC-BY) a los artículos de sus revistas científicas. En virtud de esta licencia de acceso abierto, como autor usted acuerda que cualquier persona puede reutilizar su artículo en su totalidad o en parte para cualquier propósito, de forma gratuita, incluso para fines comerciales. Cualquiera puede copiar, distribuir o reutilizar el contenido siempre y cuando el autor y la fuente original estén correctamente citados. Esto facilita la libertad de reutilización y también asegura que el contenido pueda ser extraído sin barreras para necesidades de investigación.

 

Esta obra está bajo una Creative Commons Attribution 3.0 International (CC BY 3.0).

 

Además, la Revista Enfoque UTE garantiza y declara que los autores conservan siempre todos los derechos de autor y todos los derechos de publicación sin restricciones [© Los Autores].  El reconocimiento (BY) permite cualquier explotación de la obra, incluyendo una finalidad comercial, así como la creación de obras derivadas, la distribución de las cuales también está permitida sin ninguna restricción.