Discriminación robusta de imágenes basada en momentos geométricos y el clasificador Gamma

Abstract

En el presente trabajo de tesis se muestra el desempeño del clasificador Gamma al ser utilizado con imágenes binarias. Adicionalmente, se pone a prueba el desempeño de los momentos invariantes al ser empleados con el clasificador Gamma como principales descriptores de los objetos en los experimentos realizados.

Las pruebas realizadas con los momentos como descriptores de objetos, pretenden mostrar, además del alto desempeño del clasificador Gamma, la alta discriminación que pueden tener los rasgos obtenidos al ser utilizados como alternativas de clasificación que permiten la identificación de objetos en casos de clases traslapadas o con elementos dispersos.

Aunque los experimentos realizados utilizan la definición de momentos invariantes propuesta originalmente por Hu, la metodología puede ser utilizada con cualquier otra técnica de cálculo de momentos existente.

Los resultados manifiestan que el nuevo algoritmo propuesto para el clasificador Gamma es eficiente y que, en general, dicho clasificador muestra un desempeño competitivo para los conjuntos de datos expuestos. Además, los descriptores probados presentan alta discriminación al obtenerse porcentajes de recuperación altos en los experimentos realizados.