Recuperación de imágenes basadas en contenido mediante descriptores híbridos

Abstract

El presente trabajo tiene como objetivo analizar diferentes descriptores de im agenes existentes para la recuperaci on de im agenes basadas en contenido (CBIR) y combinarlos de tal manera que se obtenga un descriptor hibrido que permita una mejor precisi on en la extracci on de caracter sticas y en el agrupamiento autom atico de im agenes, que sus antecesores. Para conseguirlo se ha estudiado, analizado y evaluado los diferentes descriptores de color, textura y forma, para veri car su utilidad en este trabajo. Posteriormente se ha centrado en el descriptor de color CLD (Color Layout Descriptor) y el descriptor de textura de Tamura para la extracci on de caracter sticas; para su agrupamiento se ha utilizado el clasi cador por partici on K-means y el clasi cador SOM (Self- Organizing Map), con una base de datos de 1000 im agenes agrupadas en10 clases. Los resultados obtenidos indican un mejor desempe~no seg un la m etrica de precision y recall para el descriptor hibrido (CLD-Tamura) con K-means, en la extracci on, agrupamiento y recuperaci on de im agenes por similitud. Finalmente, se puede concluir que los descriptores h bridos son m as efectivos en la extracci on de caracter sticas aumentando el rendimiento del proceso de recuperaci on al incrementar el porcentaje en su precision y recall en los grupos con clase dominante