DSpace Repository

Recuperación de imágenes sobre la base del contenido

Show simple item record

dc.contributor.author González García, Alain Cesar
dc.date.accessioned 2008-10-20T19:41:35Z
dc.date.available 2008-10-20T19:41:35Z
dc.date.created 2007-02-06
dc.date.issued 2008-10-16T19:41:35Z
dc.identifier.citation González García, Alain Cesar. (2007). Recuperación de imágenes sobre la base del contenido. (Doctorado en Ciencias de la Computación). Instituto Politécnico Nacional, Centro de Investigación en Computación, México. es
dc.identifier.uri http://tesis.ipn.mx/handle/123456789/718
dc.description Tesis (Doctorado en Ciencias de la Computación), Instituto Politécnico Nacional, CIC, 2007, 1 archivo PDF, (117 páginas). tesis.ipn.mx es
dc.description.abstract RESUMEN: Recuperación de imágenes significa buscar y recuperar información visual en forma de imágenes, dentro de una colección de bases de datos de imágenes, siendo una de sus áreas de investigación la organización y recuperación basada en el contenido, en términos de color y forma. En este trabajo se desarrolla una simple pero efectiva metodología para la recuperación de imágenes de color sobre la base de su contenido. Se hace uso de los canales de color R, G y B para indexar las imágenes. Se prueba el desempeño en una red neuronal perceptron, entrenada con tres diferentes conjuntos de coeficientes ondeletas: dos globales y uno local. El problema de recuperar imágenes desde una base de datos de imágenes se enfrenta de la siguiente forma: Previo al entrenamiento de la red neuronal, se obtiene una descripción basada en coeficientes ondeletas de cada imagen mediante la ondeleta Daubechies 4, con los que se entrena la red neuronal. Durante la recuperación, una imagen determinada se presenta a la red neuronal entrenada. El sistema responde con las imágenes más parecidas. Para obtener los coeficientes de la transformada ondeleta se evalúan tres maneras diferentes: A partir de los tres canales de color RGB de la imagen completa, desde los histogramas de la ventana circular más grande dentro de cada uno de los canales de color RGB, y desde los histogramas de los canales de color RGB de sub-imágenes cuadradas en los que se ha dividido la imagen original. Uno de los aspectos principales de nuestro enfoque es que no se requiere ninguna segmentación previa de la imagen. Durante el entrenamiento se presenta al sistema una imagen cuya clase se conoce de antemano. Se prueba el desempeño de la propuesta con bases de datos de imágenes del mismo tipo de objetos. Al final, se trabaja con diferentes tipos de objetos, por ejemplo, el sistema muestra imágenes de flores si la imagen de una flor se presenta al sistema, a pesar de que la base de datos podría contener no solamente imágenes de flores, sino también imágenes de personas, aviones, paisajes, ciudades, etc. es
dc.description.abstract ABSTRACT: Image retrieval is referred to seek and recover visual information in form of images, within a collection of databases of images, being one of their investigation areas the organization and retrieval based on the content, in color and shape terms. In this work we have described a simple but effective methodology for the retrieval of color images. We make use of the R, G and B channels of the color image for indexing. We test the performance of a neural network of perceptrons trained with three different wavelet-based describing features: two global and one local. We face the problem of retrieving images from a database. During training a wavelet-based description of each image is first obtained using a Daubechies 4- wavelet transformation. Resulting coefficients are used to train a neural network (NN). During retrieval, a given image is presented to the already trained NN. The system responds with the most similar images. Three different ways to obtain the coefficients of the wavelet transform are tested: From the entire image color channels, from the histogram of the biggest circular window inside the image color channels, and from the histograms of square subimages in the image color channels of the original image. Among the main features of our approach is that no previous segmentation of the object class is needed. During training we present to the system an object whose class is known beforehand. Nowadays, we are testing the performance of our proposal with other databases, of the same kind of objects. At the end of our future research, we would like that the system shows photos of flowers if a photo of a flower is presented to the systems, when the database could contain not only images of flowers but also of people, airplanes, and so on. es
dc.language.iso es es
dc.subject RGB es
dc.subject Red neuronal es
dc.title Recuperación de imágenes sobre la base del contenido es
dc.type Thesis es
dc.contributor.advisor Levachkine, Serguei es
dc.contributor.advisor Progrebnyak, Oleksiy es


Files in this item

This item appears in the following Collection(s)

Show simple item record

Search DSpace


Browse

My Account