Reconocimiento automatizado de objetos extendidos

Abstract

El presente proyecto de tesis aborda el uso de técnicas de preprocesamiento y segmentación en imágenes astronómicas para la detección de objetos extendidos. El preprocesamiento es una parte muy importante, puesto que la calidad de las imágenes astronómicas suele ser baja con respecto a otras imágenes y esto se debe a las características técnicas y físicas relacionadas con el proceso de adquisición. Para mejorar la detección, se hace uso del filtro de difusión anisotrópica de Perona-Malik para reducir el ruido en las imágenes sin necesidad de retirar piezas importantes con la finalidad de delinear mejor los bordes de los objetos extendidos. Se exploró el uso de agrupamiento difuso con el algoritmo posibilista difuso (PFCM por sus siglas en inglés) con el objetivo de separar el fondo de los objetos puntuales y extendidos, de esta manera se elimina el fondo de la imagen, ya que las nebulosas de emisión son de naturaleza difusa, y cuando los objetos extendidos tienen débil emisión, es difícil detectarlos por tener valores cercanos al fondo de la imagen, el ruido también puede causar que reconozca objetos que realmente no lo son, en la revisión de literatura bibliográfica se encontró que lo ideal para estos casos es eliminar el fondo de la imagen. El otro punto encontrado en la revisión bibliográfica es que la eliminación de los objetos puntuales es importante puesto que tienen un rango dinámico amplio, las estrellas saturadas tienen valores de píxel superiores a 50 mil, esto dificulta la detección de los objetos extendidos con débil emisión. Por ello, en la metodología propuesta, se realiza un corte a las estrellas determinando un umbral y después se interpoló con los píxeles vecinos. Recientemente, las redes neuronales convolucionales (CNN) han demostrado un gran potencial para lograr la segmentación de imágenes aplicado a diversos campos. En esta tesis, se investiga el uso de la arquitectura U-NET. En los experimentos realizados se indagan los hiperparámetros que mejor precisión proporcione, como se verá más adelante, la metodología propuesta, aunque con ciertos fallos en las estrellas saturadas, logra detectar objetos con débil emisión.