Aplicación de técnicas de umbralización multinivel con algoritmos evolutivos para la segmentación de imágenes

Abstract

Las técnicas de cómputo evolutivo son utilizadas para la solución de problemas complejos en diversos campos de la ingeniería. El caso específico de esta tesis está enfocado en el procesamiento de imágenes, utilizando técnicas de umbralización multinivel mediante el algoritmo de optimización de agrupamiento y caos (CCO), donde se realizarán pruebas comparativas con otros algoritmos encontrados en la literatura (HHO, PSO, DE, HS, ABC), por medio de una función de costo, que es la minimización de la entropía cruzada. Para poder medir la efectividad del algoritmo propuesto, se llevaron a cabo pruebas con diferentes conjuntos de datos, por un lado, el conjunto de imágenes de prueba de Berkeley y por otros cinco conjuntos de imágenes médicas, que incluyen imágenes de resonancia magnética, células cancerígenas, enfermedades pulmonares, daños cerebrales y enfermedades oculares. La evaluación de la eficiencia del algoritmo es medida mediante las métricas PSNR, FSIM y SSIM, estas métricas brindan información de la calidad en la segmentación de la imagen, mientras que la utilización de dos métodos estadísticos, la media y la desviación estándar, nos ayudan a conocer que tan estables son los algoritmos. Todo esto con el fin de ayudar al diagnóstico médico de enfermedades apoyado de imágenes digitales médicas.