Estudio, diseño y optimización de algoritmos para la aplicación de técnicas de aprendizaje estadístico al procesado digital de imágenes

Resumen

Esta tesis doctoral parte de la hipótesis de que ciertas herramientas de aprendizaje estadístico como las máquinas de vectores soporte (SVM) o las redes neuronales RBF pueden ser aplicadas en tareas de procesado de imagen de bajo nivel. Estas tareas de procesado son las primeras de la cadena en un esquema básico de procesamiento de imágenes. Las herramientas de procesado estadístico han sido usadas en tareas de alto nivel (reconocimiento de patrones) con excelentes resultados pero su potencial no ha sido estudiado completamente en tareas de bajo nivel. Concretamente, en esta tesis se hace un estudio de las tareas de detección de bordes, segmentación de imágenes en color y eliminación de ruido impulsivo, tratando de definir alternativas a las técnicas ya existentes pero basadas en el uso de SVM. Las tareas de procesado tratadas en esta tesis tienen en común la posibilidad de definir esquemas de clasificación y de regresión en los que se pueden aplicar los algoritmos de aprendizaje estadístico. Concretamente en la detección de bordes hay que clasificar los píxeles de la imagen entre aquellos que pertenecen a un borde y los que no, en la segmentación en color hay que clasificar los píxeles que pertenecen a un color y los que no y en la eliminación de ruido impulsivo es necesario detectar los píxeles que son ruidosos y para reconstruirlos puede utilizarse la regresión. En la realización de esta tesis se han abordado, por tanto, las siguientes tareas correspondientes a cada una de las técnicas de procesado estudiadas: - En la detección de bordes definido un esquema basado en la clasificación de los píxeles mediante SVM. En este esquema se ha dado importancia a la definición del entrenamiento, que se realiza mediante imágenes sintéticas. Se ha realizado un estudio de los mejores parámetros de entrenamiento incluyendo el kernel de las SVM. Siguiendo el esquema de detección, se han definido técnicas para la obtención de una imagen de gradiente a partir de los datos de clasificación y, por último, se han definido esquemas de marcado de píxeles adaptando algunas técnicas existentes y proponiendo algunas soluciones novedosas. Por último, se han realizado pruebas de funcionamiento tanto de manera visual como con medidas objetivas, incluyendo algunas en las que el detector propuesto se aplica sobre imágenes con ruido añadido. - En la segmentación en color, se han analizado distintas técnicas existentes para conocer los puntos donde se pueden mejorar. Tras este análisis, se ha propuesto la segmentación de los colores de la imagen con un esquema sencillo de detección en el espacio de color RGB. Este esquema de detección se ha comparado con otros ya existentes en una tarea concreta, el reconocimiento de señales de tráfico, demostrándose que la técnica propuesta puede ser una alternativa factible y que, mediante su uso con tablas de búsqueda, se puede mejorar el rendimiento y aplicarla en procesado de tiempo real. - En detección de ruido impulsivo se han estudiado varias técnicas existentes con distintos esquemas de aplicación. Entre ellos, se ha elegido el esquema de detección con reconstrucción posterior por los buenos resultados obtenidos. Para la detección se han definido imágenes de entrenamiento sintéticas y se han probado las SVM y las redes neuronales RBF como posibles clasificadores. En el apartado de reconstrucción se han probado filtros de mediana ya existentes, pero modificados para mejorar su funcionamiento, y esquemas de regresión con SVM, nuevamente basados en entrenamiento sintético. Los resultados de calidad obtenidos con distintas medidas permiten afirmar que las técnicas propuestas son una alternativa a las existentes y pueden ofrecer mejores resultados.