Tendencias Científicas
Ampliar y segmentar son dos de las principales funciones del tratamiento de imágenes digitales. Imagen: Zbigniew Nowak. Fuente: PhotoXpress.
Aránzazu Jurío Munárriz, ingeniera informática por la Universidad Pública de Navarra, ha presentado en su tesis doctoral sendos nuevos métodos para mejorar dos de los procesos más habituales en el tratamiento de imágenes digitales: la ampliación y la segmentación.
Su algoritmo de ampliación de imágenes destaca no sólo por la calidad obtenida sino por el tiempo que tarda en ejecutarse, que es 700 veces inferior a otros métodos existentes que obtienen la misma calidad.
El procesamiento de imágenes consiste en un conjunto de técnicas que se aplican sobre las imágenes para solucionar dos problemas: mejorar la calidad visual y procesar la información contenida en la imagen, de tal forma que un ordenador pueda entenderla por sí sola.
Hoy en día la segmentación de imágenes se utiliza para resolver muchos problemas. Algunos de ellos son la teledetección, donde es necesario localizar, en imágenes aéreas, ciertos objetos como ríos, bosques o cultivos; el análisis de pruebas médicas, para localizar diferentes estructuras (órganos, tumores, etc.), medir volúmenes de tejidos o incluso practicar una cirugía guiada por ordenador; o el reconocimiento de patrones, por ejemplo para identificar una matrícula en la entrada a un aparcamiento o para identificación personal a través de las huellas dactilares.
“Mediante la segmentación de imágenes se separa cada uno de los objetos que forman parte de la imagen —explica Aránzazu Jurío en la nota de prensa de la UPNA, de la que se hace eco la Conferencia de Directores y Decanos de Ingeniería Informática, CODDII—.
Para ello se analiza cada uno de los píxeles, de tal forma que todos los que tengan ciertas características en común consideramos que forman parte del mismo objeto”.
Ampliación
El otro problema que aborda Aránzazu Jurío en su tesis es el de la ampliación de imágenes. Consiste en incrementar la resolución espacial de la imagen (obtener una imagen mayor, con más píxeles, que represente la misma escena) preservando los detalles y la nitidez.
“Las técnicas de ampliación son muy útiles cuando enviamos imágenes de un dispositivo a otro o cuando las subimos a la web, ya que para que la transmisión sea más rápida solemos enviar una versión reducida de la imagen que, cuando llega al destino, es necesario ampliar para tenerla en su tamaño original. También se utiliza la ampliación en casos donde la imagen tiene baja resolución, como puede ser en cámaras de videovigilancia”, señala.
En el transcurso de su investigación ha presentado dos nuevos métodos de ampliación, uno para imágenes en escala de grises y otro para imágenes en color. Según indica, los métodos se desarrollaron para solucionar un problema de una empresa de infografía.
A partir de un modelo en tres dimensiones, la empresa generaba varias imágenes para mostrar a los clientes; esas imágenes debían ser grandes para poder apreciar todos los detalles, pero generarlas costaba más de veinte horas por imagen. “La solución que encontramos fue poder generar imágenes en un tamaño menor y posteriormente ampliarlas, en un tiempo muy reducido (menos de una hora por imagen) y manteniendo la calidad.
Es decir, nuestro algoritmo de ampliación de imágenes destaca no sólo por la calidad obtenida sino por el tiempo que tarda en ejecutarse, que es 700 veces inferior a otros métodos existentes que obtienen la misma calidad”.
Su algoritmo de ampliación de imágenes destaca no sólo por la calidad obtenida sino por el tiempo que tarda en ejecutarse, que es 700 veces inferior a otros métodos existentes que obtienen la misma calidad.
El procesamiento de imágenes consiste en un conjunto de técnicas que se aplican sobre las imágenes para solucionar dos problemas: mejorar la calidad visual y procesar la información contenida en la imagen, de tal forma que un ordenador pueda entenderla por sí sola.
Hoy en día la segmentación de imágenes se utiliza para resolver muchos problemas. Algunos de ellos son la teledetección, donde es necesario localizar, en imágenes aéreas, ciertos objetos como ríos, bosques o cultivos; el análisis de pruebas médicas, para localizar diferentes estructuras (órganos, tumores, etc.), medir volúmenes de tejidos o incluso practicar una cirugía guiada por ordenador; o el reconocimiento de patrones, por ejemplo para identificar una matrícula en la entrada a un aparcamiento o para identificación personal a través de las huellas dactilares.
“Mediante la segmentación de imágenes se separa cada uno de los objetos que forman parte de la imagen —explica Aránzazu Jurío en la nota de prensa de la UPNA, de la que se hace eco la Conferencia de Directores y Decanos de Ingeniería Informática, CODDII—.
Para ello se analiza cada uno de los píxeles, de tal forma que todos los que tengan ciertas características en común consideramos que forman parte del mismo objeto”.
Ampliación
El otro problema que aborda Aránzazu Jurío en su tesis es el de la ampliación de imágenes. Consiste en incrementar la resolución espacial de la imagen (obtener una imagen mayor, con más píxeles, que represente la misma escena) preservando los detalles y la nitidez.
“Las técnicas de ampliación son muy útiles cuando enviamos imágenes de un dispositivo a otro o cuando las subimos a la web, ya que para que la transmisión sea más rápida solemos enviar una versión reducida de la imagen que, cuando llega al destino, es necesario ampliar para tenerla en su tamaño original. También se utiliza la ampliación en casos donde la imagen tiene baja resolución, como puede ser en cámaras de videovigilancia”, señala.
En el transcurso de su investigación ha presentado dos nuevos métodos de ampliación, uno para imágenes en escala de grises y otro para imágenes en color. Según indica, los métodos se desarrollaron para solucionar un problema de una empresa de infografía.
A partir de un modelo en tres dimensiones, la empresa generaba varias imágenes para mostrar a los clientes; esas imágenes debían ser grandes para poder apreciar todos los detalles, pero generarlas costaba más de veinte horas por imagen. “La solución que encontramos fue poder generar imágenes en un tamaño menor y posteriormente ampliarlas, en un tiempo muy reducido (menos de una hora por imagen) y manteniendo la calidad.
Es decir, nuestro algoritmo de ampliación de imágenes destaca no sólo por la calidad obtenida sino por el tiempo que tarda en ejecutarse, que es 700 veces inferior a otros métodos existentes que obtienen la misma calidad”.
Huellas dactilares y cerebro
En su tesis doctoral esta investigadora también ha presentado dos algoritmos de segmentación. El primero está adaptado para trabajar con imágenes de huellas dactilares; el segundo, orientado a imágenes del cerebro obtenidas mediante resonancias magnéticas.
En concreto, el grupo de investigación de la UPNA del que forma parte está colaborando en un proyecto para crear un centro de identificación a través de huellas dactilares que sea capaz de trabajar con 40 millones de huellas.
“Uno de los pasos para la identificación consiste en separar la huella del fondo de la imagen de una manera eficiente. En la tesis hemos propuesto cómo medir la homogeneidad en cada zona de una imagen, es decir, cómo de parecidos son todos los píxeles de una región. A partir de esa medida, hemos desarrollado un algoritmo que es capaz de realizar correctamente la segmentación sobre las huellas dactilares”.
El segundo algoritmo ha sido desarrollado en el marco de un proyecto de investigación en colaboración con médicos del Complejo Hospitalario de Navarra.
Se pretenden estudiar las diferencias en formas o volúmenes de ciertas áreas del cerebro en pacientes que tienen sus primeros brotes psicóticos. Los investigadores han propuesto un método para lograr separar correctamente en la imagen el área que ocupan diferentes estructuras del cerebro.
En su tesis doctoral esta investigadora también ha presentado dos algoritmos de segmentación. El primero está adaptado para trabajar con imágenes de huellas dactilares; el segundo, orientado a imágenes del cerebro obtenidas mediante resonancias magnéticas.
En concreto, el grupo de investigación de la UPNA del que forma parte está colaborando en un proyecto para crear un centro de identificación a través de huellas dactilares que sea capaz de trabajar con 40 millones de huellas.
“Uno de los pasos para la identificación consiste en separar la huella del fondo de la imagen de una manera eficiente. En la tesis hemos propuesto cómo medir la homogeneidad en cada zona de una imagen, es decir, cómo de parecidos son todos los píxeles de una región. A partir de esa medida, hemos desarrollado un algoritmo que es capaz de realizar correctamente la segmentación sobre las huellas dactilares”.
El segundo algoritmo ha sido desarrollado en el marco de un proyecto de investigación en colaboración con médicos del Complejo Hospitalario de Navarra.
Se pretenden estudiar las diferencias en formas o volúmenes de ciertas áreas del cerebro en pacientes que tienen sus primeros brotes psicóticos. Los investigadores han propuesto un método para lograr separar correctamente en la imagen el área que ocupan diferentes estructuras del cerebro.
Referencia bibliográfica:
Humberto Bustince; Aranzazu Jurio; Ana Pradera; Radko Mesiar; Gleb Beliakov. Generalization of the weighted voting method using penalty functions constructed via faithful restricted dissimilarity functions. European Journal of Operational Research (2013).
Humberto Bustince; Aranzazu Jurio; Ana Pradera; Radko Mesiar; Gleb Beliakov. Generalization of the weighted voting method using penalty functions constructed via faithful restricted dissimilarity functions. European Journal of Operational Research (2013).
Inicio
Enviar a un amigo
Versión para imprimir
Compartir
La Inteligencia Artificial habla sobre la legalización del cannabis
CIENCIA ON LINE