Diseño Automático de un Clasificador para Filtrado de Ruido en Imágenes Binarias Utilizando Análisis Discriminante Lineal

  • Susana Guevara
  • Emilio Robalino
  • Agustina Bouchet
  • Marcel Brun
  • Virginia Ballarin
Palabras clave: Procesamiento de imágenes, diseño automático, análisis discriminante lineal, filtrado de ruido, imágenes binarias

Resumen

El siguiente trabajo presenta el diseño automático de un clasificador para filtrado de ruido en imágenes binarias utilizando la técnica del análisis discriminante lineal. Se diseñó el clasificador en dos etapas: entrenamiento y testeo. En la etapa de entrenamiento, utilizando un conjunto de n-pares de imágenes con ruido aditivo al 10%, se obtuvo una matriz de observaciones con sus respectivas etiquetas para una ventana de tamaño 3x3 y 5x5. Aplicando la técnica del análisis discriminante lineal se consiguió un conjunto de coeficientes generando un nuevo filtro que es el que se propone en este trabajo. En la etapa de testeo se comparó el clasificador propuesto con un filtro heurístico, en este caso se eligió el filtro mediana. Ambos fueron aplicados a tres imágenes de prueba con ruido aleatorio al 10%. Se calculó el error cuadrático medio para ambas técnicas. Se concluyó que, para las condiciones experimentales diseñadas, el clasificador propuesto tiene un mejor rendimiento con respecto al filtro mediana.

Citas

M. Benalcázar, “Aprendizaje computacional y morfología matemática aplicados al procesamiento de imágenes biomédicas”, Tesis Doctoral, Universidad Nacional de Mar del Plata, Argentina, 2014.

A. Tharwat, T. Gaber, A. Ibrahim, and A. E. Hassanien, "Linear discriminant analysis: A detailed tutorial", AI Communications, vol. 30, no 2, pp. 169-190, May 2007.

C. Li, and W, Bingyu. (2014, August 31). Fisher Linear Discriminant Analysis. [en línea], Available: https://pdfs.semanticscholar.org/1ab8/ea71fbef3b55b69e142897fadf43b3269463.pdf.

R. A. Fisher, “The use of multiple measurements in taxonomic problems”. Annals of eugenics, vol. 7, no 2, pp. 179-188, September 1936.

Sugiyama, M., "Local fisher discriminant analysis for supervised dimensionality reduction" in Proceedings of the 23rd international conference on Machine learning, Pittsburgh, Pensylvania, pp. 905-912, June 2006.

D. Zhang, X. Jing, and J. Yang, Biometric image discrimination technologies, USA, IGI Global, 2006.

A. J. Izenman, Modern multivariate statistical techniques. Regression, classification and manifold learning, USA, Springer, 2008.

Publicado
2019-08-19
Sección
Artículos Científicos - Tecnológicos