• Título:  DESCRIPCIÓN ADAPTATIVA DE TEXTURAS Y ESTIMACIÓN DE LAS PROBABILIDADES A PRIORI DE LAS CLASES PARA EL CONTROL DE CALIDAD SEMINAL
• Autor:  González Castro, Víctor
• Universidad:  Universidad de León
• Departamento:  INGENIERIA ELECTRICA Y DE SISTEMAS Y AUTOMATICA
• Fecha de Lectura:  29/06/2011
• Mención Europeo / Mención Internacional: concedido
• Programa de doctorado:  Sistemas Inteligentes en la Ingeniería
• Dirección: 
  • ALAIZ RODRIGUEZ, ROCÍO (DIRECTOR)
  • ALEGRE GUTIERREZ, ENRIQUE (DIRECTOR)
• Tribunal: 
  • Bahamonde Rionda, Antonio (PRESIDENTE)
  • MATELLÁN OLIVERA, VICENTE (SECRETARIO)
  • DURÁN MARTÍN, OLGA (VOCAL)
  • CASTEJÓN LIMAS, MANUEL (VOCAL)
  • SEBASTIÁN Y ZÚÑIGA, JOSÉ MARÍA (VOCAL)
• Descriptores: 
  • INTELIGENCIA ARTIFICIAL
  • SISTEMAS AUTOMATIZADOS DE CONTROL DE CALIDAD
  • TRATAMIENTO DIGITAL DE IMAGENES
• Localización:  BIBLIOTECA UNIVERSITARIA SAN ISIDORO
• 2011gonzadescr.pdf
• Resumen:
  En esta Tesis se han evaluado varias técnicas para describir texturas en una imagen digital. Además, hemos propuesto un nuevo método de segmentación inteligente, un descriptor de texturas adaptativo y dos nuevos procedimientos para estimar proporciones de clases (cuantificación) en conjuntos de datos no etiquetados. El método de descripción adaptativa de texturas, llamado Espectro de Patrones Geodésicos Adaptativos (AGPS en sus siglas en inglés, Adaptive Geodesic Pattern Spectrum), está basado en Mofología Matemática y en distancias Geodésicas. Los resultados de los experimentos utilizando imágenes extraídas de la base de datos VisTex muestran que es más eficiente que el Pattern Spectrum clásico cuando los téxeles de las texturas tienen formas similares. Adicionalmente se ha propuesto un método iterativo, basado en las estimaciones de las probabilidades a posteriori (PP) devueltas por un clasificador, capaz de estimar la distribución de las clases de nuevos conjuntos de datos no etiquetados. El otro método de cuantificación propuesto consiste en utilizar la distancia de Hellinger para medir la divergencia de la distribución entre datos nuevos y un conjunto de validación generado de manera controlada a partir de los datos de entrenamiento. Esta medida se puede realizar sobre los datos originales (HDx), o sobre las salidas de un clasificador (HDy). Estos métodos han sido evaluados utilizando datos de diferentes problemas reales y comparados con métodos previos basados en matrices de confusión. Los experimentos muestran que las estimaciones de los procedimientos de cuantificación mejoran los resultados obtenidos con el método simple, que es el generalmente utilizado, de clasificar y contar (CC), y que HDy es el que obtiene el mejor ranking medio. Adicionalmente, estos métodos se han evaluado en una aplicación de control de calidad seminal. Como este problema requiere la segmentación de las cabezas de los espermatozoides, hemos realizado una propuesta que combina un método basado en umbralización con la transformada Watershed. De esta forma hemos obtenido mejores resultados que simplemente utilizando umbralización, con un coste computacional mucho más bajo que el método basado en Watershed. Además, para este mismo problema, se han evaluado varios descriptores de textura (las transformadas Curvelet y Wavelet combinadas con descriptores estadísticos de primer y segundo orden) y de forma (momentos de Hu, Flusser, Legendre y Zernike). La transformada Curvelet, combinada con características de la matriz de coocurrencia superó a todos los demás en la detección de la integridad acrosómica. Adicionalmente, se observó que los descriptores de textura claramente superaron a los descriptores de forma. Un aspecto fundamental de las aplicaciones de control de calidad seminal es que resulta más importante estimar las proporciones de las clases que la clasificación de cada célula individual. En este contexto, los resultados experimentales con el conjunto de datos de acrosomas íntegros y dañados muestran que PP y HDy son capaces de cuantificar la distribución de clases con la menor desviación absoluta media y además, HDy mostró una robustez más alta con respecto al rendimiento del clasificador. En cuanto a las estimaciones de proporciones de las clases de espermatozoides vivos y muertos, descritos mediante AGPS, todos los métodos de cuantificación propuestos obtuvieron resultados similares, mejorando notablemente el método básico CC.