Extracción de contornos mediante algoritmos evolutivos

Abstract

La extracción de contornos es indispensable para una gran cantidad de tareas asociadas con el reconocimiento e identificación de patrones en imágenes digitales y la visión computacional. La mayoría de las técnicas de segmentación de contornos se basa en la detección de gradientes locales, por lo que con imágenes ruidosas estos métodos se vuelven inestables y poco confiables. Por lo tanto se requieren mecanismos globales que permitan sobreponerse adecuadamente a los mínimos locales generados por el ruido. En este trabajo proponemos el uso de algoritmos evolutivos como mecanismo heurístico para la extracción de contornos en imágenes con ruido. Los algoritmos evolutivos exploran el espacio combinatorio de posibles soluciones por medio de un proceso de selección de mejores soluciones (generadas por mutación y cruzamiento) seguidas por la evaluación de la adecuación de las nuevas soluciones (fitness) y la selección de un nuevo conjunto de soluciones. Cada posible solución es un contorno, cuyo fitness es una medida de la diferencia de intensidades acumulada a lo largo del mismo. Este proceso se repite iterativamente a partir de una primera aproximación (la población inicial), ya sea un cierto número de generaciones o bien hasta alcanzar algún criterio conveniente de detención, por ejemplo encontrar un contorno cuyo fitness es adecuadamente bajo. La exploración uniforme del espacio de soluciones y el no estancamiento en mínimos locales (principalmente por efecto de la operación de mutación) inducen a una mejora gradual de los resultados con la evolución de las poblaciones.