Upload resources

Upload your works to SEDICI to increase its visibility and improve its impact

 

Show simple item record

dc.date.accessioned 2019-12-03T17:33:49Z
dc.date.available 2019-12-03T17:33:49Z
dc.date.issued 2019
dc.identifier.uri http://sedici.unlp.edu.ar/handle/10915/86704
dc.description.abstract El propósito de un método de segmentación es descomponer una imagen en sus partes constitutivas. La segmentación es generalmente la primera etapa en un sistema de análisis de imágenes, y es una de las tareas más críticas debido a que su resultado afectará las etapas siguientes.El objetivo central de esta tarea consiste en agrupar objetos perceptualmente similares basándose en ciertas características en una imagen. Tradicionalmente las aplicaciones de procesamiento de imágenes, visión por computador y robótica se han centrado en las imágenes a color. Sin embargo, el uso de la información de color es limitado hasta cierto a punto debido a que las imágenes obtenidas con cámaras tradicionales no pueden registrar toda la información que la escena tridimensional provee. Una alternativa para afrontar estas dificultades y otorgarle mayor robustez a los algoritmos de segmentación aplicados sobre imágenes obtenidas con cámaras tradicionales es incorporar la información de profundidad perdida en el proceso de captura. Las imágenes que contienen información de color de la escena, y la profundidad de los objetos se denominan imágenes RGB-D Un punto clave de los métodos para segmentar imágenes utilizando datos de color y distancia, es determinar cual es la mejor forma de fusionar estas dos fuentes de información con el objetivo de extraer con mayor precisión los objetos presentes en la escena. Un gran numero de técnicas utilizan métodos de aprendizaje supervisado. Sin embargo, en muchos casos no existen bases de datos que permitan utilizar técnicas supervisadas y en caso de existir, los costos de realizar el entrenamiento de estos métodos puede ser prohibitivo. Las técnicas no supervisadas, a diferencia de las supervisadas, no requieren una fase de entrenamiento a partir de un conjunto de entrenamiento por lo que pueden ser utilizadas en un amplio campo de aplicaciones. En el marco de este trabajo de especialización es de particular interés el análisis de los métodos actuales de segmentación no supervisada de imágenes RGB-D. Un segundo objetivo del presente trabajo es analizar las métricas de evaluación que permiten indicar la calidad del proceso de segmentación. es
dc.language es es
dc.subject Imágenes es
dc.subject Segmentación es
dc.subject RGB es
dc.subject Image segmentation es
dc.title Segmentación no supervisada de imágenes RGB-D es
dc.type Tesis es
sedici.creator.person Lorenti, Luciano Rolando es
sedici.subject.materias Ciencias Informáticas es
sedici.description.fulltext true es
mods.originInfo.place Facultad de Informática es
sedici.subtype Trabajo de especializacion es
sedici.rights.license Creative Commons Attribution 4.0 International (CC BY 4.0)
sedici.rights.uri http://creativecommons.org/licenses/by/4.0/
sedici.contributor.director De Giusti, Armando Eduardo es
sedici.contributor.juror Abásolo Guerrero, María José es
sedici.contributor.juror Bellavita, Jorge es
sedici.contributor.juror Marrone, Luis Armando es
thesis.degree.name Especialista en Computación Gráfica, Imágenes y Visión por Computadora es
thesis.degree.grantor Universidad Nacional de La Plata es
sedici.date.exposure 2019-09-09
sedici.acta 111 es


Download Files

This item appears in the following Collection(s)

Creative Commons Attribution 4.0 International (CC BY 4.0) Except where otherwise noted, this item's license is described as Creative Commons Attribution 4.0 International (CC BY 4.0)