Divisin de Interaccin Hombre Maquina e inteligencia computacional Visin Artificial

Parafraseando el algoritmo de las K-Medias para un conjunto finito de imgenes.

Gabriel Gonzlez Palma
Universidad Autnoma del Estado de Mxico. Facultad de Ingeniera.

____________________________________________________________________________________ Abstract. En este conjunto los pixeles ya no son independientes, sino que son una conjuncin de El siguiente trabajo tiene como finalidad conocer todos los pixeles de las imgenes en una uno de los mtodos de segmentacin de ubicacin dentro de la imagen, es decir imgenes mediante el uso de vectores Denotemos a Xij un pixel vector en la ubicacin caractersticos. i-rengln, j-columna, que tiene una forma En la primera parte, se contempla la parte Xij(x1,x2,xn) , este vector est formado por fundamental de considerar un conjunto de los valores de los pixeles en i y j de todas las imgenes finita en una sola mediante la imgenes que forman el conjunto y recibe el agrupacin de sus pixeles en una ubicacin de nombre de vector caracterstico. la imagen por medio de vectores caractersticos. En la segunda parte tratamos uno de los Clasificacin de pixeles criterios de clasificacin ms usados como lo es la distancia vectorial euclidiana. Supongamos que deseamos clasificar nuestros pixeles en un K numero de regiones, para ello Y por ltimo se considera la definicin de un debemos apoyarnos por una media que agrupe algoritmo de k-medias. las caractersticas de los pixeles en dichas regiones. Esta media Mij es un vector por el Fundamento hecho que es un pixel dentro de la imagen al igual que Xij. Sin embargo los pixeles deben Supongamos que tenemos un conjunto de n tener un criterio de clasificacin para el cual imgenes, en el cual cada imagen contienes deben agruparse. informacin que describe caractersticas relevantes de la escena en la que fue tomada, como por ejemplo textura, color, espacio en color, etc.

Divisin de Interaccin Hombre Maquina e inteligencia computacional Visin Artificial

Criterio de la distancia Euclidiana La pregunta ms comn es Cmo medir la similitud un pixel con otro?, bueno existen muchos mtodos para describir que tan parecidos son dos pixeles dentro de un conjunto de imgenes, sin embargo el ms comn y sencillo es usando su distancia euclidiana. Al tomar los pixeles como vectores tambin son susceptibles a manejar sus propiedades, as pues el criterio de la distancia euclidiana es cuantificar que tan cercanos son los pixeles dentro de un espacio. Recordemos que la distancia d euclidiana para vectores se mide la siguiente forma: 4: Seleccionar de entre todas las distancias calculadas la que sea menor y verificar, a que U-Mij con u=1k pertenece. Ese valor de U ser la clase a la que pertenece el pixel Xij. 5: Etiquetar al pixel Xij con el valor de su clase en una sola imagen mapa I de dimensiones iguales a todas las que estn en el conjunto colocando el valor de la clase en la posicin ij en la que est el pixel. Denotemos a los pixeles ya clasificados como U-Xij con U=1k. 6: Si la imagen ha sido analizada totalmente entonces calcular el histograma de I y recalculamos las medias U-Mij con U=1k. las cuales sern sustituidas por la suma de todos los pixeles U-Xij con U=1k contenidos en la misma clase multiplicado por el reciproco de la frecuencia del histograma de cada clase. Es decir

Donde X1 y X2 son pixeles dentro de un conjunto de imgenes. Y refiere que la distancia entre dos vectores es igual a la raz del producto punto de la diferencia de los vectores entre s misma. Algoritmo de las K-Medias Dado un conjunto de imgenes I de dimensin mxn. 1: Seleccionar un conjunto de K vectores dentro de la imagen que fungirn como medias de clase K-Mij de forma aleatoria o por medio de una forma de seleccin, cuyo criterio cumpla que deben estar alejadas entre s geogrficamente. 2: Verificar como es la U-Mij (uesima media) con respecto a la n-Mij (ultima media calculada hasta el momento ver paso 6) con u=1k-1, en cuanto a distancia euclidiana d(UMij,K-Mij). Si las distancias medidas son menores todas a 1 (por lo mucho), entonces el algoritmo termina. 3: Calcular las distancias entre el pixel Xij con todas la medias U-Mij con u=1k.

Donde

es la frecuencia de los

pixeles etiquetados con la clase K en I y las cuales pueden ser consultadas desde el histograma. Si la imagen no ha sido recorrida totalmente regresar a 3. 7: regresar a dos si no se cumple alguna otra condicin de parada.

______________________________________ Notas finales:

La notacin K-Mij refiere a un pixel usado como media cuya ubicacin geogrfica en la imagen es irrelevante despus de ser seleccionada y donde K es el nmero de regin o clase a la que pertenece. La notacin U-Xij refiere a un pixel de la imagen clasificado dentro de una de las clases desde 1 hasta k. aqu es bueno denotar que la ubicacin geogrfica ij es relevante durante todo el proceso de clasificacin. ij denotan una ubicacin geogrfica cualquiera dentro de la imagen