Modelos difusos de textura basados en la percepción

La textura, junto con el color y la forma, es una de las características de bajo nivel más importantes en el análisis de imágenes. Sin embargo, también es una de las más difíciles de caracterizar, siendo muy común para el ser humano el describirla mediante algunas propiedades poco precisas, como la finura/grosor, la direccionalidad, la regularidad o el contraste. En esta Tesis se propone una metodología para el modelado de textura en base a estas propiedades perceptuales, usando para ello lógica difusa. En un primer enfoque, se aborda el modelado de las propiedades perceptuales de textura mediante conjuntos difusos, lo que permite representar la imprecisión asociada a la presencia de dichas propiedades. Estos conjuntos difusos se definen sobre el dominio de medidas computacionales de las propiedades de textura, y su función de pertenencia se obtiene relacionando los valores calculados a partir de dichas medidas con la percepción humana de la propiedad correspondiente. Se propone la obtención tanto de modelos genéricos, que pueden ser aplicados aunque no se disponga de ninguna información adicional, como de modelos que permiten adaptarse al perfil particular de distintos usuarios o al contexto de la imagen. Asimismo, dentro de este primer enfoque, se propone otra aproximación difusa que permite representar tanto la imprecisión asociada a la propiedad de textura, como la incertidumbre en el grado de pertenencia, empleando para ello conjuntos difusos tipo-2. En un segundo enfoque, se plantea el modelado de las propiedades de textura mediante variables lingüísticas, usando términos similares a los empleados por el ser humano. En este caso, en lugar de emplear un único conjunto difuso para modelar la propiedad, se realiza una partición difusa sobre el dominio de las medidas computacionales, lo que permite introducir una semántica basada en dicha propiedad. Para obtener esta partición difusa se tiene en cuenta la relación entre las medidas computacionales y la percepción humana, tanto para definir el número de conjuntos difusos como para obtener sus funciones de pertenencia. Al igual que en el primer enfoque, se proponen tanto particiones difusas genéricas, como particiones difusas que permiten adaptarse al perfil particular de distintos usuarios o al contexto de la imagen. Para describir la metodología propuesta en ambos enfoques, se emplea como ejemplo la propiedad de finura/grosor, que es una de las más importantes en el análisis de textura. Posteriormente, se comprueba que la aplicación de esta metodología al resto de propiedades se realiza de forma análoga, obteniendo los modelos correspondientes a las propiedades de contraste y direccionalidad.Tesis Univ. Granada. Departamento de Ciencias de la Computación e Inteligencia ArtificialEl presente trabajo ha tenido el apoyo económico del Ministerio de Educación y Ciencia, a través del programa Consolider Ingenio 2010 MIPRCV (CSD2007-00018)