Please use this identifier to cite or link to this item: https://hdl.handle.net/20.500.12104/79997
Title: MAESTRO EN CIENCIAS EN INGENIERÍA ELECTRÓNICA Y COMPUTACIÓN
Author: Aranguren Navarro, Itzel Niasandiu
Advisor/Thesis Advisor: Oliva Navarro, Diego Alberto
Pérez Cisneros, Marco Antonio
Editors: CUCEI
Universidad de Guadalajara
Career: MAESTRIA EN CIENCIAS EN INGENIERIA ELECTRONICA Y COMPUTACION
Keywords: Tecnicas De Preprocesamiento Para El Analisis De Imagenes;Resonancia Magnetica;Minima Entropia Cruzada;Algoritmo De Evolucion Diferencial Autoadaptativa
Issue Date: 7-Oct-2018
Publisher: Biblioteca Digital wdg.biblio
Universidad de Guadalajara
Abstract: La segmentación es considerada un paso fundamental en las técnicas de preprocesamiento para el análisis de imágenes. La segmentación automática de las imágenes de resonancia magnética (MR) del cerebro ha sido ampliamente investigada ya que, con una segmentación precisa se pueden identificar y diagnosticar varias enfermedades cerebrales. El umbral es una técnica simple pero eficiente de segmentación de imágenes. A lo largo de los años, se han propuesto varios enfoques para el umbral. Entre estos métodos, la mínima entropía cruzada (MCE) se ha aplicado ampliamente debido a su simplicidad. Aunque el MCE es bastante eficaz en un umbral de dos niveles, el costo computacional aumenta exponencialmente cuanto mayor es el número de valores de umbral a buscar. Por lo tanto, en este trabajo se presenta un nuevo método para umbralización multinivel basado en el algoritmo de Evolución Diferencial Auto-adaptativa (SADE). SADE es un algoritmo metaheurístico basado en vectores que puede resolver problemas generales de manera eficiente ya que, durante la evolución, la estrategia de aprendizaje adecuada y la configuración de parámetros se auto-adaptan gradualmente de acuerdo con la experiencia de aprendizaje. Los valores de umbral óptimos se encuentran minimizando la entropía cruzada utilizando el algoritmo SADE. El método propuesto se prueba en dos grupos de imágenes de referencia; el primer grupo se compone de imágenes de prueba estándar, mientras que el segundo grupo consiste en imágenes de resonancia magnética del cerebro. A su vez, el enfoque propuesto se compara con los algoritmos metaheurísticos, Optimizador del Lobo Gris (GWO) y el Algoritmo Competitivo Imperialista (ICA). A partir de los resultados experimentales, se observa que el método propuesto obtiene mejores resultados en términos de consistencia y calidad, en comparación con los métodos basados en GWO e ICA.
URI: https://wdg.biblio.udg.mx
https://hdl.handle.net/20.500.12104/79997
Appears in Collections:CUCEI

Files in This Item:
File SizeFormat 
MCUCEI10046.pdf
Restricted Access
691.83 kBAdobe PDFView/Open    Request a copy


Items in RIUdeG are protected by copyright, with all rights reserved, unless otherwise indicated.