Un grupo de investigadores del Departamento de Ciencias Matemáticas e Informática estudian la implantación de técnicas de lógica borrosa para hacer detección automática de contornos
Un equipo de investigadores del Departamento de Ciencias Matemáticas e Informática perteneciente al Grupo de Investigación en Lógica Borrosa y Fusión de la Información (LOBFI), ha estudiado la implantación de técnicas de lógica borrosa para hacer detección automática de contornos. El trabajo se ha publicado en la revista científica IEEE – Transactions on Fuzzy Systems, situada en la primera posición (de 115) del área de Computer Science, Artificial Intelligence, y en la tercera posición (de 243) del área Engineering, Electrical & Electronic, con un índice de impacto de 5,484, según el Journal Citation Reports (2012).
Se analizan en la investigación las técnicas en lógica borrosa para definir gradientes morfológicos que ayuden a la detección de contornos en imágenes digitales. Estas técnicas utilizan operaciones simples basadas en t-normas y uninormas, que desempeñan el papel de conjunciones, y en implicaciones borrosas, que hacen de modelizadores de la inclusión. En el trabajo se analizan qué parejas son las que dan mejores resultados en aplicaciones de detección de contornos, utilizando un algoritmo de tres pasos. Pera hacer la comparación entre las diferentes configuraciones se hace un análisis estadístico, que permite hacer una clasificación de los diferentes métodos. Como conclusión de este estudio se extrae que la t-norma mínimo nilpotente y la implicación de Kleene-Dienes, y la uninorma idempotente obtenida por la negación clásica y su implicación residual son las mejores configuraciones.
Los resultados que se obtienen de esta técnica innovadora se comparan con otros enfoques clásicos y muy popularizados, como el detector de Canny. El estudio estadístico comparativo que utiliza una base de datos de imágenes de la Universidad de South Florida llega a la conclusión de que las técnicas borrosas obtienen resultados competitivos, y mejoran en algunas imágenes desde el punto de vista visual y de la medida de comparación.
Referencia bibliográfica:
Manuel González-Hidalgo, Sebastià Massanet, Arnau Mir i Daniel Ruiz-Aguilera. «On the Choice of the Pair Conjunction-Implication into the Fuzzy Morphological Edge Detector». IEEE Transactions on Fuzzy Systems, 2014, doi: 10.1109/TFUZZ.2014.2333060
Fecha de publicación: 11/07/2014