Preliminares




descargar 68.03 Kb.
títuloPreliminares
página4/7
fecha de publicación24.02.2016
tamaño68.03 Kb.
tipoBibliografía
b.se-todo.com > Documentos > Bibliografía
1   2   3   4   5   6   7

Adaptativo


KD-Tree

La implementación de algoritmos adaptativos se ha llevado a cabo haciendo uso de la estructura ‘KDTree’. Ésta es una estructura de datos que particiona el espacio, organizando los puntos en un Espacio euclídeo de k dimensiones.

c:\documents and settings\yumi\desktop\400px-3dtree.png

KDTree permite realizar una búsqueda con mayor eficiencia de un número ’n’ de vecinos más cercanos al pixel actual.

Se ha usado el paquete KDTree implementado en Java de manera que busque los n vecinos más cercanos (no en distancia sino en valor), por las distintas dimensiones.

Algoritmo

En primer lugar, se inicializa el ‘kdtree’ con los valores de la imagen, por cada capa. Una vez inicializado, se procede a la evaluación del primer pixel, buscando los ‘n’ vecinos más cercanos a él (en valor), y se calcula la media. Se reitera el proceso volviendo a buscar los ‘n’ vecinos más cercanos al valor de la media, y así sucesivamente hasta que no exista apenas diferencia, o que sobrepase las 100 iteraciones. En ese caso, se le asigna al pixel este último valor.

Datos de entrada

Imagen a segmentar

Número de vecinos a buscar por cada píxel

Datos de salida

Imagen resultante segmentada.

Algoritmo

  1. Inicialización del KD-Tree con todos los valores de los pixeles de la imagen

  2. Para cada pixel perteneciente a la imagen (p1), repetir la secuencia de pasos:

    1. Buscar n vecinos más cercanos al valor del pixel (p1)

    2. Se calcula la media de los n vecinos más cercanos a p1.

    3. p1 = media de los n vecinos a p1.

    4. Si hay cambios significativos y aún no se han realizado 100 iteraciones, volver al paso a.

    5. Si no existen cambios significativos o se han hecho 100 iteraciones, se le asigna al pixel p1 el valor de la última media, y se regresa al paso 2.

  3. Cuando se termine de evaluar todos los pixeles de la imagen, finaliza el algoritmo.


    1. Adaptativo (valores existentes)


Este algoritmo es muy parecido al anterior, con la diferencia de que se mueve por el KD-Tree por los vecinos ya existentes.

Datos de entrada

Imagen a segmentar

Número de vecinos a buscar por cada píxel

Datos de salida

Imagen resultante segmentada.

Algoritmo

  1. Se inicializa el KD-Tree con todos los valores de los pixeles de la imagen.

  2. Para cada pixel perteneciente a la imagen (p1), repetir la secuencia de pasos:

    1. Buscar n vecinos más cercanos al valor del pixel (p1)

    2. Calculo de la media de los n vecinos más cercanos a p1.

    3. p1 = media de los n vecinos a p1.

    4. Búsqueda del pixel más cercano al valor p1.

    5. P1 = pixel más cercano al valor p1

    6. Si hay cambios significativos y aún no se han hecho 100 iteraciones, volver al paso a.

    7. Si no hay cambios significativos o ya se han realizado 100 iteraciones, se le asigna al pixel p1 el valor de la última media, y se regresa al paso 2.

  3. Cuando se termine con todos los pixeles de la imagen, finaliza el algoritmo.


1   2   3   4   5   6   7

similar:

Preliminares iconPreliminares

Preliminares icon1 algunos apuntes preliminares

Preliminares iconLos efectos de la globalización en el territorio de la Ciudad de...




Todos los derechos reservados. Copyright © 2019
contactos
b.se-todo.com