Recuperación de imágenes basadas en contenido mediante descriptores híbridos

Simple item page
dc.contributor.advisorVega Luján, Yensi
dc.contributor.authorSaavedra Cortéz, Carlos
dc.contributor.authorVerde Mendocilla, César
dc.date.accessioned2/14/2019 12:08
dc.date.available2/14/2019 12:08
dc.date.issued2012
dc.descriptionThe present work aims to analyze di erent existing image descriptors for contentbased_x000D_ image retrieval (CBIR) and combine in such a way as to obtain a hybrid_x000D_ descriptor that allows a better accuracy in feature extraction and automatic image_x000D_ grouping, than their predecessors._x000D_ To achieve this it is studied, analyzed and evaluated the di erent color descriptors,_x000D_ texture and form to verify its usefulness in this work. Subsequently focused on_x000D_ the color descriptor CLD (Color Layout Descriptor) and the Tamura texture descriptor_x000D_ for feature extraction; for clustering was used classi er K-means partition and_x000D_ SOM (Self-Organizing Map) classi er, with a database of 1000 images grouped en_x000D_ 10 classes._x000D_ The results showed a better performance against the metrics of precision and recall_x000D_ for Hybrid descriptor (CLD-Tamura) with K-means in the extraction, clustering_x000D_ and image retrieval by similarity. Finally, we can conclude that hybrids are more_x000D_ e ective descriptors in the feature extraction performance by increasing the recovery_x000D_ process by increasing the percentage of its precision and recall in the ruling class_x000D_ groupses_PE
dc.description.abstractEl presente trabajo tiene como objetivo analizar diferentes descriptores de im agenes_x000D_ existentes para la recuperaci on de im agenes basadas en contenido (CBIR) y_x000D_ combinarlos de tal manera que se obtenga un descriptor hibrido que permita una_x000D_ mejor precisi on en la extracci on de caracter sticas y en el agrupamiento autom atico_x000D_ de im agenes, que sus antecesores._x000D_ Para conseguirlo se ha estudiado, analizado y evaluado los diferentes descriptores_x000D_ de color, textura y forma, para veri car su utilidad en este trabajo. Posteriormente se_x000D_ ha centrado en el descriptor de color CLD (Color Layout Descriptor) y el descriptor_x000D_ de textura de Tamura para la extracci on de caracter sticas; para su agrupamiento_x000D_ se ha utilizado el clasi cador por partici on K-means y el clasi cador SOM (Self-_x000D_ Organizing Map), con una base de datos de 1000 im agenes agrupadas en10 clases._x000D_ Los resultados obtenidos indican un mejor desempe~no seg un la m etrica de precision_x000D_ y recall para el descriptor hibrido (CLD-Tamura) con K-means, en la extracci on,_x000D_ agrupamiento y recuperaci on de im agenes por similitud. Finalmente, se puede concluir_x000D_ que los descriptores h bridos son m as efectivos en la extracci on de caracter sticas_x000D_ aumentando el rendimiento del proceso de recuperaci on al incrementar el porcentaje_x000D_ en su precision y recall en los grupos con clase dominantees_PE
dc.description.uriTesises_PE
dc.identifier.urihttps://hdl.handle.net/20.500.14414/11487
dc.language.isospaes_PE
dc.publisherUniversidad Nacional de Trujilloes_PE
dc.rightsinfo:eu-repo/semantics/openAccesses_PE
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/2.5/pe/es_PE
dc.sourceUniversidad Nacional de Trujilloes_PE
dc.sourceRepositorio institucional - UNITRUes_PE
dc.subjectRecuperación de imágeneses_PE
dc.subjectDescriptores híbridoses_PE
dc.titleRecuperación de imágenes basadas en contenido mediante descriptores híbridoses_PE
dc.typeinfo:eu-repo/semantics/bachelorThesises_PE
thesis.degree.disciplineInformáticaes_PE
thesis.degree.grantorUniversidad Nacional de Trujillo.Facultad de Ciencias Físicas y Matemáticases_PE
thesis.degree.levelTítulo Profesionales_PE
thesis.degree.nameIngeniero Informáticoes_PE
Files
Original bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
SAAVEDRA CORTÉZ, Carlos - VERDE MENDOCILLA, César.pdf
Size:
3.15 MB
Format:
Adobe Portable Document Format
Description:
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description:
Download
Collections
Tesis de Informática