Dinámica neuronal para modelar el proceso de segmentación de estímulos visuales de color y textura

• Autores: Francisco Javier Díaz Pernas, José Fernando Díez Higuera, Juan López Coronado
• Localización: Informática y automática: revista de la Asociación Española de Informática y Automática, ISSN 0214-932X, Vol. 29, Nº. 3, 1996, págs. 16-27
• Idioma: español
• Texto completo no disponible (Saber más ...)
• Resumen
  • español

    En el presente trabajo proponemos un modelo neuronal y dinámico para segmentar imágenes de color. El objetivo del trabajo ha sido desarrollar un modelo basado en aspectos biológicos que combine las informaciones visuales del color y de la textura para obtener una segmentación coherente de la imagen.

    La segmentación de la imagen se realiza a partir de la transformación de la señal RGB a otro sistema de codificación que decorrela las informaciones cromáticas y acromáticas. Esta transformación está basada en mecanismos biológicos de la retina.

    El modelo está constituido por dos módulos llamados Sistema de Color Oponente y Sistema Cromático Segmentador, donde se producen la transformación y la segmentación respectivamente.

    Se han incluido resultados obtenidos en el procesamiento de imágenes reales. En ellos se puede observar la validez del modelo propuesto y su aplicabilidad para resolver problemas reales.

  • English

    In this paper we propose a dynamic neural network model for color image segmentation. The main objective has been to develop a model of the human visual system that combines both color and texture visual informations to obtain a coherent imagen segmentation. Imagen segmentation is achieved by transforming RGB signals to other color system that decorrelates chromatic and achromatic informations. This transformation is based on the opponent neurophysiological interactions in retinal neurons.

    The model consists of two modules called Color Oponent System and Segmentation Chromatic System, where the transformation and segmentation are achieved, respectively.

    Results obtained from the processing of real images supported the validity and applicability of the model to the solution of real problems in vision.