Detección de contornos utilizando el algoritmo Canny en imágenes cross-espectrales fusionadas.

• Suárez, Patricia ^[1] ; Villavicencio, Mónica ^[1]
  1. [1] Escuela Superior Politecnica del Litoral

     Escuela Superior Politecnica del Litoral

     Guayaquil, Ecuador

     
• Localización: Enfoque UTE: Facultad de Ciencias de la Ingeniería e Industrias - Universidad UTE, ISSN-e 1390-6542, Vol. 8, Nº. 1, 2017, págs. 16-30
• Idioma: español
• Títulos paralelos:
  • Canny edge detection in cross-spectral fused images.
• Enlaces
  • Texto completo
• Resumen
  • español

    Considerando que las imágenes de diferentes espectros proporcionan una amplia información que ayuda mucho en el proceso de identificación y distinción de objetos que tienen firmas espectrales únicas. En este trabajo se evalúa el uso de imágenes cross-espectrales en el proceso de detección de bordes. Este estudio evalua el detector de bordes Canny con dos variantes. La primera se refiere al uso de imágenes cross-espectrales fusionadas, y la segunda al uso de filtros morfológicos. Para garantizar la calidad de los datos utilizados en este estudio se aplicó el marco de trabajo GQM (Goal-Question-Metrics), la cual fue utilizada como marco de trabajo para reducir el ruido y aumentar la entropía en las imágenes. Después de realizar los experimentos. Las métricas obtenidas en los experimentos confirman que la cantidad y calidad de los bordes detectados aumenta significativamente después de la inclusión de un filtro morfológico y un canal de espectro infrarrojo cercano en las imágenes fusionadas.

  • English

    Considering that the images of different spectra provide an ample information that helps a lo in the process of identification and distinction of objects that have unique spectral signatures. In this paper, the use of cross-spectral images in the process of edge detection is evaluated. This study aims to assess the Canny edge detector with two variants. The first relates to the use of merged cross-spectral images and the second the inclusion of morphological filters. To ensure the quality of the data used in this study the GQM (Goal-Question- Metrics), framework, was applied to reduce noise and increase the entropy on images. The metrics obtained in the experiments confirm that the quantity and quality of the detected edges increases significantly after the inclusion of a morphological filter and a channel of near infrared spectrum in the merged images.