Resumen de Caracterización automática de especies de madera mediante técnicas de clasificación de imágenes
- español
Caracterizar un material consiste en determinar los atributos peculiares del mismo de modo que se distinga claramente de los demás. El material en esta tesis va a ser la madera, en forma de chapas fáciles de escanear para así obtener sus propiedades fotométricas y texturales y su dimensión fractal, como peculiaridades de cada una de ellas. El problema consiste en que las diferencias entre especies pueden llegar a ser menores que las existentes dentro de una misma especie o individuo. Para resolverlo y poder identificar la especie a la que pertenece cada una de las muestras se va a recurrir al uso de técnicas de reconocimiento de patrones basadas en la teoría de la decisión.
Se propone en este trabajo de investigación el poner las bases para la automatización del proceso de clasificación de maderas, de bajo coste por el uso de un escáner y un ordenador personal junto con paquetes informáticos de dominio público (ImageJ y Weka). Las digitalización de las chapas de madera y el posterior procesado de las mismas para obtener las características predichas a partir de las cuales poder clasificar cada especie forman la base fundamental de esta tesis. Sin embargo, se plantea en este trabajo establecer la influencia que tienen estos mismos parámetros medidos sobre las componentes de color de la imagen, junto con las propiedades multiescala de la madera. Para éstas se han desarrollado los procedimientos de creación de las correspondientes imágenes, basados en la microscopía de contraste por interferencia diferencial y en los patrones periódicos subyacentes a toda superficie.
La combinación de todas estas imágenes y su procesado hace que se formen patrones de gran dimensión, que requieren de una reducción de la matriz de datos. Diferentes algoritmos llevan a obtener distintos patrones, con los que se prueban clasificadores lineales, basados en árboles de decisión, con entrenamiento basado en casos, lineales o combinados aleatorios de varios del mismo tipo.
Los resultados obtenidos están a la altura de los conseguidos por otros investigadores, si bien éstos utilizan equipos de elevado coste o, en su defecto, complicados procesos. Estos resultados, además, se presentan con un alto grado de fiabilidad ya que en la mayoría de los trabajos revisados el número de especies utilizado es más limitado que en el caso presente.
- English
Materials can be characterized determining their physical parameters. Those parameters describe the differences among them. Wood is the material studied in this thesis in its veneer form. Wood veneers are ideal for optical analysis of parameters like photometric properties, texture and fractal dimensions, which will be used to distinguish them. The main problem in wood identification is the large difference among samples from the same tree species or even from the same tree. Those differences can be greater than the differences among wood from several tree species. Pattern matching techniques based on Decision Theory will be used to solve this problem in order to identify the wood species.
This work proposes firm foundations for the automatic classification of wood samples, using a low cost approach based on optical scanning with a desktop scanner combined with image processing and data mining operations, performed on a personal computer, by public domain software, Image J and Weka. The data of this thesis come from digital images of wood veneers, forming a set of properties enough for wood species identification. The influence of these parameters over the colour components of the wood images is studied. Also, the multiscaling properties of the wood images, derived from their structure, are considered. Using a novel approach inspired by Differential Contrast Interference Microscopy, pseudo-3D images and periodic patterns of the wood surface are obtained.
The combination of a large number of samples and the processing of an even greater number of parameters associated with them, make necessary the reduction of the dimensions of the data matrices. Several data mining and pattern matching algorithms are used to accomplish this reduction strategy, among them are linear classifiers based on decision trees with different training methods.
The results of this thesis are as good as or better than the obtained by state-ofart techniques described in the scientific literature. A high reliability has been achieved thanks to the study of a large number of species in comparison with the works of other researchers.
