| dc.creator | Espinosa, Luis Fernando | |
| dc.creator | Herrera, Rodrigo Javier | |
| dc.creator | Polanco-Tapia, Cesar | |
| dc.date | 2015-12-04 | |
| dc.date.accessioned | 2023-03-13T20:58:11Z | |
| dc.date.available | 2023-03-13T20:58:11Z | |
| dc.identifier | https://revistas.ubiobio.cl/index.php/MCT/article/view/2180 | |
| dc.identifier.uri | https://revistaschilenas.uchile.cl/handle/2250/223947 | |
| dc.description | Las características de los elementos que componen las imágenes microscópicas de madera son claves para la identificación de la especie de la cual proviene una muestra. En este artículo se presentó un método novedoso de segmentación de poros, radios y fibras. La metodología propuesta utilizó un conjunto de algoritmos de visión artificial acordes a las características de cada elemento. Para los poros se usó un descriptor de texturas, un algoritmo de agrupamiento y contornos activos; para los radios se utilizaron morfología matemática y filtros de Gabor para destacarlos y para segmentar se procedió en tres pasos: agrupamiento mean-shift, un muestrador de Gibbs y apertura de área; la fibra fue tomada como el excedente de los procesos de segmentaciónanteriores. Resultados experimentales con 18 muestras segmentadas manualmente de la especie Gaiadendron punctatum demostraron la eficiencia del método propuesto, usando estadísticas de desempeño tales como la precisión a nivel global y la sensibilidad y especificidad por cada elemento.The characteristics of the elements of wood microscopic images are keys to identify the species of which comes a sample. This paper presented a novel segmentation method for pores, rays and fiber. The proposedmethodology uses a set of algorithms from digital image processing consistent with the characteristics of each element. For pores, a texture descriptor, a clustering algorithm and active contours were used; forradios, mathematical morphology and Gabor filters were used for emphasis and to segment proceeds in three steps: mean-shift clustering, a Gibbs sampler and area opening; the fiber was taken as the surplus of previous segmentation processes. Experimental results with 18 manually segmented samples of Gaiadendron punctatum species demonstrate the efficiency of the proposed method, using performance statistics such as the overall success rate and the specificity and sensibility by element. | es-ES |
| dc.format | application/pdf | |
| dc.language | spa | |
| dc.publisher | Universidad del Bio-Bio | en-US |
| dc.relation | https://revistas.ubiobio.cl/index.php/MCT/article/view/2180/2009 | |
| dc.rights | Copyright (c) 2016 Maderas. Ciencia y Tecnología | en-US |
| dc.source | Maderas-Cienc Tecnol; Vol. 17 No. 4 (2015); 735-748 | en-US |
| dc.source | Maderas-Cienc Tecnol; Vol. 17 Núm. 4 (2015); 735-748 | es-ES |
| dc.source | 0718-221X | |
| dc.source | 0717-3644 | |
| dc.subject | Gaiadendron punctatum | es-ES |
| dc.subject | identificación automática de maderas | es-ES |
| dc.subject | microestructura de la madera | es-ES |
| dc.subject | procesamiento digital de imágenes | es-ES |
| dc.subject | segmentación de imágenes. | es-ES |
| dc.title | Segmentación de elementos anatómicos en imágenes microscópicas de madera usando técnicas de visión artificial | es-ES |
| dc.type | info:eu-repo/semantics/article | |
| dc.type | info:eu-repo/semantics/publishedVersion | |
