Segmentación automática de manchas en lagartos usando un modelo de contornos activos
DOI:
https://doi.org/10.17533/udea.redin.n79a04Palabras clave:
contornos activos, corrección gamma, filtrado morfológico, segmentación de manchas, Diploglossus millepunctatusResumen
La biometría en animales es una tarea desafante. En la literatura muchos algoritmos se han utilizado, como, por ejemplo, el reconocimiento de los pechos en pingüinos, el reconocimiento de las orejas en elefantes y el reconocimiento de los patrones de rayas en leopardos. No cabe duda que aún hay mucho trabajo para hacer un uso masivo de la tecnología. En este artículo proponemos un algoritmo de segmentación para extraer manchas de la especie de lagartos Diploglossus millepunctatus, amenazada por la actividad humana. La segmentación automática ha sido lograda con una combinación de preprocesamiento, contornos activos y morfología. Los parámetros de cada etapa del algoritmo de segmentación han sido optimizados usando imágenes de referencia como objetivo. Los resultados muestran que la segmentación automática de manchas es posible. Un 78,37% de segmentación correcta en promedio es alcanzado.
Descargas
Citas
J. Unar, W. Seng and A. Abbasi, “A review of biometric technology along with trends and prospects”, Pattern Recognition, vol. 47, no. 8, pp. 2673-2688, 2014.
A. Ardovini, L. Cinque and E. Sangineto, “Identifying elephant photos by multi-curve matching”, Pattern Recognition, vol. 41, no. 6, pp. 1867-1877, 2008.
R. Sherley, T. Burghardt, P. Barham, N. Campbell and I. Cuthill, “Spotting the difference: towards fullyautomated population monitoring of African penguins Spheniscus demersus”, Endangered Species Research, vol. 11, pp. 101-111, 2010.
H. Kühl and T. Burghardt, “Animal biometrics: quantifying and detecting phenotypic appearance”, Trends in Ecology & Evolution, vol. 28, no. 7, pp. 432-441, 2013.
J. Li, D. Tohl, S. Randhawa, L. Shamimi and C. Bull, “Non-invasive Lizard Identifcation using Signature Curves”, in TENCON, IEEE Region 10 Internationa Conference, Singapore, Singapore, 2009, pp. 1-5.
M. López, “The lizards of Malpelo (Colombia): some topics on their ecology and threats”, Caldasia, vol. 28, no. 1, pp. 129-134, 2006.
P. Zeeuw, E. Pauwels, E. Ranguelova, D. Buonantony and S. Eckert, “Computer assisted photo identifcation of Dermochelys coriacea”, in Int. Conference on Pattern Recognition (ICPR), Germany, Berlin, 2010, pp. 165-172.
M. Kelly, “Computer-aided photograph matching in studies using individual identifcation: an example from Serengeti cheetahs”, Journal of Mammalogy, vol. 82, no. 2, pp. 440-449, 2001.
D. Bolger, T. Morrison, B. Vance, D. Lee and H. Farid, “A computer‐assisted system for photographic mark– recapture analysis”, Methods in Ecology and Evolution, vol. 3, no. 5, pp. 813-822, 2012.
A. Bell, G. Herberich, D. Meyer, A. Bocking and T. Aach, “Segmentation and detection of nuclei in silver stained cell specimens for early cancer diagnosis”, in IEEE International Conference on Image Processing (ICIP), San Antonio, USA, 2007, pp. 49-52.
J. Borovec, “Fully automatic segmentation of stained histological cuts”, in International Student Conference on Electrical Engineering, Czech Republic, Prague, 2013, pp. 1-7.
M. Veta, A. Huisman, M. Viergever, P. Diest and J. Pluim, “Marker-controlled watershed segmentation of nuclei in H&E stained breast cancer biopsy images”, in IEEE International Symposium on Biomedical Imaging: From Nano to Macro, Chicago, USA, 2011, pp. 618-621.
A. Mouelhi, M. Sayadi, F. Fnaiech, K. Mrad and K. Romdhane, “Automatic image segmentation of nuclear stained breast tissue sections using color active contour model and an improved watershed method”, Biomedical Signal Processing and Control, vol. 8, no. 5, pp. 421-436, 2013.
M. Kass, A. Witkin and D. Terzopoulos, “Snakes: Active contour models”, International Journal of Computer Vision, vol. 1, no. 4, pp. 321-331, 1988.
A. Blake and M. Isard, Active contours, 1st ed. Cambridge, UK: Springer, 1998.
T. Chan and L. Vese, “Active contours without edges”, IEEE Transactions on Image Processing, vol. 10, no. 2, pp. 266-277, 2001.
W. Gang et al., “A leaf recognition algorithm for plant classifcation using probabilistic neural network”, in IEEE International Symposium on Signal Processing and Information Technology, Giza, Egypt, 2007, pp. 11-16.
M. Farshbaf and H. Hassanpour, “A locally-adaptive approach for image gamma correction”, in 10th International Conference on Information Sciences Signal Processing and their Applications (ISSPA), Kuala Lumpur, Malaysia, 2010, pp. 73-76.
G. Dominguez, “Semi-automatic generation of accurate ground truth data in video sequences”, in International Conference on Advances in Computing, Communications and Informatics (ICACCI), New Delhi, India, 2014, pp. 310-315.
D. Powers, “Evaluation: from precision, recall and F-measure to ROC, informedness, markedness and correlation”, Journal of Machine Learning Technologies, vol. 2, no. 1, pp. 37-63, 2011.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2016 Revista Facultad de Ingeniería Universidad de Antioquia
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Los artículos disponibles en la Revista Facultad de Ingeniería, Universidad de Antioquia están bajo la licencia Creative Commons Attribution BY-NC-SA 4.0.
Eres libre de:
Compartir — copiar y redistribuir el material en cualquier medio o formato
Adaptar : remezclar, transformar y construir sobre el material.
Bajo los siguientes términos:
Reconocimiento : debe otorgar el crédito correspondiente , proporcionar un enlace a la licencia e indicar si se realizaron cambios . Puede hacerlo de cualquier manera razonable, pero no de ninguna manera que sugiera que el licenciante lo respalda a usted o su uso.
No comercial : no puede utilizar el material con fines comerciales .
Compartir igual : si remezcla, transforma o construye a partir del material, debe distribuir sus contribuciones bajo la misma licencia que el original.
El material publicado por la revista puede ser distribuido, copiado y exhibido por terceros si se dan los respectivos créditos a la revista, sin ningún costo. No se puede obtener ningún beneficio comercial y las obras derivadas tienen que estar bajo los mismos términos de licencia que el trabajo original.
Twitter