Download cuestionario sobre un tda

ENTREGABLE SEGUIMIENTO 2
CUESTIONARIO SOBRE UN TRABAJO DIRIGIDO ANTETIOR (TDA)
GRUPO 02
ETIQUETADO DE CICATRICES
APELLIDOS Y NOMBRE DE LOS INTEGRANTES DEL GRUPO:
1. LOBO MÁRQUEZ, IGNACIO
2. ORTIZ MEDINA, MARCELO
3. REIN, MATTHIAS
Título del TDA que se analiza:
CLASIFICACIÓN DE MANZANAS POR EL COLOR DE LA PIEL
Curso: 2014-2015
1. Palabras clave:
Pluging: Apple + pluging -> Appleugin.
Técnicas de clustering.
Clustering -> clustering por k-medias.
Entrenamiento.
Evaluación.
Clasificación automatica.
Segmentación.
Cielab : CIE l*a*b, donde l es la luminosidad del color, a es la posición entre rojo y
verde, b es la posición entre amarillo y azul.
ImageJ: herramienta software libre. Formatos de imágenes: DICOM, TIFF, BMP, JPG,
GIF, PNG.
2. Asignar una puntuación de 0 a 10 para cada uno de los siguientes conceptos:
a. Grado de dificultad del trabajo: 8
PROCESAMIENTO DE IMÁGENES DIGITALES
CURSO 2015/16
ENTREGABLE SEGUIMIENTO 2
b. Grado en el que el trabajo consigue ser didáctico: 9
c. Código fuente (modularidad, comentarios, etc.): 7
d. Documentación (claridad, organización, etc.): 8
e. Ejecutable: 8
3. Pequeño resumen del trabajo
Clasificación de manzana a través del color de la piel, utilizando para ello una técnica o
método de aprendizaje guiado a través de algoritmos como en este caso el k-media,
utilizado para las operaciones de clustering. Durante la ejecución se procede a realizar
dos tareas principales que son: entrenamiento y evaluación para su posterior
clasificación. Se ha realizado un pluging y utilizado a través de la herramienta ImageJ,
que es de open source o software libre.
4. Parte o aspectos del trabajo que resaltamos más positivamente
La utilización de una herramienta de software libre como es ImageJ, haciendo uso del
lenguaje java para la creación del plunging denominado appleuging.
Integración de una buena y efectiva técnica de clustering como es k-medias.
Realización de una interfaz amigable y simple.
5. Puntos que no han quedado suficientemente claros
El trabajo realizado por los dos autores del mismo, es bastante aclarativo y por tanto
no hemos encontrado puntos que no sean suficientemente claros, uno de los motivos
puede ser que dispongamos de suficiente nivel como para localizar dichos puntos.
6. Sugerencias que proponemos para mejorar o ampliar el trabajo
Para la mejora de la eficacia a la hora de la clasificación, se puede utilizar otras
técnicas como son:
Naive Bayes
Algoritmos genéticos.
PROCESAMIENTO DE IMÁGENES DIGITALES
CURSO 2015/16
ENTREGABLE SEGUIMIENTO 2
Que aunque su entrenamiento es algo más costoso computacionalmente, creemos
que darían mejores resultados a la hora de llevar a cabo la clasificación.
7. Componentes de este trabajo que creemos que podemos aprovechar para el nuestro
El uso del modelo cromático CIElab ya que el tipo de clasificación separa la
luminosidad de las tonalidades.
El uso de métodos de clasificación, pudiendo usar uno de los recomendados
anteriormente si se dispone del tiempo necesario para ello.
La utilización de la segmentación como técnica para la obtención de los colores
visuales de la imagen.
8. Cualquier otro comentario
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
PROCESAMIENTO DE IMÁGENES DIGITALES
CURSO 2015/16
ENTREGABLE SEGUIMIENTO 2
ELECCIÓN DE LAS TECNOLOGÍAS A USAR (y justificación)
Usaremos en nuestro caso la herramienta octave ya que es la mas similar a matlab y de open
source.
Para complementar y realizar la interfaz gráfica así como las funciones genéricas necesarias se
ha elegido el lenguaje de programación Java, debido a su compatibilidad con octave y el
entorno de programación Eclipse.
PLANIFICACIÓN INICIAL (desglose inicial de tareas, estimación de
tiempos, asignaciones)
PROCESAMIENTO DE IMÁGENES DIGITALES
CURSO 2015/16
ENTREGABLE SEGUIMIENTO 2
PROCESAMIENTO DE IMÁGENES DIGITALES
CURSO 2015/16