Contribuciones al análisis estadístico de imágenes

Abstract

Este trabajo se compone de dos partes que se enmarcan en el tarea del procesamiento estadístico de imágenes. La primera, corresponde al modelado estadístico de una imagen y la segunda a la medición de la calidad de una imagen en el contexto de fusión. Cada una de las partes de este trabajo es autocontenida. En el Capítulo 1 de la primer parte, se describe el marco teórico concerniente al modelado estocástico de una imagen de textura mediante los Campos Aleatorios de Gibbs-Markov. Además, se establecen las condiciones su ficientes para obtener la descomposición de un potencial de Gibbs en configuraciones basadas en el esquema de codificación de Besag. En el Capítulo 2, se propone un nuevo método de estimación basado en el esquema de codificación de Besag, denominado estimador de Mínimo Cuadrado Condicional Coding (MCCC), implementado mediante un algoritmo paralelo. Para evaluar su performance, se llevó a cabo un estudio de simulación Monte Carlo en situaciones específicas de un modelo de textura Gibbs-Markov, el Modelo Autobinomial. El estudio consistió en un análisis descriptivo de su comportamiento, el testeo de su sensibilidad ante presencia de ruido (distintos grados de contaminación de diferentes patrones homogéneos de textura), la evaluación de su algoritmo paralelo y su capacidad en la clasificación supervisada de diferentes texturas presentes en una imagen satelital concreta. La segunda parte aborda la problemática de la medida de la calidad de una imagen en el contexto de fusión. En el Capítulo 4 se presentan las características de las medidas de calidad basadas en el Índice de similitud estructural, como así también algunas propiedades de interés de este índice. Luego, en el Capítulo 5 se propone una nueva medida de calidad de fusión de imágenes que tiene como objetivo ser ciega (sin imagen de referencia), de cálculo significativamente simple y de fácil implementación. Para validar esta propuesta se desarrolla tres experimentos que evalúan: su propósito general, la estabilidad y capacidad discriminativa, como así también, la correlación con la opinión subjetiva. Por úlltimo, se presenta una aplicación de la medida propuesta en la obtención de imágenes de pinturas de alta calidad, a través de un proceso de exclusión que selecciona con éxito el mejor subconjunto de imágenes de entrada en términos de la imagen fusionada.

This work consists of two parts, framed in the area of statistical image processing. The first corresponds to the statistical modeling of an image and the second to the measurement of the quality of an image in the fusion context. In Chapter 1, the theoretical framework concerning the stochastic modeling of a texture image using the Gibbs-Markov Random Fields is described. Furthermore, sufficient conditions are established to obtain the decomposition of a Gibbs potential in con figurations based on the Besag coding scheme. In Chapter 2, we propose a new estimation method based on the Besag coding scheme, called the Coding Conditional Least Square estimator (CCLS), implemented by a parallel algorithm. In order to evaluate its performance, we have conducted a Monte Carlo simulation study in specifi c situations of a Gibbs-Markov texture model, the Auto-binomial Model. The study consisted of a descriptive analysis of its behavior, the sensitivity testing before the presence of noise (different contamination degrees in different homogeneous texture patterns), the evaluation of its parallel algorithm, and its capacity in the supervised classi cation of different textures on a specifi c satellite image. The second part addresses the problem of measuring the quality of an image in the fusion context. Chapter 4 presents the quality measures characteristics of based on the structural similarity index, as well as some interest properties of this index. ubsequently, in Chapter 5, a new image fusion quality measure is proposed. This measure aims to be blind (without a reference image)and signifi cantly simple to calculate. It is also, easily to implemented. In order to validate this proposal, we have developed three experiments to asses the following aspects: its general purpose, stability and discriminative capacity, as well as the correlation with subjective opinion. Finally, we present an application of the proposed measure in obtaining images of high quality paintings, by means of an exclusion process (leave one out) that successfully selects the best subset of input images in terms of the fused image.