Return to search

Extracción de descriptores de color y textura en imágenes digitales de plantas para la identificación de especímenes botánicos

La identificación de la clasificación taxonómica de las plantas es un proceso realizado
generalmente de forma manual por los especialistas botánicos en base a su experiencia.
Sin embargo, la enorme variedad de especies de plantas, y la dificultad en la selección
de propiedades o cualidades propias que permitan estimar una clasificación de las mismas,
conforman un reto científico que se ha trasladado a un aspecto tecnológico para
automatizar y apoyar dicho proceso.
Por este motivo, se han propuesto diversos métodos desde los campos de reconocimiento
de patrones y visión computacional para la identificación automática de las especies de
plantas. Para esto, se suelen utilizar imágenes digitales de las hojas, debido a que esta es
la parte de la planta que presenta una gran riqueza de atributos visuales como el color
y la textura, que son objeto de esta investigación.
En la investigación propuesta, se extraerán y combinaran diferentes grupos de descriptores
de color y textura de las hojas en imágenes digitales escaneadas. Con dichos atributos,
se entrenan algoritmos de aprendizaje de máquina para generar un modelo de clasificación que permita distinguir las especies de las plantas con una precisión aceptable
según el estado del arte del problema. Para esto, se realizará un caso de estudio sobre el
conjunto de imágenes de plantas: \ImageCLEF 2012", el cual posee un catálogo digital
de hasta 115 especies botánicas diferentes.

Identiferoai:union.ndltd.org:PUCP/oai:tesis.pucp.edu.pe:20.500.12404/7838
Date15 February 2017
CreatorsOncevay Marcos, Félix Arturo
ContributorsBeltrán Castañón, César Armando
PublisherPontificia Universidad Católica del Perú, PE
Source SetsPontificia Universidad Católica del Perú
LanguageSpanish
Detected LanguageSpanish
Typeinfo:eu-repo/semantics/bachelorThesis
Formatapplication/pdf, application/pdf
Rightsinfo:eu-repo/semantics/closedAccess

Page generated in 0.0016 seconds