Tabla 4. Porcentaje de reconocimiento por parte de la red.

Figura 14. Gráfica de reconocimiento de la red neuronal.

7. CONCLUSIONES

El espacio de color utilizado generalmente para procesamiento de imágenes cromáticas, es el espacio RGB, pero no existe un modelo óptimo general para todas las aplicaciones, ya que se han desarrollado otros modelos específicos que interaccionan mejor con la aplicación o imagen de estudio.

En una imagen cromática se tiene una mayor cantidad de información, pero esto puede dar origen a la detección de zonas inexactas al realizar el proceso de segmentación y localización de zonas de interés.

Se ha comprobado que al trabajar con los canales por separado del sistema (R1,G1,B1) propuesto, en combinación con operaciones para establecer un orden vectorial (ascendente - descendente) por píxel se elimina el ruido potencial y la aparición de falsos colores, además se obtienen zonas exactas durante el proceso de segmentación.

Cada uno de los canales contiene información útil para la segmentación, trabajando por separado con cada uno de ellos y combinando únicamente los que presenten la mayor cantidad de ésta, mediante un análisis gráfico para obtener un resultado final (imagen con las zonas exactas).

Apoyados en técnicas como mezcla y multiplicación de imágenes además de morfología matemática, se obtienen zonas perfectamente definidas y con un mayor realce para la presentación e interpretación de resultados. La red neuronal tipo Backpropagation tiene un excelente porcentaje de reconocimiento en base a las pruebas realizadas y a los resultados obtenidos que ya se han expuesto. La calibración de la red dependerá de la aplicación a la cual esté 1destinada, por ello, los parámetros como el número de capas ocultas, el número de épocas y el número de neuronas de entrada, influyen directamente para la convergencia exacta o aproximada de la red.

Referencias Bibliográficas:

[Gilabert,1992] Gilabert, E. (1992).Medida del color, Servicio de Publicaciones de la Universidad Politécnica de Madrid, pág. 32.
[González,1993] González, R. Woods, R. (1993) Digital Image Processing, Addison- Wesley.
[Comer 1999] Comer M, Delp, E. (1999). Morphological Operations for Colour Image Processing, Journal of Electronic Imaging.
[Utp, 2000] Universidad Tecnológica de Pereira, (2000) http://ohm.utp.edu.co/ neuronales
[Handbury,2001] Handbury, A. (2001) Vectorial orders. Technical Doc. Centre de Morphologie Matémathique. Ecole des Mines de Paris.
[ Ballard, 2002 ] Ballard, D.H. (2002), Brown, C.M. .Computer Vision.. Prentice . Hall.
[ Jain, 2002 ] Jain, A.K., Kailath, T. (2002) “Fundamentals of Digital image processing”. Prentice Hall Information and systems Sciences series. Prentice-Hall, Englewood Cliffs, NJ.
[Pajares, 2002] Gonzalo Pajares Jesús M. Alfa omega (2002) .Visión por computador Imágenes Digitales y sus aplicaciones.. Segunda edición.
[González,2002] Rafael C. González (2002) .Digital Imagen Processing.: Prentice Hall.
[Hielsher, 2003] Rafael Palacios Hielsher (2003) .Procesamiento del color., Instituto de Investigación Tecnológica de Madrid.
[PDQ, 2004] National Cancer Institute, U.S. (2004) National Institute of health, and summary PDQ 2004 On line:
[Rojas, 2004] J.J. Baéz Rojas, M.L. Guerrero (2004) .Segmentación de imágenes de color. Universidad Tecnológica de la Mixteca.
[Martín, 2004] Marcos Martín (2004) .Técnicas de Segmentación de Imagen., Notas del curso.
[Crespo 2004] José Crespo del Arco, Raúl Alonso Calvo, (2004) .Temas avanzados en tratamiento y análisis de imágenes en morfología Matemática..
[Garva, 2004] Grupo de automática, robótica y visión Artificial, (2004) .Extensión de la morfología matemática a imágenes en color.Universidad de Alicante, Depto. De física, ingeniería de sistemas y teoría de la señal,
[Staal, 2004] Joes Staal, Michel D.Max A. Viergever and Bram van Ginneken, (2004) .Ridge-based Vessel Segmentation in Color Images of the Retina. IEEE transactions on medical imaging vol 23, No 4. [Keith A, 2005] Keith A. Johnson, M.D. J. Alex Becker, Ph.D. (2005) .The whole brain Atlas University of Harvard..
[EBSCO, 2005] EBSCO (2005), New York University Medical Center, Department of Neurosurgery
[Zamora 2005] Francisco Gabriel (2005) .Procesamiento morfológico de imágenes en color.. - Virtual Library Miguel de Cervantes.
[Coto, 2005] Ernesto Coto (2005) .Métodos de segmentación de Imágenes Médicas., Universidad central de Venezuela facultad de ciencias.
[Angulo, 2005] Jesús Angulo, Jean Serra, (2005) .Segmentación de imágenes en color.utilizando histogramas bivariables en espacios de color polares luminancia/ saturación / matiz., centro de morfología matemática, Paris Francia.
[Fresno, 2005] Mariana del Fresno, Mario Moreno, Marcelo Venere, (2005) .Segmentación de regiones de interés en imágenes médicas., Universidad nacional del centro, Argentina
[Kim, 2006] Y. J. Kim, B.F.M. Romeike, (2006) .Automated nuclear segmentation in the determination of the Ki-67 labeling index in meningiomas.. Clinical Neuropathology, Vol 25 . No 2.
[Yan, 2006] Pingkun Yan and Ashraf A. Kassim, (2006) .Segmentation of volumetric MRA images by using capillary active contour. Department of Electrical and Computer Engineering, National University of Singapore, 10 Kent Ridge Crescent, 119260 Singapore, Singapore.
[Okazawa,2006] Okazawa, Richelle Ebrahimi, Jason Chuang, Robert N. Rohling and Septimiu E. Salcudean, (2006) .Methods for segmenting curved needles in ultrasound images., Department of Electrical and Computer Engineering, University of British Columbia, 2332 Main Mall, Vancouver, BC, Canada V6T 1Z4.
[Passat, 2006] N. Passat C. Ronse, J. Baruthio, J.- P. Armspach and C. Maillot (2006) .Magnetic resonance angiography: From anatomical knowledge modelling to vessel segmentation.. Laboratoire des Sciences de Image, de Informatique et of détection (LSIIT), UMR 7005 CNRS-ULP, Bd Institut de Physique Biologique Laboratoire de Neuroimagerie in Vivo.
[Wirjadi, 2006] Oliver Wirjadi, Thomas M. Breuel, Wolfgang Feiden and Yoo jin Kim, (2006) .Automated feature selection for the classification or meningioma cell nuclei., Universitat des saarlandes, Institute of Neurolopathology.
[Mery, 2006] Mery Domingo (2006) Extracción de características, departamento de ciencia de la computación, universidad católica de chile.
[Martínez, 2006] Martínez Robles Manuel, (2006), .Segmentación de Imágenes Cerebrales en color: Aplicando Separación de Canales y Morfología Matemática., Maestría en Ciencias en Ciencias de la Computación Instituto Tecnológico de Apizaco. Artículo aceptado en el Congreso Internacional Argentino de investigación Pediátrica.