Buscar en Google Scholar
Título: Morfología matemática Fuzzy aplicada a la segmentación de imágenes reconstruidas
Asesor(es): Ttito Ttica, Alejandro
Campo OCDE: http://purl.org/pe-repo/ocde/ford#1.01.02
Fecha de publicación: 2022
Institución: Universidad Nacional de San Antonio Abad del Cusco
Resumen: El presente trabajo intitulado “Morfología matemática Fuzzy aplicada a la segmentación de imágenes reconstruidas”, trata sobre la imagen reconstruida, que es obtenida a partir de sinogramas, los cuales son proyecciones realizadas por equipos especializados. Estos sinogramas, por lo general son afectados por varias fuentes de ruido. En esta tesis se desarrolla un método para segmentar una imagen reconstruida a partir de un sinograma afectado por ruido de Poisson, basado en los operadores fundamentales de la morfología matemática fuzzy. El método consiste en utilizar una combinación especifica de los operadores apertura fuzzy y cierre fuzzy como filtro del ruido de la imagen reconstruida, y posteriormente realizar su segmentación mediante el uso del gradiente morfológico fuzzy basado en los operadores de erosión fuzzy y dilatación fuzzy. Con este propósito, se estudió la morfología matemática Fuzzy como extensión de la morfología matemática binaria, resaltando sus principales operadores algebraicos, también, fue realizada la implementación computacional del método mencionado y el análisis de los resultados obtenidos. Así, la utilización del método desarrollado produce mejores resultados en la segmentación de la imagen, al compararlo con la utilización directa del gradiente morfológico fuzzy.
Disciplina académico-profesional: Matemática
Institución que otorga el grado o título: Universidad Nacional de San Antonio Abad del Cusco. Facultad de Ciencias
Grado o título: Licenciado en Matemática
Jurado: Velasquez Hacha, Ignacio; Maqui Huaman, Gino Gustavo; Vera Maldonado, Leopoldo; Alvarez Jauregui, Guido
Fecha de registro: 13-abr-2022; 13-abr-2022



Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons