Un equipo de la UIB diseña un sistema que perfecciona la capacidad de las máquinas de reconocer objetos en imágenes

Un equipo de investigadores de la Universitat de les Illes Balears (UIB) ha diseñado un nuevo método que perfecciona la capacidad de los sistemas informáticos de reconocimiento automático de imágenes, mejorando la segmentación de objetos que se superponen.

Según ha informado la Universidad en una nota de prensa, un equipo de investigadores del Departamento de Ciencias Matemáticas e Informática ha hecho frente al reto de conseguir que la máquina sea capaz de identificar correctamente los objetos cuando se superponen en la imagen, algo que para un sistema informático introduce una enorme complejidad.

Los resultados se han publicado recientemente en la revista científica 'Multimedia Tools and Applications'.

Como recuerdan desde la UIB, el reconocimiento automático de imágenes tiene amplias aplicaciones en diversos ámbitos, desde la detección de objetos en entornos industriales hasta la interpretación de imágenes médicas para el diagnóstico.

Precisamente, como caso de estudio se evaluó el rendimiento de una conocida aplicación en la división de células superpuestas en imágenes de muestras de frotis de sangre periférico de pacientes con anemia de células falciformes. El método propuesto de la UIB obtuvo mejores resultados, con mayor precisión y una clasificación de células más positiva.

Detección de puntos cóncavos

El método diseñado por la UIB para superar la dificultad que representan los objetos superpuestos se basa en la detección de puntos cóncavos.

Estos puntos indican las posiciones donde los contornos de los distintos objetos se superponen y, a la vez, son las ubicaciones donde el objeto superpuesto pasa de uno de sus 'subobjetos' a otro.

Una vez detectados los puntos cóncavos, pueden utilizarse diversas técnicas para dividir los objetos. La ventaja de la detección de puntos cóncavos es que es invariable en la escala, el color, la rotación y la orientación.

El método que proponen los investigadores de la UIB permite mejorar la detección de puntos cóncavos de última generación como primer paso hacia la segmentación efectiva de objetos superpuestos en imágenes. El enfoque se basa en analizar la curvatura del contorno del objeto.

Primero, la imagen original se procesa para obtener el valor de curvatura en cada punto del contorno. En segundo lugar, se seleccionan las regiones con curvaturas más altas y se aplica un algoritmo recursivo para refinar las regiones seleccionadas anteriormente. Por último, para cada región se obtiene un punto cóncavo gracias al análisis de la posición relativa de su entorno.

Los investigadores de la UIB que han participado en este estudio son el doctor Antoni Jaume Capó, miembro de la Unidad de Gráficos y Visión por Ordenador e IA (UGiVIA) y director del Laboratorio de Aplicaciones de Inteligencia Artificial de la UIB (LAIA@UIB); el doctor Manuel González Hidalgo, investigador principal del grupo de investigación en Soft Computing, Procesamiento de Imágenes y Agregación (SCOPIA); y el doctor Gabriel Moyà Alcover y Miquel Miró, miembros de la UGiVIA y LAIA@UIB.