Please use this identifier to cite or link to this item: http://dspace.ucuenca.edu.ec/handle/123456789/21345
Title: Implementación de un detector de coral utilizando filtros Gabor Wavelets y máquinas de aprendizaje
Other Titles: Maskana. Revista Científica
Authors: Tusa, Eduardo
Villegas, Hyxia
Reynolds, Alan
Lane, David M.
Robertson, Neil M.
Universidad de Cuenca
Dirección de Investigación de la Universidad de Cuenca
DIUC
Keywords: Arrecife De Coral
Maquinas De Aprendizaje
Filtros Gabor Wavelets
Opencv
Autonomous Underwater Vehicle
Issue Date: 2014
metadata.dc.ucuenca.paginacion: Páginas 61-70
Publisher: Universidad de Cuenca
metadata.dc.description.city: 
Cuenca
metadata.dc.type: Article
Abstract: 
This work focuses on the implementation of a fast coral reef detector that is used for an Autonomous Underwater Vehicle (AUV, its acronym in English). A fast detection of the presence of coral ensures the AUV stabilization in front of coral reef in the shortest possible time, avoiding collisions with coral. The coral detection is carried out on an image that captures the scene that the AUV’s camera perceives. A pixel-by-pixel classification is performed between two classes: coral reef and the background that is non-coral reef. Each pixel of the image is assigned to a feature vector, which is generated by using Gabor Wavelet filters. These are implemented in C++ and the OpenCV library. The feature vectors are classified using nine machine learning algorithms. The performance of each algorithm is compared with the accuracy and execution time. The Decision Tree algorithm proved to be the fastest and most accurate of all the algorithms. We created a database of 621 images of coral reefs in Belize (110 of training images and 511 of testing images).
Description: 
Este trabajo se enfoca en la implementación de un detector de arrecife de coral de desempeño rápido que se utiliza para un vehículo autónomo submarino (Autonomous Underwater Vehicle, AUV, por sus siglas en inglés). Una detección rápida de la presencia de coral asegura la estabilización del AUV frente al arrecife en el menor tiempo posible, evitando colisiones con el coral. La detección de coral se hace en una imagen que captura la escena que percibe la cámara del AUV. Se realiza una clasificación píxel por píxel entre dos clases: arrecife de coral y el plano de fondo que no es coral. A cada píxel de la imagen se le asigna un vector característico, el mismo que se genera mediante el uso de filtros Gabor Wavelets. Éstos son implementados en C++ y la librería OpenCV. Los vectores característicos son clasificados a través de nueve algoritmos de máquinas de aprendizaje. El desempeño de cada algoritmo se compara mediante la precisión y el tiempo de ejecución. El algoritmo de Árboles de Decisión resultó ser el más rápido y preciso de entre todos los algoritmos. Se creó una base de datos de 621 imágenes de corales de Belice (110 imágenes de entrenamiento y 511 imágenes de prueba).
URI: http://dspace.ucuenca.edu.ec/handle/123456789/21345
ISSN: 1390-6143
Appears in Collections:Volumen 5 No. especial (2014) - MATCH'14: Congreso de Reconocimiento de Patrones, Control Inteligente y Comunicaciones

Files in This Item:
File Description SizeFormat 
MATCH'14_07_Tusa et al.pdftexto completo519.99 kBAdobe PDFView/Open


This item is protected by original copyright



Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.

 

Centro de Documentacion Regional "Juan Bautista Vázquez"

Biblioteca Campus Central Biblioteca Campus Salud Biblioteca Campus Yanuncay
Av. 12 de Abril y Calle Agustín Cueva, Telf: 4051000 Ext. 1311, 1312, 1313, 1314. Horario de atención: Lunes-Viernes: 07H00-21H00. Sábados: 08H00-12H00 Av. El Paraíso 3-52, detrás del Hospital Regional "Vicente Corral Moscoso", Telf: 4051000 Ext. 3144. Horario de atención: Lunes-Viernes: 07H00-19H00 Av. 12 de Octubre y Diego de Tapia, antiguo Colegio Orientalista, Telf: 4051000 Ext. 3535 2810706 Ext. 116. Horario de atención: Lunes-Viernes: 07H30-19H00