Contributions to robust chromatic digital image processing

Zusammenfassung

AbstractThis Thesis deals with digital image segmentation starting from a physical analysis of image formation under the Dichromatic Reflection Model (DRM), pursuing color constancy (CC) properties such as those shown by the human vision system, as psychology vision research has demonstrated. In order to provide robustness regarding illumination changes, first we perform illumination correction. By estimating the illumination chromaticity is possible to normalize the image respect to the illumination accomplishing some degree of CC in image processing. Afterwards, it is possible to separate the diffuse and specular image components. Once the image is normalized, we proceed to the image segmentation, where the key innovative tools introduced in this Thesis are a chromatic gradient and a hybrid gradient defined over a new chromatic distance. Most of this work is based on the identification of Spherical coordinates representation of the colors in the RGB cube, which allow to work with image chromaticity in straightforward manner. Segmentation methods proposed in this Thesis work in the image domain. Specifically, this Thesis proposes two approaches, one is a region growing and the other is a Watershed Transformation. First half of this thesis is focused on RGB images whereas the second one is devoted to the extrapolation of the segmentation methods to hyperspectral images through the use of hyperspherical coordinates.ResumenEsta Tesis trata sobre la segmentación de imágenes digitales. Comienza con una reflexión sobre la formación de la imágenes desde un punto de vista físico a través de análisis de reflectancia encuadrándolo dentro del modelo de reflexión dicromática (DRM). También hacemos una reflexión de la interpretación de la imágenes desde el punto de vista psicológico, centrándonos en la constancia de color (CC). Con el fin de proveer robustez a los métodos de segmentación, el primer paso es corrección de la iluminación. Estimando la cromacidad de la iluminación es posible normalizar la imagen respecto a las propiedades de la iluminación, de hecho, esta es la forma de aplicar CC en el procesamiento de imágenes digitales. Después de este paso es posible separar los componentes difusos y especulares de la imagen. Una vez que la imagen está normalizada, procedemos con la segmentación de la imagen, donde dos herramientas claves son el gradiente cromático y el híbrido o sus respectivas inducidas distancias. La parte más importante de la segmentación está implementada con Coordenadas Esféricas, que nos permite trabajar con la cromacidad de la imagen de una manera sencilla. Los métodos de segmentación que se proponen utilizan la información espacial y espectral de la imagen, y siguen diferentes aproximaciones, una por crecimiento de regiones y otra por variaciones de la transformación ¿Watershed¿. La primera parte de la tesis está enfocada en las imágenes RGB mientras que la segunda parte se centra en imágenes hiperespectrales. En la segunda parte tratamos de portar algunas ideas aplicadas en imágenes RGB a imágenes hiperespectrales a través de las coordenadas hiperesféricas.