Publicado:
10/20/2016Número:
Vol. 26 (2016): Número EspecialSección:
PonenciasRevisión sobre la detección del color rojo en imágenes digitales independiente de su luminosidad y tonalidad
Review of the detection of the red color in digital images independent of its luminosity and hue
Palabras clave:
imágenes digitales (es).Descargas
Resumen (es)
El presente review despliega una revisión bibliográfica sobre los diferentes temas que intervienen en la determinación del color rojo en imágenes digitales. Estos temas son: cómo se maneja el color en las imágenes digitales, cuáles son los modelos de color, qué son las imágenes digitales y lo referente a su formato; qué es el procesamiento de las imágenes digitales, las alteraciones que se presentan en las imágenes digitales y su corrección, así como la segmentación y la determinación de color.
Referencias
Barnard, K., Cardei, V., & Funt, B. (2002). A comparison of computational color constancy algorithms. I: Methodology and experiments with synthesized data. IEEE transactions on Image Processing, 11(9), 972-984. https://doi.org/10.1109/TIP.2002.802531
Brizuela, A., Aguirre, C., & Velasco, I. (2007). Aplicación de métodos de corrección atmosférica de datos Landsat 5 para análisis multitemporal. Ciudad Autónoma de Buenos Aires. Argentina.
Chavez, J. (1988). An improved dark-object subtraction technique for atmospheric scattering correction of multispectral data. Remote Sensing of Environment Vol. 24, pp. 459-479. https://doi.org/10.1016/0034-4257(88)90019-3
Camargo-Vega, J. J., Camargo-Ortega, J. F., & Joyanes-Aguilar, L. (2015). Arquitectura Tecnológica Para Big Data. Revista Científica, 1(21), 7-18. https://doi.org/10.14483/udistrital.jour.RC.2015.21.a1
Finlayson, G. D., Hordley, S. D., & Hubel, P. M. (2001). Color by correlation: A simple, unifying framework for color constancy. IEEE Transactions on Pattern Analysis and Machine Intelligence, 23(11), 1209-1221. https://doi.org/10.1109/34.969113
Forsyth, D. A. (1990). A novel algorithm for color constancy. International Journal of Computer Vision, 5(1), 5-35. https://doi.org/10.1007/BF00056770
Gómez, J. B., Prieto, F., & Redarce, T. (2009). Segmentación de la región de la boca en imágenes faciales: Revisión bibliográfica. Revista Facultad de Ingeniería Universidad de Antioquia, (47), 103-116.
Gonzales, R. C., & Woods, R. C. (1992). Digital Image Processing, Addison Wiley. Reading, MA.
Lim, H. S., MatJafri, M. Z., & Abdullah, K. (2009, August). Algorithm for turbidity mapping using digital camera images from a low-altitude light aircraft. In Computer Science and Information Technology, 2009. ICCSIT 2009. 2nd IEEE International Conference on (pp. 200-204). IEEE. https://doi.org/10.1109/ICCSIT.2009.5234966
Mejía Ospina, J. C., Prieto Ortiz, F. A., & Branch Bedoya, J. W. (2007). Corrección de iluminación para imágenes aéreas de cultivos tomadas a baja altitud. Revista Facultad Nacional de Agronomía, Medellín, 60(2), 4077-4104.
Moreno-Torres, O. H., Ballesteros-Ricaurte, J. A., & González-Sanabria, J. S. (2015). Transformación de archivos DICOM a formatos XML, JPEG y PNG. Revista científica, 1(21), 71-80. https://doi.org/10.14483/udistrital.jour.RC.2015.21.a7
Naranjo, R., Imbaquingo, E. (2011) "Sistema de Reconocimiento Espectral de Imágenes Digitales y Reconocimiento Óptico de Caracteres Capitulo I Introducción" Universidad técnica del Norte Facultad de Ingeniería en Ciencias Aplicadas - Ecuador
Sezgin, M. (2004). Survey over image thresholding techniques and quantitative performance evaluation. Journal of Electronic imaging, 13(1), 146-168. https://doi.org/10.1117/1.1631315
Sowmya, B., & Rani, B. S. (2011). Colour image segmentation using fuzzy clustering techniques and competitive neural network. Applied Soft Computing, 11(3), 3170-3178. https://doi.org/10.1016/j.asoc.2010.12.019
Yang, H. Y., Wang, X. Y., Wang, Q. Y., & Zhang, X. J. (2012). LS-SVM based image segmentation using color and texture information. Journal of Visual Communication and Image Representation, 23(7), 1095-1112. https://doi.org/10.1016/j.jvcir.2012.07.007
Zhang, K., Sheng, Y., Wang, M., & Li, Z. (2010, October). An adaptive image segmentation algorithm for natural scene images based on probabilistic neural networks. In Image and Signal Processing (CISP), 2010 3rd International Congress on (Vol. 3, pp. 1308-1312). IEEE. https://doi.org/10.1109/CISP.2010.5647982
Cómo citar
APA
ACM
ACS
ABNT
Chicago
Harvard
IEEE
MLA
Turabian
Vancouver
Descargar cita
Visitas
Descargas
Licencia
El (los) autor(es) al enviar su artículo a la Revista Científica certifica que su manuscrito no ha sido, ni será presentado ni publicado en ninguna otra revista científica.
Dentro de las políticas editoriales establecidas para la Revista Científica en ninguna etapa del proceso editorial se establecen costos, el envío de artículos, la edición, publicación y posterior descarga de los contenidos es de manera gratuita dado que la revista es una publicación académica sin ánimo de lucro.