Descripción adaptativa de texturas y estimación de las probabilidades a priori de las clases para el control de calidad seminal

Resumen

En esta tesis se han evaluado varias técnicas para describir texturas en una imagen digital. Además, hemos propuesto un nuevo método de segmentación inteligente, un descriptor de texturas adaptativo y dos nuevos procedimientos para estimar proporciones de clases (cuantificación) en conjuntos de datos no etiquetados. Adicionalmente se ha propuesto un método iterativo, basado en las estimaciones de las probabilidades a posteriori (PP) devueltas por un clasificador, capaz de estimar la distribuci on de las clases de nuevos conjuntos de datos no etiquetados. Estos métodos han sido evaluados utilizando datos de diferentes problemas reales y comparados con métodos previos basados en matrices de confusión. Los experimentos muestran que las estimaciones de los procedimientos de cuantificación mejoran los resultados obtenidos con el método simple, que es el generalmente utilizado. Adicionalmente, estos métodos se han evaluado en una aplicación de control de calidad seminal. Como este problema requiere la segmentación de las cabezas de los espermatozoides, hemos realizado una propuesta que combina un método basado en umbralización con la transformada Watershed.