Color Image Segmentation of Seed Images Based on Self-Organizing Maps (SOM) Neural Network

Autores/as

  • J. M. Barrón Adame Universidad Tecnológica del Suroeste de Guanajuato
  • M. S. Acosta Navarrete Instituto Tecnológico de Celaya, Guanajuato
  • J. Quintanilla Domínguez Universidad Politécnica de Juventino Rosas, Guanajuato
  • R. Guzmán Cabrera Universidad de Guanajuato, Salamanca, Guanajuato
  • M. Cano Contreras Universidad Tecnológica del Suroeste de Guanajuato
  • B. Ojeda Magaña Universidad de Guadalajara, Jalisco
  • E. García Sánchez Instituto Tecnológico de Estudios Superiores de Guanajuato

DOI:

https://doi.org/10.13053/cys-23-1-3141

Palabras clave:

Image segmentation, neural network, selforganizing maps

Resumen

This paper presents a threshold color image segmentation methodology based on Self-Organizing Maps (SOM) Neural Network. The objective of segmentation methodology is to determine the minimum number of color features in six seed lines ("nh1", "nh2","nh3", "nh4", "nh5" y "nh6") of seed castor (Ricinuscomunnis L.) images for future seed characterization. Seed castor lines are characterized for pigmentation regions that not allow an optimum segmentation process. In some cases, seed pigmentation regions aresimilar to background make difficult their segmentation characterization. Methodology proposes to segment the seed image in a SOM-based idea in an increasing way until to some of SOM neuron not have allocated none of the image pixels. Several experiments were carried out with others two standard test images ("House" and"Girl") and results are presented both visual and numerical way.

Descargas

Publicado

2019-03-24

Número

Vol. 23 Núm. 1 (2019): Recent Advances in Optics and Photonics (Guest Editors: J. J. Sánchez Mondragón, M. Torres Cisneros, R. Guzmán Cabrera)

Sección

Articles of the Thematic Issue

Licencia

Transfiero exclusivamente a la revista “Computación y Sistemas”, editada por el Centro de Investigación en Computación (CIC), los Derechos de Autor del artículo antes mencionado, asimismo acepto que no serán transferidos a ninguna otra publicación, en cualquier formato, idioma, medio existente (incluyendo los electrónicos y multimedios) o por desarrollar.

Certifico que el artículo, no ha sido divulgado previamente o sometido simultáneamente a otra publicación y que no contiene materiales cuya publicación violaría los Derechos de Autor u otros derechos de propiedad de cualquier persona, empresa o institución. Certifico además que tengo autorización de la institución o empresa donde trabajo o estudio para publicar este Trabajo.

El autor, representante acepta la responsabilidad por la publicación del Trabajo en nombre de todos y cada uno de los autores.

Esta Transferencia está sujeta a las siguientes reservas:

  • Los autores conservan todos los derechos de propiedad (tales como derechos de patente) de este Trabajo, con excepción de los derechos de publicación transferidos al CIC, mediante este documento.
  • Los autores conservan el derecho de publicar el Trabajo total o parcialmente en cualquier libro del que ellos sean autores o editores y hacer uso personal de este trabajo en conferencias, cursos, páginas web personal, etc.