ES2461635B1

ES2461635B1 - Método y sistema de clasificación de imágenes digitales

Info

Publication number: ES2461635B1
Application number: ES201231579A
Authority: ES
Inventors: Valentín MORENO PELAYO; Jesús ROBLEDANO ARILLO
Original assignee: Universidad Carlos III de Madrid
Current assignee: Universidad Carlos III de Madrid
Priority date: 2012-10-16
Filing date: 2012-10-16
Publication date: 2015-02-13
Anticipated expiration: 2032-10-16
Also published as: WO2014060617A1; ES2461635A1

Abstract

Método y sistema de procesamiento de imágenes digitales, método y sistema de clasificación de imágenes digitales.#La presente invención pertenece al campo de métodos de procesamiento y clasificación de imágenes digitales. En concreto se refiere a un método y sistema de procesamiento de imágenes digitales y a un método y sistema de clasificación de imágenes digitales según un grado de calidad, preferentemente este grado de calidad siendo muy mala, mala, regular, buena, muy buena, comprendiendo el método las etapas de: recibir un conjunto de imágenes digitales como un vector de parámetros, seleccionar al menos un parámetro de calidad de imagen del conjunto para cada imagen digital, y elaborar un modelo de clasificación de imágenes digitales utilizando todos los parámetros de calidad de imagen seleccionados en el paso anterior y la etiqueta para cada imagen, para definir la validez o no validez de una imagen cualquiera.

Description

DESCRIPCIÓN Método y sistema de clasificación de imágenes digitales.

OBJETO DE LA INVENCIÓN 5

La presente invención pertenece al campo de métodos de clasificación de imágenes digitales. En concreto se refiere a un método y sistema de clasificación de imágenes digitales según un grado de calidad, preferentemente este grado de calidad siendo “muy mala”, “mala”, “regular”, “buena”,” muy buena”.

10

ANTECEDENTES DE LA INVENCIÓN

El principal problema técnico que resuelve la invención es el de revisar de manera automática la calidad de imágenes digitales como por ejemplo las resultantes de un proceso de digitalización de documentos de cualquier tipo. Lo normal en este tipo de imágenes es tener problemas de calidad, debido a la actuación de diferentes 15 factores que son muy difíciles de controlar al 100% durante el proceso de captura digital: errores involuntarios del personal asignado a los equipos de captura, defectos que introduce el dispositivo debido al desgaste de componentes por el uso, fallos técnicos o cambios en la temperatura que afectan al rendimiento, problemas de conservación de los documentos, defectos de calibración, etc.

20

Para la revisión de calidad de imágenes digitales tradicionalmente se ha utilizado la intervención de un experto humano que decide si la imagen es válida para su comprensión o presentación. Esto presenta el problema de revisar, una a una, imágenes de archivos que en ocasiones pueden tener centenares de páginas.

Existen en el estado de la técnica métodos de control de calidad de documentos digitales como el nombrado en 25 la patente JP2005050354 “Method for quantifying measure of quality of document” en el que se explica cómo a partir de unos valores predeterminados de la combinación de unos parámetros de calidad se obtiene la medida de la calidad mediante un único valor. En una segunda patente, US2007036394, “Method for measuring and quantizing document quality”, se mide y cuantifica un único parámetro de calidad; este parámetro es una fracción de los objetos en el espacio en blanco del documento. Pero éstos y otros tipos de métodos no permiten afrontar 30 con eficacia muchos de los procesos de control de calidad que son requeridos en contextos de uso diversos debido a que actúan sobre la base de un número de parámetros predeterminados sometidos a unos rangos de aceptación no muy flexibles. La flexibilidad es requerida debido a varios factores, tales como la existencia de correlaciones complejas entre los atributos perceptuales y físicos en que reside la calidad subjetiva de las imágenes digitales, la dificultad o gran esfuerzo requerido para su identificación y la cuantificación de su 35 correlación, la dificultad de establecer ponderaciones entre los atributos o la necesidad de usar procesos de prueba y error múltiples para el establecimiento de rangos de aceptación.

Es por tanto necesario un método y dispositivo que resuelvan el problema técnico de validar automáticamente la calidad de las imágenes basándose en parámetros físicos y que la validación sea tan fiable, completa y precisa 40 como la que haría un experto.

DESCRIPCIÓN DE LA INVENCIÓN

La presente invención resuelve el problema anteriormente descrito mediante un método de clasificación de 45 imágenes digitales según la reivindicación 1, y un sistema de clasificación de imágenes digitales según la reivindicación 6. Los métodos y sistemas según la invención son de aplicación en el control de calidad de imágenes digitales. Las reivindicaciones dependientes definen realizaciones preferidas de la invención.

En un primer aspecto inventivo se presenta un método de clasificación de imágenes digitales caracterizado 50 porque comprende las etapas de

 proporcionar al menos un modelo de clasificación obtenido por un método de procesamiento de imágenes digitales en el que

cada imagen digital se representa mediante un vector de parámetros cuyos elementos comprenden:

 un conjunto de parámetros de calidad de imagen, relativos a las características físicas y objetivas de la 55 imagen, tales como:

 resolución de muestreo,

 profundidad de bit,

 método de compresión,

 ratio de compresión, 60

 capacidad resolutiva mediante funciones de transferencia de contraste (MTF),

 función de conversión opto-electrónica (OECF),

 rango dinámico,

 relación Señal/Ruido,

 espectro de frecuencia de ruido, 65

 aberraciones ópticas,

 aberraciones cromáticas,

 distorsiones ópticas,

 error en la codificación de color,

 uniformidad en el registro de intensidad de luz,

 error de cuantización, 5

 clipping,

 compresión;

 curvatura,

 inclinación,

 reflejos, 10

 elementos ajenos,

 dobleces,

 fragmentación,

 inversión,

 giro, 15

 suciedad,

 una etiqueta de valoración de imagen que define el grado de calidad de la imagen,

 proveer al menos una imagen digital,

 extraer de la imagen digital todos los parámetros de calidad de imagen con el que el método de procesamiento de imágenes digitales proporcionado representa las imágenes y 20

 clasificar automáticamente la imagen provista, asignándole una etiqueta de valoración de imagen que define su grado de calidad, de acuerdo al modelo de clasificación y a los parámetros de calidad de imagen extraídos.

Definir el grado de calidad de una imagen cualquiera es definir qué valoración de imagen, de entre una pluralidad 25 de grados predefinidos, corresponde a una imagen cualquiera. Preferentemente, la valoración se realizará como “muy mala”, “mala”, “regular”, “buena”, “muy buena”. También pueden definirse otros grados de validez, como por ejemplo “válido” o “no válido”.

Este método desempeña tareas de aprendizaje supervisado. El objetivo del aprendizaje supervisado es el de 30 crear una función capaz de predecir el valor correspondiente a cualquier objeto de entrada válida después de haber visto una serie de ejemplos, los datos de entrenamiento. Para ello, tiene que generalizar a partir de los datos presentados a las situaciones no vistas previamente. Los datos de entrenamiento comprenden pares de objetos (normalmente vectores): siendo una componente del par los datos de entrada, en el caso de la invención los parámetros de calidad extraídos de las imágenes digitales, y la otra los resultados deseados, en el caso de la 35 invención las etiquetas de valoración de la calidad de las imágenes. La salida de la función es una etiqueta de clase en los procesos de clasificación.

La calidad de una imagen viene determinada por diferentes parámetros de calidad de imagen. Estos parámetros pueden ser objetivos (atendiendo al contraste de la imagen, curvatura, inclinación, ruido, etc.) y otros pueden ser 40 subjetivos y dependen de la percepción de la imagen por parte del experto. No existe necesariamente una relación lineal entre el rendimiento en los parámetros de calidad objetivos y la apreciación de calidad subjetiva de un observador humano de la imagen. Este fenómeno es especialmente manifiesto cuando interaccionan diferentes parámetros de calidad de forma conjunta en una imagen, creándose una compleja red de interacciones en la que la merma de rendimiento en un parámetro puede provocar el efecto contrario en otro 45 parámetro. De esta forma la percepción de calidad humana no siempre es directamente relacionable con la suma de los rendimientos en los parámetros de calidad medidos. La modelación de la valoración subjetiva de calidad es, por tanto, un proceso complejo y requiere un método que aproxime la valoración de la calidad de las imágenes digitales a la manera a como lo haría un experto humano.

50

Los parámetros de calidad de imagen que el método selecciona para cada imagen son relativos a las características físicas y objetivas de la imagen y son los relevantes para las imágenes digitales de acuerdo al propósito que se persigue. Las imágenes digitales que se reciben son conjuntos de elementos tales como una representación digital de una imagen real, un conjunto de parámetros de calidad de imagen y una etiqueta de valoración de calidad de imagen que define su grado de calidad, preferentemente la valoración siendo “muy 55 mala”, “mala”, “regular”, “buena”, “muy buena”.

El método decide o selecciona, para cada imagen etiquetada, el o los parámetros de calidad de imagen que considera más relevantes elegidos del conjunto preestablecido de parámetros de calidad de imagen que se reciben. Es decir, aprende a diferenciar qué características físicas de las imágenes son las relevantes para 60 discriminarlas por su grado de calidad, como por ejemplo “muy mala”, “mala”, “regular”, “buena”,” muy buena”, o en otro ejemplo “válida” o “no válida”.

Como ya se ha comentado, estos parámetros de calidad son muy variados y pueden encontrarse entre el grupo de elementos tales como: 65

- Variables tecnológicas: resolución de muestreo, profundidad de bit, método de compresión, ratio de

compresión;

- Parámetros físicos: capacidad resolutiva mediante funciones de transferencia de contraste (MTF), función de conversión opto-electrónica (OECF), rango dinámico, relación Señal/Ruido, espectro de frecuencia de ruido, aberraciones ópticas, aberraciones cromáticas, distorsiones ópticas, error en la codificación de color, uniformidad en el registro de intensidad de luz, error de cuantización, clipping, compresión; 5

- Parámetros mecánicos: curvatura, inclinación, reflejos, elementos ajenos, dobleces, fragmentación, inversión, giro, suciedad.

Estos parámetros pueden haber sido proporcionados por un método de extracción de parámetros de calidad de imagen. Las etiquetas pueden haber sido provistas por un experto en la materia atendiendo a su criterio 10 subjetivo.

Una vez el método ha aprendido qué parámetros o atributos físicos de las imágenes (escogidos de un listado predeterminado de parámetros) son los que las discriminan por su grado de calidad, se crea un modelo que sigue unas pautas generadas a partir del aprendizaje. El resultado es un modelo de clasificación que se ha 15 adaptado a los parámetros más relevantes que afectan a la calidad de las imágenes de entrada y a las etiquetas previas de validez, tal como “muy mala”, “mala”, “regular”, “buena”,” muy buena”. El modelo de clasificación es creado a partir de, por ejemplo, algoritmos de inducción de reglas u otros tipos de algoritmos como redes de neuronas, máquinas vectoriales, algoritmos genéticos, etc.

20

El modelo de clasificación creado con el método de procesamiento sirve para ser utilizado en un método de clasificación de imágenes digitales como valoración de imagen, preferentemente la valoración siendo “muy mala”, “mala”, “regular”, “buena”,” muy buena”.

El método de clasificación de imágenes digitales permite determinar de manera automática el grado de calidad 25 de una imagen digital cualquiera atendiendo a al menos un parámetro de calidad de imagen.

Determinar de manera automática el grado de calidad de una imagen digital cualquiera es determinar qué valoración de imagen corresponde a una imagen cualquiera.

30

Este método está caracterizado porque comprende las etapas de

 proporcionar al menos un modelo de clasificación y una selección de al menos un parámetro seleccionado por un método de procesamiento de imágenes digitales siendo el al menos un parámetro seleccionado compatible con el modelo de clasificación de imágenes digitales elaborado en el método de procesamiento 35

 proveer al menos una imagen digital,

 extraer todos los parámetros de calidad de imagen de la imagen digital seleccionados por el método de procesamiento de imágenes digitales, que deben ser los mismos que los utilizados en la creación del modelo y

 clasificar automáticamente la imagen provista, asignándole una etiqueta de valoración de imagen que define su grado de calidad, de acuerdo al modelo de clasificación y a los parámetros de calidad de imagen 40 extraídos.

El modelo de clasificación obtenido a partir de un método de procesamiento de imágenes digitales, se aplica a imágenes digitales de entrada. Una imagen digital es una representación bidimensional de una imagen a partir de una matriz numérica, frecuentemente en binario, unos y ceros. Este modelo de clasificación y todos los 45 parámetros de calidad de imágenes que ha seleccionado el modelo de procesamiento para determinar la calidad de las imágenes digitales son proporcionados al método de clasificación.

Para las imágenes de entrada se extraen todos los parámetros de calidad que el método de procesamiento ha determinado como relevantes para medir la calidad de las imágenes digitales. 50

Conforme el método acepta imágenes de entrada, éstas son clasificadas automáticamente según un grado de valoración de imagen, preferentemente la valoración siendo “muy mala”, “mala”, “regular”, “buena”, “muy buena”, siguiendo el modelo de clasificación implementado.

55

Un segundo aspecto inventivo presenta un sistema de clasificación de imágenes digitales caracterizado porque comprende

 un sistema de procesamiento de imágenes digitales, y

 y al menos un clasificador automático adaptado para implementar las etapas de un método de clasificación de imágenes digitales. 60

El sistema de procesamiento de imágenes digitales comprende

 un procesador adaptado para procesar unas imágenes digitales de entrada y seleccionar unos parámetros de calidad de imagen, donde cada imagen digital se representa mediante un vector de parámetros cuyos elementos comprenden: 65

-un conjunto de parámetros de calidad de imagen, y

-una etiqueta de valoración de imagen que define el grado de calidad de la imagen,

 un generador (3) de modelos adaptado para generar al menos un modelo de clasificación.

El procesador está adaptado para analizar las imágenes de entrada en cuanto a sus características de calidad y 5 las etiquetas de valoración de imagen. El generador de modelos son unos medios de procesamiento que están adaptados para generar el modelo de clasificación atendiendo a los parámetros de calidad de las imágenes digitales de entrada y sus etiquetas. El sistema de procesamiento de imágenes digitales implementa las etapas de un método de procesamiento de imágenes según se ha descrito anteriormente.

10

El sistema comprende al menos un clasificador automático adaptado para implementar las etapas de un método de clasificación según el primer aspecto inventivo.

El clasificador automático es un dispositivo que comprende medios de procesamiento que implementan las etapas de un método de clasificación. 15

Las principales ventajas del método y sistema de clasificación según la invención son las siguientes:

 Emulan automáticamente la metodología aplicada por un experto en control de calidad de imagen, ya que se aplican como base a la clasificación los parámetros que aplican los expertos e incluso se tienen en cuenta procesos inconscientes que aplican los expertos para valorar si las imágenes según su calidad. 20

 Discriminan deficiencias asociadas a parámetros concretos y resultados globales (fruto de la correlación entre el conjunto de parámetros de calidad implicados), ya que evalúa la apariencia de la imagen digitalizada en conjunto en lugar de tomar parámetros aislados y evaluar sus valores.

 Sus resultados son comparables a los resultados obtenidos por un experto en control de calidad.

25

Un tercer aspecto inventivo presenta un programa de ordenador, caracterizado porque comprende medios de código de programa para realizar las etapas de un método según cualquiera de los aspectos inventivos primero y segundo.

Un cuarto aspecto inventivo presenta un soporte legible por un ordenador, caracterizado porque contiene un 30 programa de ordenador que comprende medios de código de programa para realizar las etapas de un método según cualquiera de los aspectos inventivos primero y segundo.

Un quinto aspecto inventivo presenta una señal electrónica que contiene información caracterizada porque permite reconstruir un programa de ordenador según el sexto aspecto inventivo. 35

Todas las características técnicas y/o etapas de métodos descritas en esta memoria (incluyendo las reivindicaciones, descripción y dibujos) pueden combinarse en cualquier combinación, exceptuando las combinaciones de tales características mutuamente excluyentes.

40

DESCRIPCIÓN DE LOS DIBUJOS

Estas y otras características y ventajas de la invención, se pondrán más claramente de manifiesto a partir de la descripción detallada que sigue de una forma preferida de realización, dada únicamente a título de ejemplo ilustrativo y no limitativo, con referencia a las figuras que se acompañan. 45

Figura 1 En esta figura se muestra como ejemplo el resultado de obtener imágenes de poca calidad debido a curvatura, contraste y ruido.

Figura 2 En esta figura se representa un sistema de clasificación de imágenes digitales en una realización de la invención donde se aprecian distintos bloques funcionales adaptados para realizar las tareas 50 según los métodos.

EXPOSICIÓN DETALLADA DE LA INVENCIÓN

Método de procesamiento de imágenes digitales 55

En una realización del método de procesamiento de imágenes digitales, cada imagen digital se representa mediante un vector de parámetros cuyos elementos comprenden:

- un conjunto de parámetros de calidad de imagen, y

- una etiqueta de valoración de imagen que define el grado de calidad de la imagen, preferentemente la 60 valoración siendo “muy mala”, “mala”, “regular”, “buena”,” muy buena”.

El método de procesamiento de imágenes digitales según esta realización comprende las etapas de

- recibir al menos una imagen digital como un vector de parámetros de calidad de imagen,

- seleccionar al menos un parámetro de calidad de imagen para cada imagen digital del conjunto, y 65

- elaborar un modelo de clasificación de imágenes digitales utilizando todos los parámetros de calidad de

imagen seleccionados y la etiqueta para cada imagen, para definir la validez o invalidez de una imagen cualquiera.

En una realización del método de procesamiento de imágenes digitales el modelo de clasificación se realiza mediante al menos un algoritmo de inteligencia artificial supervisado mediante algoritmos de inducción de reglas. 5 No obstante, otros tipos de algoritmos como redes de neuronas, máquinas vectoriales, algoritmos genéticos, etc. también son apropiados para el aprendizaje.

En el método de procesamiento, el algoritmo de inducción de reglas recibe una muestra de imágenes digitales como un conjunto de casos, o ejemplos de aprendizaje. Estos ejemplos se representan por una imagen digital 10 que en una realización particular es una representación binaria de una imagen real, un conjunto de parámetros de calidad de imagen y además el atributo o etiqueta valoración de imagen. A partir de las imágenes de entrada se genera un árbol de decisión o un conjunto de reglas que proporciona la clasificación de los ejemplos de aprendizaje.

15

Para describir un ejemplo de realización se toma un conjunto de imágenes digitales como el de la figura 1. Este conjunto comprende imágenes digitales de textos escaneados de un libro, etiquetas de valoración de imagen y sus parámetros de calidad de imagen:

- curvatura,

- alineación, 20

- contraste y

- ruido.

El algoritmo de aprendizaje lee las etiquetas de valoración de imagen y el conjunto de parámetros de calidad de imagen para cada imagen. Asociando características físicas de cada una selecciona los parámetros de calidad 25 de imagen que considera relevantes. Se genera un modelo de clasificación que se adapta al conjunto de imágenes de entrada y a la salida predeterminada, en este caso la etiqueta valoración de imagen.

En este ejemplo de realización el valor de curvatura se mide como la relación entre el tamaño real en cuanto a dimensión horizontal de las dos páginas del libro abierto y el de las páginas en la imagen digital, se expresa 30 como porcentaje mediante la siguiente ecuación: Tamaño en Imagen/Tamaño real * 100.

La figura 1A representa dos muestras con imágenes cuya curvatura influye para evaluar la calidad. La imagen de la derecha presenta una curvatura más acentuada que se observa porque el tamaño de la imagen es menor que el de la imagen real. Por tanto, la medida Tamaño en Imagen/Tamaño real * 100 dará un valor menor para la 35 imagen 1A de la derecha que para la de la izquierda.

En este ejemplo de realización el valor de alineación se mide como el ángulo que forma una línea del documento que en la imagen debería aparecer recta con el borde correspondiente de la imagen.

40

En la figura 1B se aprecia una imagen que está inclinada con respecto a la imagen que se debería haber obtenido en caso de que la digitalización hubiera sido exitosa. En esta imagen la alineación se mide como el ángulo que forma la página en la imagen con el eje vertical de la derecha que es la posición donde una imagen habría sido obtenida en caso de calidad total en cuanto a alineación.

45

En este ejemplo de realización el contraste se mide como se explica a continuación. Se usa una carta de control con un juego de parches de densidades de gris que presenta datos objetivos colorimétricos de acuerdo a un estándar de espacio colorimétrico de amplia aceptación, como el conocido CIELAB D50. Se usa la carta Colorchecker de X-rite que se ajusta a estos requisitos. Para hacer la medición se usan los parches de la última fila que corresponden con los colores grises. Se mide la adecuación del contraste de la imagen digital a partir de 50 esta carta, aplicando el método DeltaE CIE76 tomando como valores el promedio de valores colorimétricos de todos los píxeles de cada parche de densidad de la carta y los valores colorimétricos correspondientes a esos parches medidos sobre la carta. El método DeltaE(ΔE) es de amplio uso en colorimetría; se basa en medir la distancia euclidiana entre dos colores representados en un mismo espacio colorimétrico. Para el espacio CIELAB se aplica la siguiente ecuación: ΔE* = sqrt[(ΔL*)2 + (Δa*)2 + (Δb*)2], asumiendo que está representado en un eje 55 cartesiano de coordenadas (L, a*, b*) donde:

L: corresponde al eje de luminosidad,

a*: al eje de opuestos verdes-rojos (-a*, +a*), y

b*: al eje azules-amarillos (-b*, +b*).

Así se mide la diferencia colorimétrica promedio entre la representación digital de los parches de grises de la 60 carta y los datos colorimétricos de cada píxel de la imagen digital a analizar.

En este ejemplo de realización el ruido se define como porcentaje de la diferencia de valores de píxel, entre el parche más oscuro y el más claro. Como se aprecia en la figura 1C el ruido es un factor que afecta visualmente a la calidad de la digitalización puesto que degrada el texto original. En esta figura, la imagen de la izquierda tiene 65 una cantidad de ruido muy superior a la de la derecha. En este ejemplo de realización el ruido se define como la

ratio Señal/Ruido (SNR), mediante la siguiente ecuación: SNR (dB)= 20 log10 [(SB – SN) / NM], donde S es la señal calculada sobre un margen de densidades de 1,5D, cuyo rango es SB (la densidad menor del rango) y SN (la densidad mayor del rango) y NM es el promedio del valor de ruido calculado sobre una densidad media de valor aproximado de 0,7D.

5

En este ejemplo de realización el modelo de clasificación se determina por la relación entre los parámetros de las imágenes digitales y la salida que debe dar el método de procesamiento, esto es, etiquetas de valoración de imagen previamente asignadas. Es decir, se determina la relación entre los parámetros escogidos para medir la calidad y, en el caso particular del ejemplo, se obtienen las reglas:

10

Si contraste <= 3 y curvatura > 66 y alineación> 0.2 entonces

Imagen buena

Si no, si curvatura <= 99 entonces

Imagen mala

Si no 15

Imagen buena.

En este ejemplo de realización, por lo tanto, los parámetros de calidad relevantes seleccionados por el modelo de clasificación son:

- contraste, 20

- alineación y

- curvatura.

Método de clasificación de imágenes digitales

25

En una realización del método de clasificación de imágenes digitales se comprenden las etapas de

 proporcionar al menos un modelo de clasificación obtenido por un método de procesamiento de imágenes digitales,

 proveer al menos una imagen digital,

 extraer todos los parámetros de calidad de imagen de la imagen digital seleccionados por el método de 30 procesamiento de imágenes digitales y

 clasificar automáticamente la imagen provista, mediante la asignación de una etiqueta de valoración de imagen que define su grado de calidad, preferentemente la valoración siendo "muy mala", "mala", "regular", "buena"," muy buena”, de acuerdo al modelo de clasificación y a los parámetros de calidad de imagen extraídos.

35

Siguiendo con el ejemplo anterior, los parámetros de las imágenes digitales de entrada que son extraídos son los relevantes, es decir, contraste, alineación y curvatura. El modelo de clasificación que se aplica a cada imagen digital es el mencionado previamente:

Si contraste <= 3 y curvatura > 66 y alineación > 0.2 entonces 40

Imagen buena

Si no, si curvatura <= 99 entonces

Imagen buena

Si no

Imagen mala 45

En una realización del método de clasificación, se incluye una etapa de cálculo del acierto del clasificador mediante técnicas de validación y la observación de datos estadísticos. El cálculo del acierto valida los resultados obtenidos para un subconjunto de imágenes para las que ya se conocía el resultado.

50

En una realización el cálculo del acierto incluye técnicas de validación que se realizan con un conjunto etiquetado de imágenes, por ejemplo, la validación cruzada. La validación cruzada es una
técnica utilizada para
evaluar los resultados de un
análisis estadístico y garantizar que son
independientes de la partición entre datos de entrenamiento y prueba. Consiste en repetir y calcular la
media aritmética obtenida de las medidas de
evaluación sobre diferentes particiones. Se utiliza en entornos donde el objetivo principal es la
predicción y se quiere
estimar 55 cómo de preciso es un modelo que se llevará a cabo a la práctica. Es una técnica muy utilizada en proyectos de
inteligencia artificial para validar modelos generados.

En una realización el cálculo del acierto incluye la observación de datos estadísticos con una matriz denominada de confusión. En el campo de la
inteligencia artificial una matriz de confusión es una herramienta de visualización 60 que se emplea en
aprendizaje supervisado. Cada columna de la matriz representa el número de predicciones de cada clase, mientras que cada fila representa a las instancias en la clase real.

Si en los datos de entrada el número de muestras de clases diferentes, en este caso de clases “válida” y “no válida”, es muy dispar, la tasa de error del clasificador no es representativa de lo bien que realiza la tarea el 65 clasificador. Si por ejemplo hay 990 muestras de la clase 1 (“válida”) y sólo 10 de la clase 2 (“no válida”), el

clasificador puede tener fácilmente un sesgo hacia la clase 1. Si el clasificador clasifica todas las muestras como clase 1 su precisión será del 99%. Esto no significa que sea un buen clasificador, pues tiene un 100% de error en la clasificación de las muestras de la clase 2.

Sistema de procesamiento de imágenes digitales 5

En una realización el sistema de procesamiento de imágenes digitales comprende

 un procesador (2) adaptado para procesar unas imágenes digitales de entrada y seleccionar unos parámetros de calidad de imagen, donde cada imagen digital se representa mediante un vector de parámetros cuyos elementos comprenden: 10

 un conjunto de parámetros de calidad de imagen, y

 una etiqueta de valoración de imagen, preferentemente la valoración siendo “muy mala”, “mala”, “regular”, “buena”,” muy buena” ,

 un generador (3) de modelos adaptado para generar al menos un modelo de clasificación

15

y que implementa las etapas de un método de procesamiento según el método de procesamiento de imágenes digitales descrito anteriormente.

Sistema de clasificación de imágenes digitales.

20

En la figura 2 se representa una realización del sistema de clasificación de imágenes digitales según la invención. Este sistema presenta un clasificador automático (4) adaptado para implementar las etapas de un método de clasificación de imágenes digitales según la invención como el descrito.

El sistema de clasificación de imágenes de la figura 2 comprende además un sistema de procesamiento de 25 imágenes como el descrito anteriormente, adaptado para generar un modelo de clasificación de imágenes digitales seleccionando al menos un parámetro de calidad de imagen del conjunto de parámetros de calidad de imagen recibidos y la etiqueta para cada imagen recibida.

En una realización, el sistema de clasificación de imágenes comprende medios de cálculo de acierto (6) que 30 determinan qué grado de similitud ha tenido el clasificador automático (4) con lo que haría un experto humano clasificador.

Como se ve en la figura 2, se dispone de una muestra (1) significativa de imágenes digitales donde cada imagen digital se representa mediante un vector de parámetros cuyos elementos comprenden: un conjunto de 35 parámetros de calidad de imagen y una etiqueta de valoración de imagen, preferentemente la valoración siendo “muy mala”, “mala”, “regular”, “buena”,” muy buena”. Estos vectores de elementos son entrada de un sistema de procesamiento de imágenes digitales que comprende un procesador (2) adaptado para procesar unas imágenes digitales de entrada y seleccionar unos parámetros de calidad de imagen. El sistema además comprende un generador de modelos (3) adaptado para generar al menos un modelo de clasificación. 40

Por otro lado se dispone de una muestra de imágenes digitales (5) a clasificar. El clasificador automático (4) obtiene las imágenes digitales (5) para clasificar y además el modelo de clasificación desde el generador (3) de un modelo de clasificación. El clasificador automático (4) aplica el modelo de clasificación a las imágenes digitales (5) a clasificar, extrae todos los parámetros de calidad de imagen de cada imagen digital seleccionados 45 por el método de procesamiento de imágenes digitales y clasifica las imágenes con una valoración de imagen, preferentemente la valoración siendo “muy mala”, “mala”, “regular”, “buena”,” muy buena”.

El calculador de acierto (6) determina la validez de los resultados verificando el resultado de clasificar imágenes para una muestra de imágenes de las que ya se conocen las etiquetas de valoración de imagen. 50

Claims

REIVINDICACIONES

1.- Método de clasificación de imágenes digitales caracterizado porque comprende las etapas de

 proporcionar al menos un modelo de clasificación obtenido por un método de procesamiento de imágenes digitales, en el que 5

o cada imagen digital se representa mediante un vector de parámetros cuyos elementos comprenden:

 un conjunto de parámetros de calidad de imagen, relativos a las características físicas y objetivas de la imagen, el conjunto comprendiendo al menos uno de:

 resolución de muestreo, 10

 profundidad de bit,

 método de compresión,

 ratio de compresión,

 capacidad resolutiva mediante funciones de transferencia de contraste (MTF),

 función de conversión opto-electrónica (OECF), 15

 rango dinámico,

 relación Señal/Ruido,

 espectro de frecuencia de ruido,

 aberraciones ópticas,

 aberraciones cromáticas, 20

 distorsiones ópticas,

 error en la codificación de color,

 uniformidad en el registro de intensidad de luz,

 error de cuantización,

 clipping, 25

 compresión;

 curvatura,

 inclinación,

 reflejos,

 elementos ajenos, 30

 dobleces,

 fragmentación,

 inversión,

 giro,

 suciedad, 35

 y una etiqueta de valoración de imagen que define el grado de calidad de la imagen de entre una pluralidad de grados predefinidos

 en donde el método de procesamiento selecciona para la realización del modelo al menos un parámetro de entre la lista de parámetros de calidad de imagen, 40

 proveer al menos una imagen digital,

 extraer de la imagen digital todos los parámetros de calidad de imagen seleccionados por el método de procesamiento de imágenes digitales proporcionado y

 clasificar automáticamente la imagen provista, asignándole una etiqueta de valoración de imagen que define su grado de calidad, de acuerdo al modelo de clasificación y a los parámetros de calidad de imagen 45 extraídos.
2.- Método de clasificación de imágenes digitales según la reivindicación 1 donde el modelo de clasificación es obtenido por un método de procesamiento de imágenes digitales que comprende las etapas de

 recibir al menos una imagen digital como un vector de parámetros de calidad de imagen, 50

 seleccionar al menos un parámetro de calidad de imagen relevante para cada imagen digital recibida, y

 elaborar un modelo de clasificación de imágenes digitales utilizando todos los parámetros de calidad de imagen seleccionados y la etiqueta para cada imagen, para aprender el comportamiento de los parámetros y definir el grado de calidad de una imagen cualquiera, mediante una de las siguientes alternativas: 55

 al menos un algoritmo de inteligencia artificial supervisado mediante algoritmos de inducción de reglas,

 redes de neuronas,

 máquinas vectoriales, o

 algoritmos genéticos. 60
3.- Método de clasificación según la reivindicación 1 o 2, caracterizado porque comprende una etapa de cálculo del acierto del método de clasificación mediante técnicas de validación y la observación de datos estadísticos.
4.- Método de clasificación según la reivindicación 3 caracterizado porque las técnicas de validación de la etapa del cálculo del acierto se realizan con un conjunto etiquetado de imágenes o validación cruzada.
5.- Método de clasificación según la reivindicación 3 ó 4 caracterizado porque la observación de datos estadísticos de la etapa del cálculo del acierto se realiza con una matriz de confusión. 5
6.- Sistema de clasificación de imágenes digitales caracterizado porque comprende

 un sistema de procesamiento de imágenes digitales que comprende

 un procesador (2) adaptado para procesar unas imágenes digitales de entrada y seleccionar unos parámetros de calidad de imagen, donde cada imagen digital se representa mediante un 10 vector de parámetros cuyos elementos comprenden:

 un conjunto de parámetros de calidad de imagen, y

 una etiqueta de valoración de imagen que define el grado de calidad de la imagen,

 un generador (3) de modelos adaptado para generar al menos un modelo de clasificación, 15

el sistema de procesamiento de imágenes digitales estando adaptado para implementar las etapas de

 recibir al menos una imagen digital como un vector de parámetros de calidad de imagen,

 seleccionar al menos un parámetro de calidad de imagen del conjunto para cada imagen digital, y 20

 elaborar un modelo de clasificación de imágenes digitales utilizando todos los parámetros de calidad de imagen seleccionados en el paso anterior y la etiqueta para cada imagen, para definir el grado de calidad de una imagen cualquiera,

 y al menos un clasificador automático (4) adaptado para implementar las etapas de un método de 25 clasificación de imágenes digitales según cualquiera de las reivindicaciones 1 a 5.
7. Sistema de clasificación de imágenes según la reivindicación 6 caracterizado porque el sistema de procesamiento de imágenes digitales está adaptado para elaborar el modelo de clasificación mediante al menos un algoritmo de inteligencia artificial supervisado. 30
8.- Sistema según una cualquiera de las reivindicaciones 6 o 7 caracterizado porque comprende medios de cálculo de acierto (6).
9.- Programa de ordenador, caracterizado porque comprende medios de código de programa para realizar las 35 etapas de un método según cualquiera de las reivindicaciones 1 a 5 cuando dicho programa funciona en un ordenador.
10.- Programa de ordenador según la reivindicación 9, caracterizado porque está copiado en un medio legible por un ordenador. 40
11.- Soporte legible por un ordenador, caracterizado porque contiene un programa de ordenador que comprende medios de código de programa para realizar las etapas de un método según cualquiera de las reivindicaciones 1 a 5, cuando dicho programa funciona en un ordenador.

45
12.- Señal electrónica que contiene información caracterizada porque permite reconstruir un programa de ordenador según cualquiera de las reivindicaciones 9 o 10.