Publications

@article{garcia-olalla_descripcion_2016,

title = {Descripción de textura en imágenes utilizando local Binary Pattern (LBP)},

author = {Óscar García-Olalla Olivera and Enrique Alegre},

url = {https://portalcienciaytecnologia.jcyl.es/documentos/63533728978f296ba7a95f3f},

year  = {2016},

date = {2016-01-01},

urldate = {2016-01-01},

journal = {Conceptos y métodos en visión por computador},

pages = {115–130},

abstract = {Este capítulo estudia el descriptor de textura Local Binary Pattern (LBP), ampliamente utilizado en visión por computador. Se introduce el concepto de textura en imágenes digitales, seguido de una explicación detallada sobre el LBP y sus variaciones, como ALBP, LBPV y CLBP. Además, se discuten algunas de sus aplicaciones.},

note = {Publisher: Grupo de Visión del Comité Español de Automática (CEA)},

keywords = {Descriptores de Textura, LBP, local binary pattern, Visión por Computador},

pubstate = {published},

tppubtype = {article}

}

@article{suarez-castrillon_cuantificacion_2010,

title = {Cuantificación de la rugosidad superficial de piezas mecanizadasmediante análisis digital de imágenes},

author = {Alexci Suárez-Castrillón and Enrique Alegre and Joaquín Barreiro and Víctor González-Castro},

url = {https://dialnet.unirioja.es/servlet/articulo?codigo=9548341},

year  = {2010},

date = {2010-01-01},

urldate = {2010-01-01},

journal = {XXXI Jornadas de Automática Jaén 8-10 de septiembre de 2010: Comunicaciones},

pages = {21},

abstract = {Este artículo presenta un nuevo descriptor basado en máscaras de Laws para cuantificar la rugosidad superficial de piezas metálicas mecanizadas por torneado. Se utiliza un sistema de visión que analiza la textura de las imágenes para medir la rugosidad. El núcleo propuesto, una variación del R5R5 de Laws, muestra una tasa de acierto del 95,87%, 97,3% y 100% en clasificación con LDA, QDA y K-NN, respectivamente.},

note = {Publisher: Universidad de Jaén},

keywords = {Descriptores de Textura, Rugosidad, Sistema de Visión},

pubstate = {published},

tppubtype = {article}

}

@article{alegre_evaluacion_2010,

title = {Evaluación de funciones wavelet madre con descriptores de textura estadísticos en la clasificación del acrosoma de espermatozoides de verraco},

author = {Enrique Alegre and Maribel González and Víctor González-Castro and Tomás Alonso},

url = {https://portalcientifico.unileon.es/documentos/6654cc185f11317f0b6cd613?lang=gl},

year  = {2010},

date = {2010-01-01},

urldate = {2010-01-01},

journal = {XXXI Jornadas de Automática Jaén 8-10 de septiembre de 2010: Comunicaciones},

pages = {20},

abstract = {Este estudio emplea una red neuronal backpropagation para clasificar el estado del acrosoma en espermatozoides de verraco. Se analizó el impacto del procesamiento previo de imágenes con cinco familias de wavelets: Daubechies, Coiflets, Symlets, Meyer y Biortogonales. Se extrajeron descriptores de textura estadísticos de primer y segundo orden y se evaluaron distintas configuraciones de la red. Los resultados muestran variaciones de hasta un 7% en la tasa de acierto, siendo las wavelets Biortogonales y Symlets las más efectivas, con precisiones superiores al 95%.},

note = {Publisher: Universidad de Jaén},

keywords = {Clasificaión Espermática, Descriptores de Textura, Procesamiento de Imágenes, Red Neuronal Backpropagation, Wavelets},

pubstate = {published},

tppubtype = {article}

}

@article{suarez-castrillon_evaluacion_nodate,

title = {Evaluación de diferentes tipos de iluminación para la clasificación de la rugosidad de piezas metálicas mediante análisis de imagen},

author = {Alexci Suárez-Castrillón and Enrique Alegre and Patricia Morala-Argüello and Joaquín Barreiro and Víctor González-Castro},

url = {https://buleria.unileon.es/handle/10612/10344},

abstract = {Este estudio clasifica la rugosidad de piezas metálicas en procesos de torneado mediante análisis de imagen y evalúa la influencia del ángulo de iluminación. Se emplean cuatro descriptores de primer orden (media, desviación estándar, asimetría y kurtosis) y el clasificador KNN. Se analizaron 284 imágenes, comparando los resultados con métodos tradicionales. Los errores obtenidos fueron: coaxial 0.70%, angular 9.68% y rasante 1.03%. Los resultados destacan la importancia de la iluminación en la medición de la rugosidad y la efectividad de los descriptores de textura.},

keywords = {Angular, Coaxial, Descriptores de Textura, Iluminación, Inspección, kNN, Rasante, Rugosidad},

pubstate = {published},

tppubtype = {article}

}