Obtención de texturas en imágenes hiperespectrales utilizando Gray Level Co-occurrence Matrix para encontrar patrones de madurez y predecir la firmeza en frutilla

Abstract

El color de una fruta puede entregar informaci on precisa sobre esta, por ejemplo, su estado de madurez. Realizar una medici on de esta caracter stica de forma no invasiva se vuelve una necesidad, para no alterar su estado natural, es por esto que la visualizaci on de agrupamiento de madurez y la predicci on de rmeza a trav es de im agenes hiperespectrales es una herramienta id onea. Esta memoria trata de obtener texturas en im agenes hiperespectrales, mediante la matriz de co-ocurrencia de niveles de grises o en ingles (Gray Level Co-occurrence Matrix). La GLCM es un histograma de dos dimensiones de niveles de grises por pares de p xeles (referencia, vecino), los cuales se encuentran en una dimensi on ja para una relaci on espacial. Las direcciones espaciales son de 0, 45, 90 y 135 grados. Esta matriz es la base para la obtenci on de unas variables texturales o tambi en llamados descriptores de texturas. Se pretende obtener agrupamientos de madurez con los descriptores de texturas, con una t ecnica de miner a de dato llamada an alisis de componentes principales (PCA). Adem as se trata obtener dos modelos uno basado en el peso de las frutillas y otro basado en los descriptores de texturas, para la predicci on de la rmeza, que est a asociada a la madurez. Palabras claves Gray Level Co-occurrence Matrix, an alisis de componentes principales, agrupamiento de madurez, predicci on de rmeza, im agenes hiperespectrales./ABSTRACT: The color of fruit can provide accurate information about it, for example, its ripeness. An noninvasive measurement of this characteristic becomes necessary to avoid altering its natural state, which is why the visualisation of ripeness clusters and prediction of rmness by hyperspectral imaging is a suitable tool. This thesis is about obtaining textures from hyperspectral imagery through cooccurrence matrix of gray levels or in English (Gray Level Co-occurrence Matrix). The GLCM is a two-dimensional histogram of gray levels of pixels pairs (reference and neighbor), which are in a xed dimension for a spatial relationship. The spatial directions are 0, 45, 90 and 135 degrees. This matrix is the basis for obtaining a texture variables or so-called texture descriptors. Ripeness clustering of texture descriptors is performed with a data mining technique called principal component analysis (PCA). Furthermore two models are obtained, one is based on the mass of the strawberries and another based on the texture descriptors for predicting the rmness of the fruit, associated with ripeness. Keywords Gray Level Co-occurrence Matrix, principal component analysis,visualisation of ripeness clusters, prediction of rmness, hyperspectral imaging.