Las áreas de clasificación de especímenes, basados en imágenes, es un área poco explotada en el México actual. La utilización de herramientas de Inteligencia Artificial en estas áreas ha venido a maximizar el avance en tema de ciencias computacionales para bien. En este documento, se explora la idea de convertir las imágenes tridimensionales en datos discretos, específicamente en grafos. Con esta información, y al sobreponer dos imágenes, se pueden generar matrices de distancias entre cada uno de los puntos que no tienen en común las dos imágenes.
Nuestra adopción de las diferencias de esqueletos de imágenes en tres dimensiones, convertidas en grafos bipartitos, permite utilizar métodos de optimización combinatoria; es el caso del algoritmo Húngaro o Kuhn-Munkres. Se propone utilizar este algoritmo para encontrar el costo mínimo a problemas de asignación, podemos aplicar esta metodología y a través de la definición de un umbral de similitud confiable para poder decidir si las dos imágenes se parecen entre sí.
La implementación de la metodología propuesta se puede expandir a cualquier otra área que requiera la comparación y procesamiento de imágenes en dos y tres dimensiones.
Specimens classification is a barely explored area in actual Mexico. Usage of artificial intelligence methodologies have helped these areas in the last years. On this document, the idea to treat three dimentional images is researched. To convert images into distrece data, specifically into graphs. With this information, and by overlaping two images, we can generate distance matrices between each set of points on a three dimentional euclidian space between the two images.
Our adoption of skeleton differences on three dimentiona images, verted into weighed bipartite graphs, allows the usage of optimizational methodologies: in this special case, the Kuhn-Munkres algorithm. We propose to use this algorithm to find the minimum value to assignation problems. We can apply this methodology beyond and find a threshold value, by calculating a measurement value to tell if two images belong to the same category.
This implementation, can be extrapolated to other areas where three dimentional (and even two dimentional) image processing is required.