El desarrollo de métricas objetivas para la valoración del color en la digitalización del patrimonio cultural es un campo de estudio que ha ganado relevancia, especialmente en proyectos que buscan preservar y reproducir fielmente documentos gráficos de valor histórico. La obra de Jesús Robledano Arillo, Valentín Moreno Pelayo y José Manuel Pereira Uzal aborda esta temática proponiendo un modelo basado en el aprendizaje automático para mejorar los sistemas de control de calidad automatizados en la digitalización de patrimonio documental.
Tradicionalmente, los sistemas de calidad se han basado en pruebas físicas, utilizando un conjunto limitado de atributos y rangos de aceptación predefinidos. Sin embargo, estos métodos no contemplan las complejas interrelaciones perceptuales que afectan la calidad global de una imagen. La visión propuesta por el estudio es desarrollar algoritmos visuales que emulen los juicios perceptuales de expertos humanos utilizando métricas de color estandarizadas como CIE 1976 (CIE76) y CIEDE 2000 (CIE00) junto a atributos perceptuales como matiz, saturación y luminosidad.
La metodología describe una serie de fases. La primera fase implica realizar pruebas con expertos humanos para evaluar la calidad cromática de imágenes digitales comparadas con sus originales físicos. En la segunda fase, los datos recogidos se analizan para determinar patrones de consistencia intra e interevaluadores, y examinar la posibilidad de emplear métricas objetivas para predecir juicios de calidad. Se descubrió que la consistencia intraevaluadores era mayor que la interevaluadores, lo que sugiere que cada experto tiene un criterio único y relativamente consistente, aunque varía entre diferentes expertos.
El análisis reveló que los atributos perceptuales como matiz, saturación y luminosidad juegan un papel significativo en los juicios de calidad y pueden ser modelados efectivamente mediante algoritmos de aprendizaje automático. Estos algoritmos son capaces de generar patrones regulares de comportamiento que reflejan las decisiones de los expertos con una precisión notablemente alta, por encima del 85%.
Para validar y refinar el algoritmo visual, los datos obtenidos se utilizaron en el software de aprendizaje automático Weka, aplicando el algoritmo de inducción de reglas C4.5. Este enfoque permitió identificar y modelar patrones complejos de evaluación de calidad de manera efectiva. Los resultados mostraron que es posible desarrollar un modelo numérico altamente eficiente utilizando un conjunto reducido de variables, obteniendo tasas de acierto comparables a las evaluaciones humanas.
Uno de los hallazgos clave es que los rangos de aceptación de métricas como CIE76 y CIE00 no pueden ser fijos y universales debido a la variabilidad en los juicios de los expertos según el tipo de imagen. Esto pone en evidencia la necesidad de modelos más flexibles y dinámicos que consideren las particularidades de cada imagen y las percepciones de los evaluadores humanos.
En conclusión, el estudio demuestra que mediante el uso de técnicas de aprendizaje automático y la combinación adecuada de métricas objetivas y atributos perceptuales de color, es posible construir sistemas automáticos de control de calidad eficaces que emulen con precisión los juicios de los expertos humanos. Esto representa un avance significativo en la digitalización de patrimonio cultural, garantizando una reproducción fiel y de alta calidad de los documentos gráficos.
Resumen del artículo: Arillo, J. R., Pelayo, V. M., & Uzal, J. M. P. (2016). Aproximación experimental al uso de métricas objetivas para la estimación de calidad cromática en la digitalización de patrimonio documental gráfico. Revista española de documentación científica, 39(2), 3.
