Descritores robustos à rotação de texturas baseados na abordagem LMP com acréscimo da informação de Magnitude e Sinal (2017)
- Authors:
- Autor USP: VIEIRA, RAISSA TAVARES - EESC
- Unidade: EESC
- Sigla do Departamento: SEL
- Subjects: VISÃO COMPUTACIONAL; RECONHECIMENTO DE IMAGEM
- Keywords: Classificação de textura; Descritor de micropadrão; Invariância à rotação; Micropattern descriptor; Rotation invariance; Texture classification
- Language: Português
- Abstract: Classificação de imagens de textura, especialmente aquelas com mudanças significativas de rotação, iluminação, escala e ponto de vista, é um problema fundamental e desafiador na área de visão computacional. Esta tese propõe dois descritores de imagem simples, porém eficientes, chamados de Sampled Local Mapped Pattern Magnitude (SLMP_M) e Completed Local Mapped Pattern (CLMP) aplicados na classificação de textura. Os descritores propostos são parte de um aprimoramento do descritor Local Mapped Pattern (LMP) para trabalhar de maneira eficiente com imagens de textura rotacionadas. Os métodos propostos necessitam de um pré-ajuste de parâmetros que utiliza o método de otimização por enxame de partículas, e são discriminativos e robustos para a descrição de texturas rotacionadas em ângulos arbitrários. Para a validação dos descritores propostos duas bases de imagens são utilizadas, Kylberg Sintorn Rotation Dataset e Brodatz Texture Rotation Dataset, uma nova base de dados desenvolvida pela autora, formada por imagens de texturas rotacionadas do Álbum de Brodatz. As duas bases contêm imagens de texturas naturais que foram rotacionadas fisicamente no momento da captura e rotacionadas por processos computacionais. É feita também uma avaliação da influência de métodos de interpolação no processo de rotação das imagens e são comparados com diferentes descritores presentes na literatura. Cinco métodos de interpolação são investigados: Lanczos, B-spline, Cúbica, Linear e Nearest Neighbor. Os resultados experimentais demonstram que os descritores propostos nesta tese superam o desempenho dos descritores Completed Local Binary Pattern (CLBP), e dos descritores que combinam a versão generalizada das características de Fourier com variações do descritor Local Binary Pattern (LBP), LBPDFT, ILBPDFT, LTPDFT e ILTPDFT.Os resultados também demonstram que a escolha do método de interpolação no processo de rotação das imagens influencia na capacidade de reconhecimento
- Imprenta:
- Publisher place: São Carlos
- Date published: 2017
- Data da defesa: 06.09.2017
-
ABNT
VIEIRA, Raissa Tavares. Descritores robustos à rotação de texturas baseados na abordagem LMP com acréscimo da informação de Magnitude e Sinal. 2017. Tese (Doutorado) – Universidade de São Paulo, São Carlos, 2017. Disponível em: http://www.teses.usp.br/teses/disponiveis/18/18152/tde-04102017-110333/. Acesso em: 19 abr. 2024. -
APA
Vieira, R. T. (2017). Descritores robustos à rotação de texturas baseados na abordagem LMP com acréscimo da informação de Magnitude e Sinal (Tese (Doutorado). Universidade de São Paulo, São Carlos. Recuperado de http://www.teses.usp.br/teses/disponiveis/18/18152/tde-04102017-110333/ -
NLM
Vieira RT. Descritores robustos à rotação de texturas baseados na abordagem LMP com acréscimo da informação de Magnitude e Sinal [Internet]. 2017 ;[citado 2024 abr. 19 ] Available from: http://www.teses.usp.br/teses/disponiveis/18/18152/tde-04102017-110333/ -
Vancouver
Vieira RT. Descritores robustos à rotação de texturas baseados na abordagem LMP com acréscimo da informação de Magnitude e Sinal [Internet]. 2017 ;[citado 2024 abr. 19 ] Available from: http://www.teses.usp.br/teses/disponiveis/18/18152/tde-04102017-110333/ - Análise de micropadrões em imagens digitais baseada em números fuzzy
- Color texture classification by using opponent color and local mapped pattern
- Analysis of iris texture under pupil contraction/dilation for biometric recognition
- Robustness of rotation invariant descriptors for texture classification
- Human epithelial type 2 cell classification using a multiresolution texture descriptor
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
