Avaliação da técnica GLCM para análise de texturas em imagens digitais
Autor(a) principal: | |
---|---|
Data de Publicação: | 2020 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Repositório Institucional da UNIVATES (Biblioteca Digital da Univates - BD) |
Texto Completo: | http://hdl.handle.net/10737/3037 |
Resumo: | A área de processamento de imagens e análise de textura apresentam técnicas que nem sempre correspondem às necessidades. Estas técnicas, chamadas descritores de textura, utilizam características de objetos presentes na imagem, como brilho, cor, tamanho e formato. O presente trabalho tem como objetivo discorrer sobre as dificuldades existentes na discriminação de textura através do uso de GLCM como ferramenta e, através de estudos em trabalhos relacionados e em outras técnicas presentes na literatura, encontrar uma forma de aprimorar a classificação de texturas a partir de descritores obtidos pela GLCM. Para isto, foram realizados testes para validação do método proposto, utilizando um conjunto de imagens sintéticas divididas em 4 classes diferentes. As imagens foram submetidas a um processo de descrição textural por meio de equações, resultando em valores numéricos para cada característica da textura. Através de comparação de resultados, tem-se o uso de GLCM como descritor textural comprovado, pois nos testes realizados, obteve-se uma precisão de acerto próximo a 98% em imagens de estruturas texturais simples, e uma precisão variável de 80% a 60% em testes sobre imagens de estruturas complexas. O aprimoramento das métricas utilizadas assim como a configuração ideal da ferramenta podem substituir a necessidade do uso de outras técnicas de processamento de imagem. |
id |
UVAT_66f33331cce94befa8eefcff0f28b8cc |
---|---|
oai_identifier_str |
oai:univates.br:10737/3037 |
network_acronym_str |
UVAT |
network_name_str |
Repositório Institucional da UNIVATES (Biblioteca Digital da Univates - BD) |
repository_id_str |
1 |
spelling |
Dertzbacher, Julianohttp://lattes.cnpq.br/7845175314739602Büchner, Bruno Luis2021-09-09T16:26:50Z2021-09-09T16:26:50Z2020-112020-12-07A área de processamento de imagens e análise de textura apresentam técnicas que nem sempre correspondem às necessidades. Estas técnicas, chamadas descritores de textura, utilizam características de objetos presentes na imagem, como brilho, cor, tamanho e formato. O presente trabalho tem como objetivo discorrer sobre as dificuldades existentes na discriminação de textura através do uso de GLCM como ferramenta e, através de estudos em trabalhos relacionados e em outras técnicas presentes na literatura, encontrar uma forma de aprimorar a classificação de texturas a partir de descritores obtidos pela GLCM. Para isto, foram realizados testes para validação do método proposto, utilizando um conjunto de imagens sintéticas divididas em 4 classes diferentes. As imagens foram submetidas a um processo de descrição textural por meio de equações, resultando em valores numéricos para cada característica da textura. Através de comparação de resultados, tem-se o uso de GLCM como descritor textural comprovado, pois nos testes realizados, obteve-se uma precisão de acerto próximo a 98% em imagens de estruturas texturais simples, e uma precisão variável de 80% a 60% em testes sobre imagens de estruturas complexas. O aprimoramento das métricas utilizadas assim como a configuração ideal da ferramenta podem substituir a necessidade do uso de outras técnicas de processamento de imagem.The fiel of image processing and texture analysis show techniques which not Always correspond to needs. These techniques, called texture descriptors, use characteristics of objects present in the image, such as brightness, color, size and shape. The present work aims to discuss the existing difficulties in texture discrimination through the use of GLCM as a tool and, through studies in related work and other techniques present in the literature, to find a way to improve the texture classification from descriptors obtained by GLCM. For this, tests were carried out to validate the proposed method, using a set of synthetic images divided into 4 different classes. The images were subjected to a process of textural description using equations, resulting in numerical values for each characteristic of the texture. Through comparison of results, the use of GLCM is a proven textural descriptor, because in the tests performed, accuracy close to 98% was obtained in images of simple textural structures, and a variable precision of 80% to 60% in tests on images of complex structures. The improvement of the metrics used as well as the ideal configuration of the tool can replace the need to use other image processing techniques.-1BÜCHNER, Bruno Luis. Avaliação da técnica GLCM para análise de texturas em imagens digitais. 2020. Monografia (Graduação em Engenharia da Computação) – Universidade do Vale do Taquari - Univates, Lajeado, 07 dez. 2020. Disponível em: http://hdl.handle.net/10737/3037. http://hdl.handle.net/10737/3037http://creativecommons.org/licenses/by/4.0/info:eu-repo/semantics/openAccessCETProcessamento de ImagensAnálise de texturaAprimoramento da técnicaGLCMImage ProcessingTexture AnalysisImprovement of the techniqueAvaliação da técnica GLCM para análise de texturas em imagens digitaisinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisporreponame:Repositório Institucional da UNIVATES (Biblioteca Digital da Univates - BD)instname:Centro Universitário Univates (UNIVATES)instacron:UNIVATESORIGINAL2020BrunoLuisBüchner.pdf2020BrunoLuisBüchner.pdfapplication/pdf2018999https://www.univates.br/bdu/bitstreams/1b28f980-41ed-465c-8244-b44eb21fcc40/downloadb96c882c29f5427eb61e33f16268e73cMD51CC-LICENSElicense_urllicense_urltext/plain43https://www.univates.br/bdu/bitstreams/6c17f383-821a-42f7-aa31-876eff9de27c/download321f3992dd3875151d8801b773ab32edMD52license_textlicense_texttext/html; charset=utf-80https://www.univates.br/bdu/bitstreams/ea9349ef-608e-4155-92ed-695c816c997d/downloadd41d8cd98f00b204e9800998ecf8427eMD53license_rdflicense_rdfapplication/rdf+xml; charset=utf-80https://www.univates.br/bdu/bitstreams/d5920026-7728-415e-b956-54b8179e52fe/downloadd41d8cd98f00b204e9800998ecf8427eMD54LICENSElicense.txtlicense.txttext/plain4599https://www.univates.br/bdu/bitstreams/a3bbee68-dc42-41a8-b5fe-a989cbc4a1bb/download437934e3da312a771387fca939b84606MD55TEXT2020BrunoLuisBüchner.pdf.txt2020BrunoLuisBüchner.pdf.txtExtracted texttext/plain97382https://www.univates.br/bdu/bitstreams/3c8cd2c0-61db-492a-987e-d4644ef734a4/download91bafb08db9267ab6d46d345f4e01254MD510THUMBNAIL2020BrunoLuisBüchner.pdf.jpg2020BrunoLuisBüchner.pdf.jpgGenerated Thumbnailimage/jpeg4219https://www.univates.br/bdu/bitstreams/c033911c-c6b5-477e-b93c-5ab9f6c7db15/downloadc967906a5be81191b28acba0a8fe7634MD51110737/30372023-06-26 11:52:51.642http://creativecommons.org/licenses/by/4.0/openAccessoai:univates.br:10737/3037https://www.univates.br/bduRepositório InstitucionalPRIhttp://www.univates.br/bdu_oai/requestopendoar:12023-06-26T11:52:51Repositório Institucional da UNIVATES (Biblioteca Digital da Univates - BD) - Centro Universitário Univates (UNIVATES)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 |
dc.title.pt_BR.fl_str_mv |
Avaliação da técnica GLCM para análise de texturas em imagens digitais |
title |
Avaliação da técnica GLCM para análise de texturas em imagens digitais |
spellingShingle |
Avaliação da técnica GLCM para análise de texturas em imagens digitais Büchner, Bruno Luis CET Processamento de Imagens Análise de textura Aprimoramento da técnica GLCM Image Processing Texture Analysis Improvement of the technique |
title_short |
Avaliação da técnica GLCM para análise de texturas em imagens digitais |
title_full |
Avaliação da técnica GLCM para análise de texturas em imagens digitais |
title_fullStr |
Avaliação da técnica GLCM para análise de texturas em imagens digitais |
title_full_unstemmed |
Avaliação da técnica GLCM para análise de texturas em imagens digitais |
title_sort |
Avaliação da técnica GLCM para análise de texturas em imagens digitais |
author |
Büchner, Bruno Luis |
author_facet |
Büchner, Bruno Luis |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Dertzbacher, Juliano |
dc.contributor.advisor1Lattes.fl_str_mv |
http://lattes.cnpq.br/7845175314739602 |
dc.contributor.author.fl_str_mv |
Büchner, Bruno Luis |
contributor_str_mv |
Dertzbacher, Juliano |
dc.subject.cnpq.fl_str_mv |
CET |
topic |
CET Processamento de Imagens Análise de textura Aprimoramento da técnica GLCM Image Processing Texture Analysis Improvement of the technique |
dc.subject.por.fl_str_mv |
Processamento de Imagens Análise de textura Aprimoramento da técnica GLCM Image Processing Texture Analysis Improvement of the technique |
description |
A área de processamento de imagens e análise de textura apresentam técnicas que nem sempre correspondem às necessidades. Estas técnicas, chamadas descritores de textura, utilizam características de objetos presentes na imagem, como brilho, cor, tamanho e formato. O presente trabalho tem como objetivo discorrer sobre as dificuldades existentes na discriminação de textura através do uso de GLCM como ferramenta e, através de estudos em trabalhos relacionados e em outras técnicas presentes na literatura, encontrar uma forma de aprimorar a classificação de texturas a partir de descritores obtidos pela GLCM. Para isto, foram realizados testes para validação do método proposto, utilizando um conjunto de imagens sintéticas divididas em 4 classes diferentes. As imagens foram submetidas a um processo de descrição textural por meio de equações, resultando em valores numéricos para cada característica da textura. Através de comparação de resultados, tem-se o uso de GLCM como descritor textural comprovado, pois nos testes realizados, obteve-se uma precisão de acerto próximo a 98% em imagens de estruturas texturais simples, e uma precisão variável de 80% a 60% em testes sobre imagens de estruturas complexas. O aprimoramento das métricas utilizadas assim como a configuração ideal da ferramenta podem substituir a necessidade do uso de outras técnicas de processamento de imagem. |
publishDate |
2020 |
dc.date.submitted.none.fl_str_mv |
2020-12-07 |
dc.date.issued.fl_str_mv |
2020-11 |
dc.date.accessioned.fl_str_mv |
2021-09-09T16:26:50Z |
dc.date.available.fl_str_mv |
2021-09-09T16:26:50Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
format |
bachelorThesis |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
BÜCHNER, Bruno Luis. Avaliação da técnica GLCM para análise de texturas em imagens digitais. 2020. Monografia (Graduação em Engenharia da Computação) – Universidade do Vale do Taquari - Univates, Lajeado, 07 dez. 2020. Disponível em: http://hdl.handle.net/10737/3037. |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/10737/3037 |
identifier_str_mv |
BÜCHNER, Bruno Luis. Avaliação da técnica GLCM para análise de texturas em imagens digitais. 2020. Monografia (Graduação em Engenharia da Computação) – Universidade do Vale do Taquari - Univates, Lajeado, 07 dez. 2020. Disponível em: http://hdl.handle.net/10737/3037. |
url |
http://hdl.handle.net/10737/3037 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
http://creativecommons.org/licenses/by/4.0/ info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
http://creativecommons.org/licenses/by/4.0/ |
eu_rights_str_mv |
openAccess |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UNIVATES (Biblioteca Digital da Univates - BD) instname:Centro Universitário Univates (UNIVATES) instacron:UNIVATES |
instname_str |
Centro Universitário Univates (UNIVATES) |
instacron_str |
UNIVATES |
institution |
UNIVATES |
reponame_str |
Repositório Institucional da UNIVATES (Biblioteca Digital da Univates - BD) |
collection |
Repositório Institucional da UNIVATES (Biblioteca Digital da Univates - BD) |
bitstream.url.fl_str_mv |
https://www.univates.br/bdu/bitstreams/1b28f980-41ed-465c-8244-b44eb21fcc40/download https://www.univates.br/bdu/bitstreams/6c17f383-821a-42f7-aa31-876eff9de27c/download https://www.univates.br/bdu/bitstreams/ea9349ef-608e-4155-92ed-695c816c997d/download https://www.univates.br/bdu/bitstreams/d5920026-7728-415e-b956-54b8179e52fe/download https://www.univates.br/bdu/bitstreams/a3bbee68-dc42-41a8-b5fe-a989cbc4a1bb/download https://www.univates.br/bdu/bitstreams/3c8cd2c0-61db-492a-987e-d4644ef734a4/download https://www.univates.br/bdu/bitstreams/c033911c-c6b5-477e-b93c-5ab9f6c7db15/download |
bitstream.checksum.fl_str_mv |
b96c882c29f5427eb61e33f16268e73c 321f3992dd3875151d8801b773ab32ed d41d8cd98f00b204e9800998ecf8427e d41d8cd98f00b204e9800998ecf8427e 437934e3da312a771387fca939b84606 91bafb08db9267ab6d46d345f4e01254 c967906a5be81191b28acba0a8fe7634 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UNIVATES (Biblioteca Digital da Univates - BD) - Centro Universitário Univates (UNIVATES) |
repository.mail.fl_str_mv |
|
_version_ |
1801842385876942848 |