Análise do descritor de padrões mapeados localmente em multiescala para classificação de textura em imagens digitais
Autor(a) principal: | |
---|---|
Data de Publicação: | 2016 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UNESP |
Texto Completo: | http://hdl.handle.net/11449/138320 |
Resumo: | No presente trabalho, apresenta-se uma revisão sobre os principais abordagens para análise e classificação de texturas, entre eles o descritor LBP (Local Binary Pattern), o descritor LFP (Local Fuzzy Patterm) e o descritor MSLMP (Multi-scale Local Mapped Pattern), o qual é uma extensão multiescalar do descritor LMP (Local Mapped Pattern). Resultados anteriores presentes na literatura, indicaram que o MSLMP conseguiu resultados superiores aos mencionados anteriormente. Neste trabalho propõe-se uma análise mais abrangente sobre sua viabilidade para concluir que o MSLMP é mais eficaz que os anteriores. Essa análise é feita alterando-se a Matriz de Pesos para os pixels limiarizados. Para avaliar seu desempenho, foi utilizada a base de texturas do Album de Brodatz. Após processá-la pelo descritor MSLMP, com cada uma das matrizes de Pesos propostas neste trabalho, foram comparadas as taxas de acertos alcançadas usando a distância Chi-quadrado. Resultados experimentais mostram um valor de sensibilidade melhor para o descritor MSLMP em comparação aos outros descritores presentes na literatura. |
id |
UNSP_8dcf2d7e8b9a69548b9f273e623fcb7e |
---|---|
oai_identifier_str |
oai:repositorio.unesp.br:11449/138320 |
network_acronym_str |
UNSP |
network_name_str |
Repositório Institucional da UNESP |
repository_id_str |
2946 |
spelling |
Análise do descritor de padrões mapeados localmente em multiescala para classificação de textura em imagens digitaisAnalysis of multi-scale local mapped pattern for texture classification of digital imagesVisão computacionalAnálise de texturaPadrão Mapeado Localmente em Multiescala (MSLMP)Classificação de texturasComputational visionTexture analysisMulti-scale Local Mapped Pattern (MSLMP)Texture classificationNo presente trabalho, apresenta-se uma revisão sobre os principais abordagens para análise e classificação de texturas, entre eles o descritor LBP (Local Binary Pattern), o descritor LFP (Local Fuzzy Patterm) e o descritor MSLMP (Multi-scale Local Mapped Pattern), o qual é uma extensão multiescalar do descritor LMP (Local Mapped Pattern). Resultados anteriores presentes na literatura, indicaram que o MSLMP conseguiu resultados superiores aos mencionados anteriormente. Neste trabalho propõe-se uma análise mais abrangente sobre sua viabilidade para concluir que o MSLMP é mais eficaz que os anteriores. Essa análise é feita alterando-se a Matriz de Pesos para os pixels limiarizados. Para avaliar seu desempenho, foi utilizada a base de texturas do Album de Brodatz. Após processá-la pelo descritor MSLMP, com cada uma das matrizes de Pesos propostas neste trabalho, foram comparadas as taxas de acertos alcançadas usando a distância Chi-quadrado. Resultados experimentais mostram um valor de sensibilidade melhor para o descritor MSLMP em comparação aos outros descritores presentes na literatura.This work, presents a review about the main techniques for analysis and classification of textures, including the LBP descriptor (Local Binary Pattern), the descriptor LFP (Local Fuzzy Pattern) and the descriptor MSLMP (Multi-Scale Local Mapped Pattern), which is a multi-scale extension of the LMP method (Local Mapped Pattern). Previous results present in the literature, indicated that the MSLMP achieved better results than those mentioned above. This work proposes a more comprehensive analysis of its feasibility to conclude that this descriptor is more effective than the others. This analysis is done by changing the weight matrix for the thresholding pixels. To evaluate its performance, it was used the texture base of the Brodatz album. After processing it by the descriptor MSLMP with each of the weights matrices proposed in this work, the achieved hit rates were compared by using the distance Chi-square. Experimental results show a better sensitivity value for MSLMP descriptor in comparison of other descriptors present in the literature.Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)CNPq: 131632/2014-0Universidade Estadual Paulista (Unesp)Boaventura, Maurilio [UNESP]Universidade Estadual Paulista (Unesp)Bravo, Maria Jacqueline Atoche [UNESP]2016-05-16T12:30:13Z2016-05-16T12:30:13Z2016-03-31info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/11449/13832000087272433004153071P06958497786939585porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UNESPinstname:Universidade Estadual Paulista (UNESP)instacron:UNESP2023-11-26T06:14:49Zoai:repositorio.unesp.br:11449/138320Repositório InstitucionalPUBhttp://repositorio.unesp.br/oai/requestopendoar:29462024-08-05T18:47:58.302488Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)false |
dc.title.none.fl_str_mv |
Análise do descritor de padrões mapeados localmente em multiescala para classificação de textura em imagens digitais Analysis of multi-scale local mapped pattern for texture classification of digital images |
title |
Análise do descritor de padrões mapeados localmente em multiescala para classificação de textura em imagens digitais |
spellingShingle |
Análise do descritor de padrões mapeados localmente em multiescala para classificação de textura em imagens digitais Bravo, Maria Jacqueline Atoche [UNESP] Visão computacional Análise de textura Padrão Mapeado Localmente em Multiescala (MSLMP) Classificação de texturas Computational vision Texture analysis Multi-scale Local Mapped Pattern (MSLMP) Texture classification |
title_short |
Análise do descritor de padrões mapeados localmente em multiescala para classificação de textura em imagens digitais |
title_full |
Análise do descritor de padrões mapeados localmente em multiescala para classificação de textura em imagens digitais |
title_fullStr |
Análise do descritor de padrões mapeados localmente em multiescala para classificação de textura em imagens digitais |
title_full_unstemmed |
Análise do descritor de padrões mapeados localmente em multiescala para classificação de textura em imagens digitais |
title_sort |
Análise do descritor de padrões mapeados localmente em multiescala para classificação de textura em imagens digitais |
author |
Bravo, Maria Jacqueline Atoche [UNESP] |
author_facet |
Bravo, Maria Jacqueline Atoche [UNESP] |
author_role |
author |
dc.contributor.none.fl_str_mv |
Boaventura, Maurilio [UNESP] Universidade Estadual Paulista (Unesp) |
dc.contributor.author.fl_str_mv |
Bravo, Maria Jacqueline Atoche [UNESP] |
dc.subject.por.fl_str_mv |
Visão computacional Análise de textura Padrão Mapeado Localmente em Multiescala (MSLMP) Classificação de texturas Computational vision Texture analysis Multi-scale Local Mapped Pattern (MSLMP) Texture classification |
topic |
Visão computacional Análise de textura Padrão Mapeado Localmente em Multiescala (MSLMP) Classificação de texturas Computational vision Texture analysis Multi-scale Local Mapped Pattern (MSLMP) Texture classification |
description |
No presente trabalho, apresenta-se uma revisão sobre os principais abordagens para análise e classificação de texturas, entre eles o descritor LBP (Local Binary Pattern), o descritor LFP (Local Fuzzy Patterm) e o descritor MSLMP (Multi-scale Local Mapped Pattern), o qual é uma extensão multiescalar do descritor LMP (Local Mapped Pattern). Resultados anteriores presentes na literatura, indicaram que o MSLMP conseguiu resultados superiores aos mencionados anteriormente. Neste trabalho propõe-se uma análise mais abrangente sobre sua viabilidade para concluir que o MSLMP é mais eficaz que os anteriores. Essa análise é feita alterando-se a Matriz de Pesos para os pixels limiarizados. Para avaliar seu desempenho, foi utilizada a base de texturas do Album de Brodatz. Após processá-la pelo descritor MSLMP, com cada uma das matrizes de Pesos propostas neste trabalho, foram comparadas as taxas de acertos alcançadas usando a distância Chi-quadrado. Resultados experimentais mostram um valor de sensibilidade melhor para o descritor MSLMP em comparação aos outros descritores presentes na literatura. |
publishDate |
2016 |
dc.date.none.fl_str_mv |
2016-05-16T12:30:13Z 2016-05-16T12:30:13Z 2016-03-31 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/11449/138320 000872724 33004153071P0 6958497786939585 |
url |
http://hdl.handle.net/11449/138320 |
identifier_str_mv |
000872724 33004153071P0 6958497786939585 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Universidade Estadual Paulista (Unesp) |
publisher.none.fl_str_mv |
Universidade Estadual Paulista (Unesp) |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UNESP instname:Universidade Estadual Paulista (UNESP) instacron:UNESP |
instname_str |
Universidade Estadual Paulista (UNESP) |
instacron_str |
UNESP |
institution |
UNESP |
reponame_str |
Repositório Institucional da UNESP |
collection |
Repositório Institucional da UNESP |
repository.name.fl_str_mv |
Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP) |
repository.mail.fl_str_mv |
|
_version_ |
1808128981440921600 |