Descritores locais de textura para classificação de imagens coloridas sob variação de iluminação (2017)
- Authors:
- Autor USP: NEGRI, TAMIRIS TREVISAN - EESC
- Unidade: EESC
- Sigla do Departamento: SEL
- Subjects: VISÃO COMPUTACIONAL; ILUMINAÇÃO; IMAGEM
- Keywords: Classificação de texturas coloridas; Color texture classification; Descritores locais de textura; Local texture descriptors; Varying illumination
- Language: Português
- Abstract: A classificação de texturas coloridas sob diferentes condições de iluminação é um desafio na área de visão computacional, e depende da eficiência dos descritores de textura em capturar características que sejam discriminantes independentemente das propriedades da fonte de luz incidente sobre o objeto. Visando melhorar o processo de classificação de texturas coloridas iluminadas com diferentes fontes de luz, este trabalho propõe três novos descritores, nomeados Opponent Color Local Mapped Pattern (OCLMP), que combina o descritor de texturas por padrões locais mapeados (Local Mapped Pattern - LMP) com a teoria de cores oponentes; Color Intensity Local Mapped Pattern (CILMP), que extrai as informações de cor e textura de maneira integrada, levando em consideração a textura da cor, combinando estas informações com características da luminância da textura em uma análise multiresolução; e Extended Color Local Mapped Pattern (ECLMP), que utiliza dois operadores para extrair informações de cor e textura de forma integrada (textura da cor) combinadas com informações apenas de textura (sem cor) de uma imagem. Todos esses novos descritores propostos são paramétricos e, sendo o ajuste ótimo de seus parâmetros não trivial, o processo exige um tempo excessivo de computação. Portanto, foi proposto nesta tese a utilização de algoritmos genéticos para o ajuste automático dos parâmetros. A avaliação dos descritores propostos foi realizada em duas bases de dados de texturas coloridas com variação de iluminação: RawFooT (Raw Food Texture Database) e KTH-TIPS- 2b (Textures under varying Illumination, Pose and Scale Database), utilizando-se um classificador.Os resultados experimentais mostraram que os descritores propostos são mais robustos à variação de iluminação do que outros decritores de textura comumente utilizados na literatura. Os descritores propostos apresentaram um desempenho superior aos descritores comparados em 15% na base de dados RawFooT e 4% na base de dados KTH-TIPS-2b
- Imprenta:
- Publisher place: São Carlos
- Date published: 2017
- Data da defesa: 15.12.2017
-
ABNT
NEGRI, Tamiris Trevisan. Descritores locais de textura para classificação de imagens coloridas sob variação de iluminação. 2017. Tese (Doutorado) – Universidade de São Paulo, São Carlos, 2017. Disponível em: http://www.teses.usp.br/teses/disponiveis/18/18152/tde-02032018-112555/. Acesso em: 23 abr. 2024. -
APA
Negri, T. T. (2017). Descritores locais de textura para classificação de imagens coloridas sob variação de iluminação (Tese (Doutorado). Universidade de São Paulo, São Carlos. Recuperado de http://www.teses.usp.br/teses/disponiveis/18/18152/tde-02032018-112555/ -
NLM
Negri TT. Descritores locais de textura para classificação de imagens coloridas sob variação de iluminação [Internet]. 2017 ;[citado 2024 abr. 23 ] Available from: http://www.teses.usp.br/teses/disponiveis/18/18152/tde-02032018-112555/ -
Vancouver
Negri TT. Descritores locais de textura para classificação de imagens coloridas sob variação de iluminação [Internet]. 2017 ;[citado 2024 abr. 23 ] Available from: http://www.teses.usp.br/teses/disponiveis/18/18152/tde-02032018-112555/ - A robust descriptor for color texture classification under varying illumination
- Color texture classification by a local multiscale descriptor
- Robustness of rotation invariant descriptors for texture classification
- Color texture classification by using opponent color and local mapped pattern
- 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