Descrição de texturas invariante a rotação e escala para identificação e reconhecimento de imagens

• Main Author: Montoya Zegarra, Javier Alexandre
• Other Authors: UNIVERSIDADE ESTADUAL DE CAMPINAS
• Format: Others
• Language: Portuguese
• Published: [s.n.] 2007
• Subjects: Análise de imagem; Processamento de imagens; Banco de dados; Sistemas de recuperação de informação; Image analysis; Image processing; Databases; Information retrieval systems
• Online Access: MONTOYA ZEGARRA, Javier Alexandre. Descrição de texturas invariante a rotação e escala para identificação e reconhecimento de imagens. 2007. 104p. Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Computação, Campinas, SP. Disponível em: <http://www.repositorio.unicamp.br/handle/REPOSIP/276078>. Acesso em: 11 ago. 2018.; http://repositorio.unicamp.br/jspui/handle/REPOSIP/276078

Orientadores: Neucimar Jeronimo Leite, Ricardo da Silva Torres === Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Computação === Made available in DSpace on 2018-08-11T13:50:45Z (GMT). No. of bitstreams: 1 MontoyaZegarra_JavierAlexandre_M.pdf: 8116822 bytes, checksum: 20c3ccd74b0a3060683796bd65cd766f (MD5) Previous issue date: 2007 === Resumo: Uma importante característica de baixo nível, utilizada tanto na percepção humana como no reconhecimento de padrões, é a textura. De fato, o estudo de textura tem encontrado diversas aplicações abrangendo desde segmentação de textura até síntese, classificação e recuperação de imagens por conteúdo.Apesar das múltiplas técnicas eficientes e eficazes propostas para classificação e recuperação, ainda há alguns desafios que precisam ser superados como, por exemplo, a necessidade de descritores de imagens compactos e robustos a serem empregados na consulta e classificação de bases de imagens de textura. Esta dissertação propõe um descritor de imagens de textura visando à busca e à recuperação de bases de dados de imagens. Este descritor baseia-se na Decomposição Piramidal Steerable caracterizada por sua análise de forma invariante à rotação ou à escala. Resultados preliminares conduzidos em cenários não-controlados demonstraram caráter promissor da abordagem. No que diz respeito à classificação de imagens de textura, esta dissertação propõe ao mesmo tempo um sistema de reconhecimento, o qual possui como principais características representações compactas de imagens e módulos de reconhecimento eficientes. O descritor proposto é utilizado para codificar a informação relevante de textura em vetores de características pequenos. Para tratar os requisitos de eficiência do reconhecimento, uma abordagem multi-classe baseada no classificador de Floresta de Caminhos Ótimos é utilizada. Experimentos foram condl!zidos visando avaliar o sistema proposto frente a outros métodos de classificação. Resultados experimentais demonstram a superioridade do sistema proposto === Abstract: An important low-level image feature used in human perception as well as in recognition is texture. 1n fact, the study of texture has found several applications ranging from texture segmentation to texture synthesis, classification, and image retrieval. Although many efficient and effective techniques have been proposed for texture classification and retrieval, there are still some challenges to overcome. More specifically, there is a need for a compact and robust image descriptor to query and classify texture image databases. 1n order to search and query image databases, this dissertation provides a texture image descriptor, which is based on a modification of the Steerable Pyramid Decomposition, and is also characterized by its capabilities for representing texture images in either rotation-invariant or scale-invariant manners. Preliminary results conducted in non-controlled scenarios have demonstrated the promising properties of the approach. 1n order to classify texture im.ages, this dissertation also provides a new recognition system, which presents as main features, compact image representations and efficient recognition tasks. The proposed image descriptor is used to encode the relevant texture information in small size feature vectors. To address the efficiency recognition requirements, a novel multi-class object recognition method based on the Optimum Path Forest classifier is used. To evaluate our proposed system against different methods, several experiments were conducted. The results demonstrate the superiority of the proposed system === Mestrado === Ciência da Computação === Mestre em Ciência da Computação