Análise do descritor de padrões mapeados localmente em multiescala para classificação de textura em imagens digitais

Abstract

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.

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.