Descritores de texturas robustos à rotação, variação de iluminação e cores

• Processo: 15/20812-5
• Modalidade de apoio: Auxílio à Pesquisa - Regular
• Data de Início da vigência: 01 de março de 2016
• Data de Término da vigência: 28 de fevereiro de 2018
• Área do conhecimento: Engenharias - Engenharia Elétrica
• Pesquisador responsável: Adilson Gonzaga
• Beneficiário: Adilson Gonzaga
• Instituição Sede: Escola de Engenharia de São Carlos (EESC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Pesquisadores associados: Andrew Douglas Arnold Maidment ; Marcelo Andrade da Costa Vieira ; Predrag Bakic
• Assunto(s): Visão computacional Segmentação de imagens Processamento de imagens
• Palavra(s)-Chave do Pesquisador: Descritores de Texturas | Processamento de imagens | segmentação de imagens | Visão Computacional | Processamento de Imagens

Resumo

A análise de texturas exerce papel fundamental em visão computacional. No entanto, a falta de uma definição matemática e de uma taxionomia de consenso entre os diversos pesquisadores da área indicam soluções, na maioria das vezes baseadas em heurísticas. Nesta linha, o descritor mais eficiente e moderno é o conhecido Local Binary Pattern (LBP). Esta abordagem tem se mostrado bastante eficiente quanto à sensibilidade, precisão ou acurácia no reconhecimento e segmentação de texturas em imagens. Porém, em ambientes não controlados, ou seja, quando as imagens ou vídeos são adquiridas sem controle de iluminação ou orientação das estruturas intrínsecas da textura, a maioria dos modelos falham ou consomem tempo computacional exorbitante. Nossa proposta, resultado de pesquisa anterior aprovada pela FAPESP e denominada Local Mapped Pattern (LMP), tem gerado resultados mais robustos que o LBP e é na verdade uma generalização deste. É um modelo paramétrico que necessita ser investigado mais a fundo para produzir resultados mais eficientes tanto de desempenho como de tempo de execução. Neste plano de pesquisa propomos a evolução do LMP orientado a duas ações: desempenho e execução. No quesito desempenho propomos desenvolver descritores que classifiquem texturas com mais precisão que o LBP, tanto em imagens mamográficas como em imagens obtidas em ambientes não controlados, onde as texturas podem estar rotacionadas, com variação de iluminação e em cores. E, para reduzir o tempo computacional, propomos avaliar a redução da dimensão dos descritores sem perda de desempenho. (AU)

Publicações científicas

(10)

(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)

DE OLIVEIRA, HELDER C. R.; MENCATTINI, ARIANNA; CASTI, PAOLA; CATANI, JULIANA H.; DE BARROS, NESTOR; GONZAGA, ADILSON; MARTINELLI, EUGENIO; DA COSTA VIEIRA, MARCELO A.. A cross-cutting approach for tracking architectural distortion locii on digital breast tomosynthesis slices. Biomedical Signal Processing and Control, v. 50, p. 92-102, APR 2019. (15/20812-5)

FERRAZ, CAROLINA TOLEDO; GONZAGA, ADILSON. Object classification using a local texture descriptor and a support vector machine. MULTIMEDIA TOOLS AND APPLICATIONS, v. 76, n. 20, p. 20609-20641, OCT 2017. (15/20812-5)

NEGRI, TAMIRIS TREVISAN; ZHOU, FANG; OBRADOVIC, ZORAN; GONZAGA, ADILSON. Extended color local mapped pattern for color texture classification under varying illumination. JOURNAL OF ELECTRONIC IMAGING, v. 27, n. 1, JAN 2018. (15/20812-5)

JUNIOR, OSMANDO PEREIRA; OLIVEIRA, HELDER CESAR RODRIGUES; FERRAZ, CAROLINA TOLEDO; SAITO, JOSE HIROKI; VIEIRA, MARCELO ANDRADE DA COSTA; GONZAGA, ADILSON. A Novel Fusion-Based Texture Descriptor to Improve the Detection of Architectural Distortion in Digital Mammography. JOURNAL OF DIGITAL IMAGING, v. 34, n. 1, NOV 2020. (15/20812-5)

COSTA, ARTHUR C.; OLIVEIRA, HELDER C. R.; BORGES, LUCAS R.; VIEIRA, MARCELO A. C.; BOSMANS, H; MARSHALL, N; VANONGEVAL, C. Transfer Learning in Deep Convolutional Neural Networks for Detection of Architectural Distortion in Digital Mammography. 15TH INTERNATIONAL WORKSHOP ON BREAST IMAGING (IWBI2020), v. 11513, p. 8-pg., 2020-01-01. (15/20812-5, 18/19888-5)

NEGRI, TAMIRIS TREVISAN; ZHOU, FANG; OBRADOVIC, ZORAN; GONZAGA, ADILSON; IMAI, F; TREMEAU, A; BRAZ, J. A Robust Descriptor for Color Texture Classification Under Varying Illumination. PROCEEDINGS OF THE 12TH INTERNATIONAL JOINT CONFERENCE ON COMPUTER VISION, IMAGING AND COMPUTER GRAPHICS THEORY AND APPLICATIONS (VISIGRAPP 2017), VOL 4, v. N/A, p. 11-pg., 2017-01-01. (15/20812-5)

DE OLIVEIRA, HELDER C. R.; MORAES, DIEGO R.; RECHE, GUSTAVO A.; BORGES, LUCAS R.; CATANI, JULIANA H.; DE BARROS, NESTOR; MELO, CARLOS F. E.; GONZAGA, ADILSON; VIEIRA, MARCELO A. C.; ARMATO, SG; et al. A New Texture Descriptor Based on Local Micro-Pattern for Detection of Architectural Distortion in Mammographic Images. MEDICAL IMAGING 2017: COMPUTER-AIDED DIAGNOSIS, v. 10134, p. 9-pg., 2017-01-01. (15/20812-5)

DE SOUZA, JONES MENDONCA; GONZAGA, ADILSON. Human iris feature extraction under pupil size variation using local texture descriptors. MULTIMEDIA TOOLS AND APPLICATIONS, v. 78, n. 15, p. 20557-20584, AUG 2019. (15/20812-5)

VIEIRA, RAISSA TAVARES; NEGRI, TAMIRIS TREVISAN; GONZAGA, ADILSON. Improving the classification of rotated images by adding the signal and magnitude information to a local texture descriptor. MULTIMEDIA TOOLS AND APPLICATIONS, v. 77, n. 23, p. 31041-31066, DEC 2018. (15/20812-5)

DE OLIVEIRA, HELDER C. R.; MENCATTINI, ARIANNA; CASTI, PAOLA; MARTINELLI, EUGENIO; DI NATALE, CORRADO; CATANI, JULIANA H.; DE BARROS, NESTOR; MELO, CARLOS F. E.; GONZAGA, ADILSON; VIEIRA, MARCELO A. C.; et al. Reduction of false-positives in a CAD scheme for automated detection of architectural distortion in digital mammography. MEDICAL IMAGING 2018: COMPUTER-AIDED DIAGNOSIS, v. 10575, p. 10-pg., 2018-01-01. (15/20812-5)