Busca avançada
Ano de início
Entree

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

Processo: 15/20812-5
Linha de fomento:Auxílio à Pesquisa - Regular
Vigência: 01 de março de 2016 - 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
Pesq. associados: Andrew Douglas Arnold Maidment ; Marcelo Andrade da Costa Vieira ; Predrag Bakic
Assunto(s):Visão computacional  Segmentação de imagens  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 (4)
(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. Citações Web of Science: 0.
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. Citações Web of Science: 1.
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. Citações Web of Science: 0.
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. Citações Web of Science: 0.

Por favor, reporte erros na lista de publicações científicas escrevendo para: cdi@fapesp.br.