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

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)