Detalhes bibliográficos
| Ano de defesa: |
2019 |
| Autor(a) principal: |
DANTAS, Marrone Silvério Melo |
| Orientador(a): |
REN, Tsang Ing |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Dissertação
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Universidade Federal de Pernambuco
|
| Programa de Pós-Graduação: |
Programa de Pos Graduacao em Ciencia da Computacao
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Brasil
|
| Palavras-chave em Português: |
|
| Link de acesso: |
https://repositorio.ufpe.br/handle/123456789/35191
|
Resumo: |
Local Binary Pattern (LBP) é um simples e poderoso descritor visual utilizado para classificação de texturas e diversas outras aplicações em visão computacional. Apesar do LBP seu uma poderosa ferramenta ele pode apresentar algumas limitações, já que seu processamento pode gerar o mesmo código para padrões de texturas diferentes, além de possuir uma fraca robustez a diversos tipos de ruído. O Local Vector Quantization Pattern (LVQP) é uma extensão do LBP que tem como proposta lidar com essas limitações. Neste trabalho propomos o método Difference Quantization Pattern (DQP), que é a utilização do vetor de diferenças em conjunto com a técnica de clusterização conhecida como quantização de vetores, e o combinamos com o LVQP para propor o D-LVQP. Para o D-LVQP, os histogramas resultantes do DQP e LVQP são concatenados e usados como características para um classificador -NN. O método proposto foi aplicado em cinco bases: UIUC, CURET, KTH-TIPS, KTH-TIPS2 e BRODATZ. D-LVQP obteve uma acurácia superior em todos os casos quando comparado ao LVQP, demonstrando assim uma maior robustez. |
