Análise e classificaçao de imagens baseadas em características de textura utilizando matrizes de co-ocorrencia

Abstract

Resumo: Os métodos de classificação de imagens baseados em características texturais têm sido amplamente utilizados no meio científico e industrial, possuindo aplicações na medicina, microscopía, sensoriamento remoto, controle de qualidade, recuperação de dados em bases gráficas, dentre outras. A característica de textura é uma fonte importante de informações para o processo de análise e interpretação de imagens. Inicialmente, este trabalho apresenta conceitos sobre textura e uma revisão bibliográfica sobre os principais estudos envolvendo técnicas para análise de texturas, principalmente estatísticas de segunda ordem. São avaliados diversos métodos de classificação supervisionada de imagens baseada em informação de textura, tais como o classificador de distância mínima, /o-vizinhos mais próximos, máxima verossimilhança, redes neurais e um novo classificador baseado em intervalos de decisão. Neste trabalho, a textura é definida através de um conjunto de medidas locais descrevendo as variações espaciais de intensidade ou cor. Tais medidas são calculadas utilizando-se matrizes de co-ocorrência. São abordados também detalhes relevantes sobre redução de dimensionalidade, extração e seleção de características que influenciam a precisão e desempenho do classificador. Resultados experimentais utilizando uma grande variedade de imagens reais demonstram a aplicabilidade dos métodos.

Abstract: Image classification methods based on textural characteristics have been greatly used in scientific and industrial area, with applications in medicine, microscopy, remote sensing, control of quality, retrieval of information in graphic databases, among others. The characteristic of texture is an important source of information for the process of image analysis and interpretation. Initially, this work presents concepts of texture and a bibliographic review about the main studies related to techniques for texture analysis, especially statistics of second order. Several image supervised classification methods based on textural information are evaluated, such as minimum distance classifier, nearest neighbor classifier, maximum likelihood classifier, neural networks and a new classifier based on decision intervals. In this work, texture is defined through a set of local features indicating the spatial distribution of intensity or color. Such features are calculated by using co-occurrence matrices. Relevant details on dimensionality reduction, feature extraction and selection that affect the precision and performance of the classifier are also described. Experimental results using a great variety of real images demonstrate the applicability of the methods.