Loading...
Publication
Técnicas de análise de textura para processamento de imagem: relação entre a textura de imagens e a textura da sua combinação linear
| Name: | Description: | Size: | Format: | |
|---|---|---|---|---|
| 3.76 MB | Adobe PDF |
Authors
Abstract(s)
No presente trabalho é realizada a revisão de literatura sobre a evolução da
análise de textura para processamento de imagem, incidindo em particular no
método das Matrizes de Co-ocorrência (GLCM). Sendo o objetivo deste trabalho
estudar a proximidade (num espaço e métrica adequados) entre as texturas de um
conjunto de imagens e a textura de uma combinação linear destas, procede-se à
comparação entre a textura de imagens base monocromáticas registadas no
espaço RGB de uma imagem (canais de cores) com duas combinações lineares
com diferentes ponderações dessas imagens base. Adicionalmente a combinações
lineares de textura registadas no espaço RGB de uma mesma imagem, analisa-se
também a proximidade da textura de 4 imagens em formato RGB diferentes à
textura da imagem ponderada obtida pela sua combinação linear. Neste trabalho,
a análise de textura de imagens é realizada com recurso a 20 características de
textura retiradas das Matrizes de Co-ocorrência (GLCM) às quais se aplica a
Análise de Componentes Principais (ACP) para eliminar a correlação entre as
características e proceder à redução da dimensão dos dados. Os resultados
comparam a textura definida pelas componentes principais utilizando as distâncias
de Mahalanobis, representação gráfica e agrupamentos pelo método k-means.
Na maior parte dos exemplos analisados, a textura das combinações lineares das
imagens base registadas a uma mesma imagem em formato RGB mostrou-se
próxima da textura do conjunto de imagens base. Em 5 cenários criados, a textura
das combinações lineares de um conjunto de 4 imagens em formato RGB diferentes
afasta-se claramente da textura das 4 imagens combinadas.
In the present work, a literature review on the evolution of texture analysis for image processing is performed, focusing in particular on the GLCM. The aim of this work is to study the proximity (in an adequate space and metric) between the textures of a set of images and the texture of a linear combination of those images. A comparison is made between the texture of monochrome base images registered in the RGB space of an image (colour channels) with two linear combinations with different weightings of those base images. In addition to linear combinations of texture registered in the RGB space of the same image, it is also analyzed the proximity of the texture of 4 different RGB images, to the texture of the weighted image obtained by their linear combination. In this work, the image texture analysis is performed using 20 texture features taken from the GLCM to which Principal Component Analysis (PCA) is applied to eliminate the correlation between the features and proceed to reduce the dimensionality of the data. The results compare the texture defined by the principal components, using Mahalanobis distances, graphical representation and k-means clustering. In most of the analyzed examples, the texture of the linear combinations of the base images registered to the same image in RGB format was shown to be close to the texture of the base image set. In 5 scenarios created the texture of the linear combinations of a set of 4 different RGB format images clearly departs from the texture of the 4 combined images.
In the present work, a literature review on the evolution of texture analysis for image processing is performed, focusing in particular on the GLCM. The aim of this work is to study the proximity (in an adequate space and metric) between the textures of a set of images and the texture of a linear combination of those images. A comparison is made between the texture of monochrome base images registered in the RGB space of an image (colour channels) with two linear combinations with different weightings of those base images. In addition to linear combinations of texture registered in the RGB space of the same image, it is also analyzed the proximity of the texture of 4 different RGB images, to the texture of the weighted image obtained by their linear combination. In this work, the image texture analysis is performed using 20 texture features taken from the GLCM to which Principal Component Analysis (PCA) is applied to eliminate the correlation between the features and proceed to reduce the dimensionality of the data. The results compare the texture defined by the principal components, using Mahalanobis distances, graphical representation and k-means clustering. In most of the analyzed examples, the texture of the linear combinations of the base images registered to the same image in RGB format was shown to be close to the texture of the base image set. In 5 scenarios created the texture of the linear combinations of a set of 4 different RGB format images clearly departs from the texture of the 4 combined images.
Description
Keywords
Análise de textura Matrizes de Co-ocorrência (GLCM) Análise de componentes principais Método k-means Distância de Mahalanobis Texture analysis GLCM PCA k-means Mahalanobis distance
Citation
Amaral, Manuel Cardoso - Técnicas de análise de textura para processamento de imagem [Em linha]: relação entre a textura de imagens e a textura da sua combinação linear. [S.l.]: [s.n.], 2022. 129 p.