Estudo métodos de extração de características para a classificação de espécies florestais
Visualizar/ Abrir
Data
2014-11-06Autor
Condezo, Yuri Estrella
Kapp, Marcelo Nepomoceno
Metadata
Mostrar registro completoResumo
Neste trabalho foram investigados diferentes métodos de extração de características para
o desenvolvimento de um sistema para o reconhecimento automático de espécies
florestais. Neste tipo de sistema, uma imagem digitalizada de uma madeira é utilizada
como entrada e a espécie florestal da tábua é automaticamente informada como saída.
Os métodos implementados foram: GLCM (Gray Level Co-Occurence Matrix), LBP
(Local Binary Pattern), e LPQ (Linear Phase Quantization). A base de dados utilizada
contém 2.240 imagens pertencentes a 112 espécies florestais distintas (20 imagens por
espécie), que foram catalogadas pelo Laboratório de Anatomia de Madeira da UFPR. As
imagens foram capturadas com um microscópio Olympus Cx40, usando um zoom de
100x, e salvas no formato PNG (do inglês Portable Network Graphics) com uma
resolução de 1024x768 pixels. Para calcular a precisão de reconhecimento atingida,
após cada extração, a amostra foi categorizada em uma espécie utilizando um
classificador chamado K-NN (K-Nearest Neighbor). As performances alcançadas
variaram de apenas 41.37%, para GLCM com 5-NN, até 83.04% por meio da técnica
LPQ com 1-NN. Portanto, tal estudo permitiu conhecer cada técnica, suas limitações e
performances no problema em questão, bem como abriu caminhos para novas
investigações, principalmente em relação a técnica LPQ com variações de tamanhos e
tipos de janelas.