info:eu-repo/semantics/doctoralThesis
Color–Texture Pattern Classification Using Global–Local Feature Extraction, an SVM Classifier, with Bagging Ensemble Post-Processing
CLASIFICACIÓN DE PATRONES COMPLEJOS DE TEXTURACOLOR MEDIANTE EXTRACCIÓN DE CARACTERÍSTICAS GLOBALES Y LOCALES, UN CLASIFICADOR SVM, Y POSTPROCESAMIENTO
Autor
Navarro-Clavería, Carlos Felipe
Institución
Resumen
Distintas aplicaciones en análisis de imágenes requieren la clasificación precisa de patrones
complejos que incluyen color y textura. En esta tesis se propone un nuevo método para la
clasificación de patrones mediante información de color y textura. El método propuesto incluye
la división de cada imagen en particiones globales y locales, la extracción de características de
textura y color de las particiones usando estadísticos de Haralick y el método binario de
preservación del momento de cuaterniones (BQMP), una etapa de clasificación usando
máquinas de soporte vectorial (SVM) y una etapa final de post-procesamiento empleando un
conjunto combinado (Bagging). Una de las principales contribuciones de este método es la
partición de imágenes, que permite la representación de imágenes en características globales y
locales. Esta partición captura la mayor parte de la información presente en la imagen para la
clasificación de texturas con color, mejorando los resultados de clasificación. El método
propuesto se probó en bases de datos ampliamente utilizadas: Brodatz, VisTex, Outex y KTHTIPS2b, obteniendo tasas de clasificación correctas de 99,88%, 100%, 98,97% y 95,75%,
respectivamente. Estos resultados fueron comparados con los mejores resultados publicados
previamente en las mismas bases de datos, encontrando mejoras significativas en todos los
casos.