Klasifikace objektů v obraze podle textury

Abstract

Hlavním tématem této práce je klasifikace textur a rozpoznávání objektů v obraze podle textury. Jsou rozebírány různé texturní příznaky včetně několika variant local binary patterns (LBP). Je navržena nová modifikace LBP (weighted spatial LBP), jejímž cílem je zlepšení prostorového pokrytí tradičních LBP. Zřídka používané barevné texturní příznaky jsou také diskutovány. Umělé neuronové sítě a support vector machines jsou použity ke klasifikaci všech zmíněných příznaků. S využitím těchto metod je implementován framework pro klasifikaci textur a segmentaci obrazu. Obsažná texturní databáze je použita k testu úspěšnosti klasifikace za různých podmínek. Nakonec je systém aplikován na reálný problém - segmentaci leteckých snímků.

Main subjects of this thesis are texture classification and texture-based object recognition. Various texture features are being explored, including several variants of local binary patterns (LBP). A novel modification of LBP (weighted spatial LBP) is proposed, with intention to improve on the spatial coverage of the traditional LBP. Rarely used color texture features are being discussed as well. Artificial neural networks and support vector machines are used to classify all the aforementioned features. Using these methods, framework for the texture classification and image segmentation is implemented. Comprehensive texture database is employed to test its performance under different conditions. In the end, the system is applied to solve a real-world problem - the segmentation of aerial photos.