Os coeficientes de Hurst e de variação espacial aplicados na tarefa de classificação de espécies vegetais
Resumo
A identificação de espécies vegetais é crucial em várias áreas do cotidiano, como na indústria alimentícia, medicinal, etc. Porém, ainda hoje o processo de taxonomia vegetal é executado manualmente, na maioria dos casos. A falta de processos automatizados para essa tarefa motivou este trabalho, que apresenta a aplicação de dois métodos na extração de características texturais de imagens, o coeficiente de Hurst e de variação espacial. O objetivo é a extração de dados relevantes que caracterizem e diferenciem cada espécie para que seja realizada a classificação automática. As imagens analisadas são amostras de texturas de diferentes espécies vegetais. Neste trabalho procurou-se estudar métodos já conhecidos na literatura e testar possíveis melhorias e ajustes nas estratégias de análise textural. A proposta apresentada aplica uma combinação dos cálculos dos dois métodos, onde foi observada uma maior capacidade de descrição comparada com os resultados de cada método aplicado individualmente, além de manter o custo computacional. Na classificação foram utilizados algoritmos de inteligência artificial, como redes neurais e k-vizinhos mais próximos. Nos experimentos foram utilizadas 40 espécies diferentes de plantas, onde o classificador foi capaz de alcançar uma porcentagem de acerto de 71,41%.
Referências
A. S. ROSÁRIO, R. S. SECCO, D. D. AMARAL, J. U. M. SANTOS, and M. N. C.
BASTOS, Flórula Fanerogâmica das Restingas do Estado do Pará. Ilhas de Algodoal e Maiandeua-2. Myrtaceae A.L. de Jussieu, Boletim do Museu Paraense
Emílio Goeldi, Série Ciências Naturais, vol. 1, pp. 31-42, set./dez. 2005.
B. JULESZ, Visual Pattern Discrimination, Information Theory, IRE Transactions on, vol. 8, no. 2, pp. 84-92, 1962.
B. JULESZ, E. N. GILBERT, L. A. SHEPP, and H. L. FRISCH, Inability of
Humans to Discriminate between Visual Textures that Agree in Second-Order
Statistics-Revisited, Perception, vol. 2, no. 4, pp. 391-405, 1973.
K. R. STERN, S. JANSKY, and J. E. BIDLACK, Introductory Plant Biology. New
York: McGraw-Hill, 2003.
J. X. DU, D. S. HUANG, X. F. WANG, and X. GU, Computer-Aided Plant Species
Identication (CAPSI) based on Leaf Shape Matching Technique, Transactions
of the Institute of Measurement and Control, vol. 28, no. 3, pp. 275-285, 2006.
J. X. DU, X. F. WANG, and G. J. ZHANG, Leaf Shape based Plant Species
Recognition, Applied Mathematics and Computation, vol. 185, no. 2, pp. 883-893,
R. O. PLOTZE and O. M. BRUNO, Automatic Leaf Structure Biometry: Computer Vision Techniques and their Applications in Plant Taxonomy, International
Journal of Pattern Recognition and Articial Intelligence, vol. 23, no. 2, pp. 247-
, 2009.
B. B. MACHADO, D. CASANOVA, W. N. GONÇALVES, and O. M. BRUNO,
Partial Dierential Equations and Fractal Analysis to Plant Leaf Identication,
in Journal of Physics: Conference Series, vol. 410, p. 12066, IOP Publishing, 2013.
D. CASANOVA, Identicação de Espécies Vegetais por Meio da Análise de Textura
Foliar. Dissertação de Mestrado, Instituto de Ciências Matemáticas e de Computação, Universidade de São Paulo, São Paulo, SP, Brasil, 2008.
W. N. GONÇALVES, A. R. BACKES, A. S. MARTINEZ, and O. M. BRUNO,
Texture Descriptor based on Partially Self-Avoiding Deterministic Walker on
Networks, Expert Systems with Applications, vol. 39, no. 15, pp. 11818-11829,
H. E. HURST, R. P. BLACK, and Y. M. SIMAIKA, Long-Term Storage: an
Experimental Study. Constable, 1965.
E. OLIVEIRA NUNES and A. CONCI, Texture Segmentation and Edge Location
of Regions in Multiband Images, Latin America Transactions, IEEE (Revista
IEEE America Latina), vol. 5, no. 3, pp. 184-191, 2007.
K. FALCONER, Fractal Geometry: Mathematical Foundations and Applications.
John Wiley & Sons, 2004.
A. CONCI, E. AZEVEDO, and F. R. LETA, Computação Gráca, vol. 2. Rio de
Janeiro: Elsevier, 2007.
M. A. ARBIB, The Handbook of Brain Theory and Neural Networks. The MIT
Press, 1995.
T. M. MITCHELL, Machine Learning, vol. 45. Burr Ridge, IL: McGraw Hill, 1997.