Análise de texturas em imagens: um estudo sobre transformadas de redes complexas
Carregando...
Data
Autores
Orientador
Ribas, Lucas Correia 
Coorientador
Pós-graduação
Curso de graduação
São José do Rio Preto - IBILCE - Ciência da Computação
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Estadual Paulista (Unesp)
Tipo
Trabalho de conclusão de curso
Direito de acesso
Acesso aberto
Resumo
Resumo (português)
A classificação de texturas é uma tarefa central em visão computacional, com aplicações que vão desde o reconhecimento de materiais até a análise de imagens biomédicas. Métodos tradicionais frequentemente apresentam dificuldades em capturar padrões estruturais complexos, evidenciando a necessidade de representações mais robustas. Este trabalho apresenta a Transformada de Rede Complexa (CNT), uma abordagem inovadora que modela texturas por meio de redes complexas e gera imagens transformadas a partir de suas propriedades topológicas, capturando relações estruturais complementares em múltiplas escalas espaciais.
A CNT foi avaliada como (i) módulo de pré-processamento para aprimorar descritores clássicos de textura, (ii) método de aprendizado de representações utilizando Redes Neurais Randomizadas e (iii) técnica de aumento de dados para Redes Neurais Convolucionais. Experimentos em quatro bases de dados de referência -- Outex, USPTex, MBT e 1200Tex -- demonstram que as informações complementares capturadas pelo CNT proporcionam ganhos significativos de desempenho.
Dessa forma, os resultados indicam que a Transformada de Rede Complexa constitui uma ferramenta promissora para a análise de texturas, oferecendo um meio eficaz de integrar informações topológicas, estruturais e multiescalares na representação de padrões visuais.
Resumo (inglês)
Texture classification is a key task in computer vision, with applications ranging from material recognition to biomedical image analysis. Traditional methods often struggle to capture complex structural patterns, highlighting the need for more robust representations. This work introduces the Complex Network Transform (CNT), a novel approach that models textures using complex networks and generates transformed images based on their topological properties, capturing complementary structural relationships across multiple spatial scales.
CNT was evaluated as a (i) preprocessing module to enhance classical texture descriptors, (ii) method for representation learning using Randomized Neural Networks, and (iii) data augmentation technique for Convolutional Neural Networks. Experiments on four benchmark datasets — Outex, USPTex, MBT, and 1200Tex — demonstrate that the complementary information captured by CNT leads to significant performance gains.
Thus, the results indicate that the Complex Network Transform is a promising tool for texture analysis, providing an effective means to integrate topological, structural, and multiscale information in the representation of visual patterns.
Descrição
Palavras-chave
Reconhecimento visual de textura, Visão por computador, Análise Multiescalar, Extração de Características, Aprendizado de Representações, Visual texture recognition, Computer vision, Sistemas de reconhecimento de padrões, Pattern recognition systems
Idioma
Português
Citação
ZERATI, Ana Beatriz Silva. Análise de texturas em imagens: um estudo sobre transformadas de redes complexas. 2025. Trabalho de Conclusão de Curso (Graduação em Ciências da Computação) - Universidade Estadual Paulista, Instituto de Biociências Letras e Ciências Exatas, São José do Rio Preto, 2025.
