Resumen de Pixel-based image classification through integration of multiple texture feature extraction methods
Aquesta tesi aborda el problema de la classificació dels components d'una imatge a partir de la informació de textura, La textura és un dels estímuls visuals més utilitzats en Visió per Computador, però també un dels més difícils de definir i modelar, degut a que la textura és intrínsecament sorollosa per natura i està afectada per factors externs que alteren la seva percepció. Per això, l'anàlisi de textures és un camp de recerca amb gran activitat a l'actualitat.Dins dels àmbits de segmentació i classificació de textures, cal tenir en compte dos aspectes fonamentals: la determinació de mètodes d'extracció de característiques de textura adequats, i el desenvolupament d'estratègies adequades per tal d'obtenir bons resultats de segmentació o classificació.En aquesta tesi s'han estudiat els principals mètodes d'extracció de característiques de textura i s'ha proposat una metodologia per a la classificació de textures que integra les característiques texturals generades per mètodes pertanyents a diferents famílies, els quals són avaluats usant finestres de diverses mides. Això és novedós respecte dels classificadors de textura actuals, els quals estan basats en mètodes d'extracció de característiques de textura específics, generalment pertanyents a la mateixa família i avaluats sobre una única mida de finestra definida experimentalment.El classificador desenvolupat en aquesta tesi està orientat a la identificació de models de textura que poden estar presents en una imatge d'entrada, donat un conjunt de models coneguts a priori. Per tant, degut a que diverses regions d'una imatge poden contenir textures diferents, l'objectiu de la metodologia proposada és classificar cada píxel d'una imatge dins del model de textura al qual pertany.La tècnica de classificació que es presenta està basada en la teoria de decisió de Bayes i permet integrar la informació de textura subministrada per diversos m
