Os avanços em tecnologia multimídia ocasionou um grande crescimento da quantidade de imagens
digitais, em consequência disso, cresceu também a necessidade de métodos mais eficazes e
eficientes para armazenar e recuperar esse conteúdo multimídia. A maioria dos métodos propostos
na literatura alcançam altos níveis de eficiência e eficácia (a cima de 70% de precisão),
entretanto grande parte delas executam experimentos usando bases de imagens pequenas (menos
de 10.000 imagens), previamente classificadas em categorias bem de nidas, facilitando assim a
tarefa de busca e, consequentemente aumentando os níveis de precisão dos descritores avaliados.
Por outro lado, quando esses métodos são avaliados em grandes coleções heterogêneas, o nível de
precisão e relativamente baixo. Pensando nesse problema, esta dissertação propõe o descritor Local
Color Pixel Classication (LCPC), um método baseado em análise local para busca em grandes
bases de imagens. A abordagem proposta extrai características de cor, classificando os pixels como
borda ou interior, usando o mesmo esquema de classificação do método Border/Interior Pixel Classication (BIC), através de um esquema de particionamento simples, mas muito eficiente e eficaz
para incorporar informações espaciais sobre o conteúdo visual da imagem.
Experimentos foram conduzidos usando três bases de imagens, incluindo uma com mais de
100.000 imagens coletadas da Web. Os resultados obtidos mostram que a abordagem proposta e
bastante superior quando comparado com outros descritores visuais previamente apresentados na
literatura, com ganhos em precisão média de 51% até 105%
|
