Reconhecimento de Padrões Speckle baseado em Textura para Sensoriamento a Fibra Óptica

Ingrid A. Reis, Evandro Salles, Camilo Arturo Rodriguez Diaz, Arnaldo Leal Junior, Anselmo Frizera

DOI: 10.14209/sbrt.2021.1570723621

Evento: XXXIX Simpósio Brasileiro de Telecomunicações e Processamento de Sinais (SBrT2021)

Keywords: Extração de características Análise de Textura Speckle Aprendizado de máquina

Abstract

Resumo-Neste trabalho é apresentado um sistema de classificação, baseado na textura do padrão speckle, para determinação de 5 regiões em que uma fibra óptica é perturbada mecanicamente. É realizado um pré-processamento das imagens adquiridas experimentalmente, utilizando dois diferentes descritores de textura, o Local Binary Pattern (LBP) e a Gray Level Co-occurrence Matrix (GLCM), os quais são empregados em uma Rede Neural Artificial. Os resultados mostram que tanto o LBP quanto a GLCM foram capazes de classificar a localização da deformação, atingindo 99,67% de acurácia com 250 características e 83,47% com 16 características, respectivamente. Palavras-Chave-Extração de características, Análise de Textura, Speckle, LBP, GLCM, Redes Neurais Abstract-This work presents a classification system, based on the texture of the speckle pattern, to determine 5 different regions in which an optical fiber is mechanically perturbed. A pre-processing of experimentally acquired images is performed using two different texture descriptors, the Local Binary Pattern (LBP) and the Gray Level Co-occurrence Matrix (GLCM), and inserted into an Artificial Neural Network. The results show that both LBP and GLCM were able to classify the location of the deformation, reaching 99.67% accuracy using 250 features and 83.47% accuracy using 16 features, respectively.

Download