Image feature extraction for classification of caprine leather quality using local binary pattern

Many computer vision problems find solution in texture recognition methods. Tasks in different areas such as satellite image analysis, industrial inspection, medical image analysis and facial recognition exemplify applications where texture recognition techniques can be used. Local Binary Pattern (LBP) is among a list of different methods for texture feature extraction and has called attention of many academics in the last years and many different variations has been develop to address different kinds of real-world problems. In the Brazilian northeast, texture classification has special potential in the leather processing industry for leather quality classification, which is currently done manually and subjectively. In this scenario, the automation of the quality classification can help to improve the labeling process and at the same time to make process faster and objective. In this sense, this dissertation presents the results of applying the most traditional local binary pattern methods for feature extraction in caprine leather, as well as observing the feasibility for classify seven different types of quality classes. In this work, many different parameters for extraction are tested and LBP combinations are made in order to reach a better feature representation capable of solving the problem. The analysis also includes a comparison between KNN and SVM.Muitos problemas de visão computacional podem ser solucionados por meio de métodos de reconhecimento de textura. Problemas como análise de imagens de satélite, inspeção industrial, diagnóstico médico por imagens, reconhecimento de faces exemplificam aplicações em que podem ser utilizadas técnicas de classificação de textura. Dentre os diferentes métodos de extração de característica está o Local Binary Pattern (LBP) ou Padrão Binário Local, que tem se destacado nos últimos anos e possui diversas variantes direcionadas à solução de diferentes tipos de problemas. No contexto do nordeste brasileiro, aplicações de classificação de textura encontram potencial utilidade na indústria de couro caprino, onde a classificação da qualidade das peças de couro é feita manualmente e de maneira subjetiva. Neste cenário, a automatização da classificação pode ajudar a padronizar o processo de identificação da qualidade de couro, tornando a tarefa mais ágil e objetiva. Neste sentido, este trabalho apresenta os resultados da aplicação dos métodos mais tradicionais de Padrões Binários Locais para extração de características de imagens de couro caprino, verificando a viabilidade para a classificação de sete classes de qualidade. Na proposta, diferentes parâmetros de extração são testados e combinações de extratores LBP são usadas com o objetivo de se obter a melhor configuração de extração necessária para a solução do problema. A análise inclui ainda uma comparação entre o KNN e o SVM para a realização da classificação