LEITE, G. da C. Análise de campos de ventos oceânicos em imagens SAR. 2011, 128 f. Tese (Doutorado em Engenharia de Teleinformática) - Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2011. / Submitted by Marlene Sousa (mmarlene@ufc.br) on 2012-09-10T17:32:04Z No. of bitstreams: 1 2011_tese_gcleite.pdf: 3800073 bytes, checksum: cf638ba8a521dbfc764964830e08e83a (MD5) / Approved for entry into archive by Marlene Sousa(mmarlene@ufc.br) on 2012-09-10T17:32:25Z (GMT) No. of bitstreams: 1 2011_tese_gcleite.pdf: 3800073 bytes, checksum: cf638ba8a521dbfc764964830e08e83a (MD5) / Made available in DSpace on 2012-09-10T17:32:25Z (GMT). No. of bitstreams: 1 2011_tese_gcleite.pdf: 3800073 bytes, checksum: cf638ba8a521dbfc764964830e08e83a (MD5) Previous issue date: 2011-09 / This thesis introduces a new methodology to determine the wind direction over the ocean surface using image processing techniques on SAR (Synthetic Aperture Radar) images. Related literature demonstrates a growing interest in processing these images for target detection, region classification, wind field extraction, oil spill monitoring, geophysical and meteorological applications. Wind field extraction in SAR images is a challenging task due to contamination acquisition system by speckle noise, which makes difficult processing and interpretation tasks. Thus, this thesis proposes methods for wind direction estimation by applying image transforms, such as Fourier and wavelets and furthermore texture-based methods. The wavelet transforms used for this task are Gabor, Mexican Hat and the à trous algorithm. Concerning the texture approach, it is based on the co-occurrence matrix to estimate direction of linear patterns in speckled images. The experiments were performed on synthetic texture, Brodatz album, synthetic and real SAR images. It was observed that the proposed methods were able to estimate directions of linear patterns and extract wind fields from visible wind-induced streaks on SAR images. The main contributions of this thesis are: to propose methods for wind direction estimation on the ocean surface and to extend existing techniques in the literature in order to provide wind vector estimation in the range of 4 to 10 m/s. The best results of this tese were achieved with the proposed method that combines wavelet transform and texture analysis. / Esta tese introduz uma nova metodologia para determinar a direção do vento sobre a superfície dos oceanos utilizando técnicas de processamento das imagens de Radar de Abertura Sintética (SAR, do inglês Synthetic Aperture Radar). A literatura relacionada demonstra um crescente interesse no processamento dessas imagens para detecção de alvos, classificação de regiões, extração de campos de ventos, monitoramento de derrames de óleo, aplicações geofísicas e meteorológicas. A extração de campos de ventos em imagens SAR é uma tarefa desafiadora devido à contaminação das mesmas por um ruído oriundo do sistema de aquisição, denominado speckle, que dificulta tarefas de processamento e interpretação das mesmas. Portanto, esta tese propõe metodologias de extração da direção do vento por transformada de Fourier, transformadas wavelets e métodos baseados em textura. As transformadas wavelets utilizadas para esta tarefa são Gabor, Chapéu Mexicano e o algoritmo à trous. Com relação à análise de textura utilizada, esta se baseia na informação espacial da matriz de co-ocorrência dos níveis de cinza para estimar a direção de padrões lineares em imagens contaminadas com speckle. Os experimentos foram realizados em imagens de textura sintéticas, imagens do álbum de Brodatz e imagens SAR sintéticas e reais. Foi observado que os métodos propostos foram capazes de estimar direções de padrões lineares e extrair campos de streaks de vento visíveis em imagens SAR reais. As principais contribuições desta tese são: o método proposto para estimação de direção de ventos na superfície do oceano e a extensão de técnica já existente na literatura, possibilitando assim a estimação da velocidade dos ventos na faixa de 4 a 10 m/s. Os melhores resultados obtidos nesta tese foram alcançados utilizando o método proposto que combina transformada wavelet e análise de textura.

El color y la textura son dos estímulos visuales importantes para la interpretación de las imágenes. La definición de descriptores computacionales que combinan estas dos características es aún un problema abierto. La dificultad se deriva esencialmente de la propia naturaleza de ambas, mientras que la textura es una propiedad de una región, el color es una propiedad de un punto.Hasta ahora se han utilizado tres los tipos de aproximaciones para la combinación, (a) se describe la textura directamente en cada uno de los canales color, (b) se describen textura y color por separado y se combinan al final, y (c) la combinación se realiza con técnicas de aprendizaje automático. Considerando que este problema se resuelve en el sistema visual humano en niveles muy tempranos, en esta tesis se propone estudiar el problema a partir de la implementación directa de una teoría perceptual, la teoría de los textons, y explorar así su extensión a color.Puesto que la teoría de los textons se basa en la descripción de la textura a partir de las densidades de los atributos locales, esto se adapta perfectamente al marco de trabajo de los descriptores holísticos (bag-of-words). Se han estudiado diversos descriptores basados en diferentes espacios de textons, y diferentes representaciones de las imágenes. Asimismo se ha estudiado la viabilidad de estos descriptores en una representación conceptual de nivel intermedio.Los descriptores propuestos han demostrado ser muy eficientes en aplicaciones de recuperación y clasificación de imágenes, presentando ventajas en la generación de vocabularios. Los vocabularios se obtienen cuantificando directamente espacios de baja dimensión y la perceptualidad de estos espacios permite asociar semántica de bajo nivel a las palabras visuales. El estudio de los resultados permite concluir que si bien la aproximación holística es muy eficiente, la introducción de co-ocurrencia espacial de las propiedades de forma y color de los blobs de la imagen es un elemento clave para su combinación, hecho que no contradice las evidencias en percepción. / Colour and texture are important visual cues for image understanding. The definition of computational descriptors that combine both features is still an open problem. The difficulty is essentially due to the inherent nature of both cues, while texture is a property of a region, colour is a property of a point.Since now three approaches have been used for combining cues, (a) texture is directly described in each one of the colour channels, (b) texture and colour are described separately and combined in a latter step, and (c) the combination is done using machine learning techniques. Considering that this issue is solved at early stages of the human visual system, in this work we propose to study the problem using a direct implementation of a perceptual theory, the texton theory, and to explore its extension to colour.Since texton theory is based on the description of texture by the densities of local attributes, this matches perfectly with an holistic framework where descriptors are based on bag-of-words. Some descriptors based on different textons spaces and different image representations have been studied. Furthermore, the feasibility of these descriptors has also been studied for intermediate levels of image representation.The proposed descriptors have proved high efficiency in retrieval and image classification. They also present some advantages in vocabulary generation. The quantification is done directly on low-dimensional spaces, whose perceptual properties allow low-level semantic associations to the visual words. The results make us to conclude that although the performance of holistic approaches is high, the introduction of spatial co-ocurrence of blob properties, shape and colour, is a key element for their combination. This conclusion agrees with perceptual evidences.

Made available in DSpace on 2014-06-12T15:52:47Z (GMT). No. of bitstreams: 1 license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2009 / Apesar dos avanços no campo de hardware gráfico, a memória destes dispositivos ainda é um recurso escasso para aplicações usuais. Além disso, para a maioria das aplicações baseadas em rasterização a largura de banda disponível no sistema é um importante fator limitante para o aumento da performance nesses sistemas. Compressão de Texturas tem como objetivo resolver ambos os problemas. Nós apresentamos uma nova técnica para compressão de texturas baseada em síntese de texturas a partir de amostras. A textura comprimida armazena a amostra mais alguns dados, coletados durante a síntese, permitindo a descompressão em tempo-real da textura em maior resolução. Com esse esquema nós somos capazes de alcançar taxas de compressão elevadas. Uma vez que a textura é sintetizada, nosso esquema comprime a textura em alta resolução sem perda de qualidade. Nossa solução explora um espectro de texturas onde algoritmos gerais de compressão de textura não alcançam taxas ótimas de compressão. Essas geralmente são texturas com padrões repetidos, regulares ou quase-regulares, as estocásticas, exatamente os tipos de texturas onde síntese de texturas tende a funcionar bem. Também apresentamos uma formulação analítica para nosso esquema de compressão que permite a computação exata das taxas de compressão alcançadas

Made available in DSpace on 2014-06-12T15:55:56Z (GMT). No. of bitstreams: 2 arquivo2333_1.pdf: 9687115 bytes, checksum: 05308f192ae57f127b9e3ce70ed2293c (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2010 / Faculdade de Amparo à Ciência e Tecnologia do Estado de Pernambuco / A composição de cenas com alto grau de realismo sempre foi um forte tema de pesquisa em Computação Gráfica. Muitas vezes, gerar cenas naturais requer uma compreensão prévia dos agentes que alteram a aparência do ambiente e de como integrá-los a efeitos processados no computador. Trabalhos recentes têm buscado estudar a variação de aparência decorrente de efeitos relacionados a envelhecimento ou degradação, buscando uma representação visualmente fiel dos mesmos através de simulações. Nós propomos neste trabalho um método que manipula a variação de aparência em imagens, levando-se em conta que suas variações de cor e iluminação podem oferecer informações fundamentais sobre o efeito envolvido e seu comportamento. Isso nos permite associar efeitos de degradação entre diversos materiais, realizar combinações e até mesmo adquirir a aparência da imagem em diferentes instantes no tempo, simulando um processo de restauração ou de envelhecimento. Comparado aos trabalhos anteriores, buscamos uma abordagem alternativa para estimar e controlar efeitos de degradação, capaz de gerar novas imagens e materiais com requisitos mínimos de tempo e interação do usuário, sem deixar de oferecer bons resultados. Também introduzimos algumas técnicas que estabelecem um maior controle em imagens com alto nível especular, ajustando esta informação para obter resultados mais coerentes na transferência de outros materiais, adquirindo uma melhor fidelidade em suas propriedades visuais

Made available in DSpace on 2014-06-12T16:00:52Z (GMT). No. of bitstreams: 2 arquivo7071_1.pdf: 1074316 bytes, checksum: ae42371c0825a3d3028fce648dba00e3 (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2011 / Conselho Nacional de Desenvolvimento Científico e Tecnológico / Integrar harmoniosamente a forma e a aparência de objetos sintetizados ainda é um dos maiores desafios da Computação Gráfica. Para alguns objetos específicos, como animais com padrões na pelagem, informações de forma e aparência estão intimamente ligadas por uma relação de dependência, logo, o tratamento separado destes dois aspectos dificulta o processo como um todo e limita os resultados visuais. Uma abordagem para resolver esse problema efetua o processamento de ambas as etapas - criação da forma e aparência - em conjunto, gerando assim texturas denominadas inteligentes, visto que estas devem se adaptar à superfície do objeto de acordo com os critérios geométricos do mesmo. O Modelo Mosaico de Clones - MClone - apresentou uma abordagem para a síntese inteligente de texturas que representam padrões de pelagem em alguns mamíferos tais como os grandes felinos e a girafa. Esta dissertação estende o modelo MClone para a simulação biologicamente plausível de padrões de pelagem contrastantes, em sua maioria que se manifestam nas cores branco e preto, sendo este padrão distribuído de forma aleatória - como se vê facilmente em algumas espécies de cavalos, vacas, gatos, dentre outros - ou estruturada, como o padrão listrado de zebras. As principais contribuições são a adição de um modelo de crista neural e de campos vetoriais definidos na superfície do objeto para controle das simulações. Os resultados visuais obtidos para vários mamíferos com padrões contrastantes como vacas, cavalos, e zebras, confirmam as vantagens de uma abordagem integradora como a do modelo MClone para geração procedural de texturas de uma ampla coleção de objetos do Reino Animal

A análise de texturas tem atraído um crescente interesse em visão computacional devido a sua importância na caracterização de imagens. Basicamente, as pesquisas em texturas podem ser divididas em duas categorias: texturas estáticas e texturas dinâmicas. As texturas estáticas são caracterizadas por variações de intensidades que formam um determinado padrão repetido espacialmente na imagem. Por outro lado, as texturas dinâmicas são padrões de texturas presentes em uma sequência de imagens. Embora muitas pesquisas tenham sido realizadas, essa área ainda se encontra aberta a estudos, principalmente em texturas dinâmicas por se tratar de um assunto recente e pouco explorado. Este trabalho tem como objetivo o desenvolvimento de pesquisas que abrangem ambos os tipos de texturas nos âmbitos teórico e prático. Em texturas estáticas, foram propostos dois métodos: (i) baseado em caminhadas determinísticas parcialmente auto-repulsivas e dimensão fractal - (ii) baseado em atividade em redes direcionadas. Em texturas dinâmicas, as caminhadas determinísticas parcialmente auto-repulsivas foram estendidas para sequências de imagens e obtiveram resultados interessantes em reconhecimento e segmentação. Os métodos propostos foram aplicados em problemas da biologia e nanotecnologia, apresentando resultados interessantes para o desenvolvimento de ambas as áreas. / Texture analysis has attracted an increasing interest in computer vision due to its importance in describing images. Basically, research on textures can be divided into two categories: static and dynamic textures. Static textures are characterized by intensity variations which form a pattern repeated in the image spatially. On the other hand, dynamic textures are patterns of textures present in a sequence of images. Although many studies have been carried out, this area is still open to study, especially in dynamic textures since it is a recent and little-explored subject. This study aims to develop research covering both types of textures in theoretical and practical fields. In static textures, two methods were proposed: (i) based on deterministic partially self-avoiding walks and fractal dimension - (ii) based on activity in directed networks. In dynamic textures, deterministic partially self-avoiding walks were extended to sequences of images and obtained interesting results in recognition and segmentation. The proposed methods were applied to problems of biology and nanotechnology, presenting interesting results in the development of both areas.

A análise de texturas tem atraído um crescente interesse em visão computacional devido a sua importância na caracterização de imagens. Basicamente, as pesquisas em texturas podem ser divididas em duas categorias: texturas estáticas e texturas dinâmicas. As texturas estáticas são caracterizadas por variações de intensidades que formam um determinado padrão repetido espacialmente na imagem. Por outro lado, as texturas dinâmicas são padrões de texturas presentes em uma sequência de imagens. Embora muitas pesquisas tenham sido realizadas, essa área ainda se encontra aberta a estudos, principalmente em texturas dinâmicas por se tratar de um assunto recente e pouco explorado. Este trabalho tem como objetivo o desenvolvimento de pesquisas que abrangem ambos os tipos de texturas nos âmbitos teórico e prático. Em texturas estáticas, foram propostos dois métodos: (i) baseado em caminhadas determinísticas parcialmente auto-repulsivas e dimensão fractal - (ii) baseado em atividade em redes direcionadas. Em texturas dinâmicas, as caminhadas determinísticas parcialmente auto-repulsivas foram estendidas para sequências de imagens e obtiveram resultados interessantes em reconhecimento e segmentação. Os métodos propostos foram aplicados em problemas da biologia e nanotecnologia, apresentando resultados interessantes para o desenvolvimento de ambas as áreas. / Texture analysis has attracted an increasing interest in computer vision due to its importance in describing images. Basically, research on textures can be divided into two categories: static and dynamic textures. Static textures are characterized by intensity variations which form a pattern repeated in the image spatially. On the other hand, dynamic textures are patterns of textures present in a sequence of images. Although many studies have been carried out, this area is still open to study, especially in dynamic textures since it is a recent and little-explored subject. This study aims to develop research covering both types of textures in theoretical and practical fields. In static textures, two methods were proposed: (i) based on deterministic partially self-avoiding walks and fractal dimension - (ii) based on activity in directed networks. In dynamic textures, deterministic partially self-avoiding walks were extended to sequences of images and obtained interesting results in recognition and segmentation. The proposed methods were applied to problems of biology and nanotechnology, presenting interesting results in the development of both areas.

Diversas abordagens vêm sendo empregadas para a descrição de texturas, entre elas a teoria dos conjuntos fuzzy e lógica fuzzy. O Local Fuzzy Pattern (LFP) é um descritor de texturas diferente dos demais métodos baseados em sistemas fuzzy, por não utilizar regras linguísticas e sim números fuzzy que são usados na codificação de um padrão local de escala de cinza. Resultados anteriores indicaram o LFP como um descritor eficaz para a classificação de texturas a partir de amostras rotacionadas ou não. Este trabalho propõe uma análise mais abrangente sobre sua viabilidade para aplicação em cada um desses problemas, além de propor uma modificação a este descritor, adaptando-o para a captura de padrões em multiresolução, o Sampled LFP. A avaliação da performance do LFP e do Sampled LFP para o problema de classificação de texturas foi feita através da aplicação de uma série de testes envolvendo amostras de imagens rotacionadas ou não das bases de imagens Outex, álbum de Brodatz e VisTex, onde a sensibilidade obtida por esses descritores foi comparada com um descritor de referência, a variante do Local Binary Pattern (LBP) melhor indicada para o teste em execução. Os resultados apontaram o LFP como um descritor não indicado para aplicações que trabalhem exclusivamente com amostras não rotacionadas, visto que o LBP mostrou maior eficácia para este tipo de problema. Já para a análise de amostras rotacionadas, o Sampled LFP se mostrou o melhor descritor entre os comparados. Todavia, foi verificado que o Sampled LFP somente supera o LBP para resoluções de análise maiores ou iguais a 32x32 pixels e que o primeiro descritor é mais sensível ao número de amostras usadas em seu treinamento do que o segundo, sendo, portanto, um descritor indicado para o problema de classificação de amostras rotacionadas, onde seja possível trabalhar com imagens a partir de 32x32 pixels e que o número de amostras utilizadas para treinamento seja maximizado. / Several approaches have been employed for describing textures, including the fuzzy sets theory and fuzzy logic. The Local Fuzzy Pattern is a texture descriptor different from other methods based on fuzzy systems, which use linguistic rules to codify a texture. Instead, fuzzy numbers are applied in order to encode a local grayscale pattern. Previous results indicated the LFP as an effective descriptor employed to characterize statically oriented and rotated textures samples. This paper proposes a more comprehensive analysis of its feasibility for use in each of these problems, besides proposing a modification to this descriptor, adapting it to capture patterns in multiresolution, the Sampled LFP. The LFP and Sampled LFP performance evaluation when applied to the problem of texture classification was conducted by applying a series of tests involving images samples, rotated or not, from image databases such as Outex, the Brodatz album and Vistex, where the sensitivity obtained by these descriptors were compared with a reference descriptor, the variant Local Binary Pattern (LBP) best suited to running the test. The results indicated the LFP as a descriptor not suitable for applications who work exclusively with non-rotated samples, since the LBP showed greater efficacy for this problem kind. As for rotated samples analysis, the Sampled LFP proved the best descriptor among those compared. However, it was determined that the Sampled LFP only overcomes the LBP when the analysis resolutions are greater or equal to 32x32 pixels, besides that, the first descriptor is more sensitive to the number of training samples than the latter, therefore, this descriptor is indicated for the problem of rotated samples classification, where it is possible to work with resolution from 32x32 pixels while maximizing the number of samples used for training.

Diversas abordagens vêm sendo empregadas para a descrição de texturas, entre elas a teoria dos conjuntos fuzzy e lógica fuzzy. O Local Fuzzy Pattern (LFP) é um descritor de texturas diferente dos demais métodos baseados em sistemas fuzzy, por não utilizar regras linguísticas e sim números fuzzy que são usados na codificação de um padrão local de escala de cinza. Resultados anteriores indicaram o LFP como um descritor eficaz para a classificação de texturas a partir de amostras rotacionadas ou não. Este trabalho propõe uma análise mais abrangente sobre sua viabilidade para aplicação em cada um desses problemas, além de propor uma modificação a este descritor, adaptando-o para a captura de padrões em multiresolução, o Sampled LFP. A avaliação da performance do LFP e do Sampled LFP para o problema de classificação de texturas foi feita através da aplicação de uma série de testes envolvendo amostras de imagens rotacionadas ou não das bases de imagens Outex, álbum de Brodatz e VisTex, onde a sensibilidade obtida por esses descritores foi comparada com um descritor de referência, a variante do Local Binary Pattern (LBP) melhor indicada para o teste em execução. Os resultados apontaram o LFP como um descritor não indicado para aplicações que trabalhem exclusivamente com amostras não rotacionadas, visto que o LBP mostrou maior eficácia para este tipo de problema. Já para a análise de amostras rotacionadas, o Sampled LFP se mostrou o melhor descritor entre os comparados. Todavia, foi verificado que o Sampled LFP somente supera o LBP para resoluções de análise maiores ou iguais a 32x32 pixels e que o primeiro descritor é mais sensível ao número de amostras usadas em seu treinamento do que o segundo, sendo, portanto, um descritor indicado para o problema de classificação de amostras rotacionadas, onde seja possível trabalhar com imagens a partir de 32x32 pixels e que o número de amostras utilizadas para treinamento seja maximizado. / Several approaches have been employed for describing textures, including the fuzzy sets theory and fuzzy logic. The Local Fuzzy Pattern is a texture descriptor different from other methods based on fuzzy systems, which use linguistic rules to codify a texture. Instead, fuzzy numbers are applied in order to encode a local grayscale pattern. Previous results indicated the LFP as an effective descriptor employed to characterize statically oriented and rotated textures samples. This paper proposes a more comprehensive analysis of its feasibility for use in each of these problems, besides proposing a modification to this descriptor, adapting it to capture patterns in multiresolution, the Sampled LFP. The LFP and Sampled LFP performance evaluation when applied to the problem of texture classification was conducted by applying a series of tests involving images samples, rotated or not, from image databases such as Outex, the Brodatz album and Vistex, where the sensitivity obtained by these descriptors were compared with a reference descriptor, the variant Local Binary Pattern (LBP) best suited to running the test. The results indicated the LFP as a descriptor not suitable for applications who work exclusively with non-rotated samples, since the LBP showed greater efficacy for this problem kind. As for rotated samples analysis, the Sampled LFP proved the best descriptor among those compared. However, it was determined that the Sampled LFP only overcomes the LBP when the analysis resolutions are greater or equal to 32x32 pixels, besides that, the first descriptor is more sensitive to the number of training samples than the latter, therefore, this descriptor is indicated for the problem of rotated samples classification, where it is possible to work with resolution from 32x32 pixels while maximizing the number of samples used for training.

Texture is one of the most primitive characteristics of objects. Digital images represent this property as local intensity variations in the image. Consequently, texture is an attribute that is innately present in virtually every digital image; mathematically describing this information leads to a myriad of different applications, from food qualities processing up to medical image analysis. It comes as no surprise that texture has been one of the most researched topics in the computer vision community, and it continues to receive a great deal of attention. One of the most classic approaches to model texture is the statistically-based co-occurrence matrix method. The present dissertation work revolves around a clever variation of the co- occurrence matrix that incorporates rotation-invariance, a very desirable property for texture classification. This variation is taken from previous work in the literature and is used to propose a robust fuzzy orthoimage classifier. Moreover, the original rotation- invariant approach is modified though a generalization and benchmarked with one of the most widely-used texture description methods in the recent literature: the Local Binary Patterns approach. The results indicate that Fuzzy Logic is a powerful tool to build texture-based classifiers that have to deal with diversely-sourced image samples; the results also indicate that the generalization proposal, which originates the here named CCM and RCM texture description methods, offers a significant performance boost that is comparable, and even better than Local Binary Patterns approach when comparing accuracy scores. / A textura é uma das características mais básicas dos objetos. As imagens digitais representam esta propriedade como variações de intensidade locais na imagem. Consequentemente, a textura é um atributo que se encontra presente de forma inerente em praticamente todas as imagens digitais; descrever matematicamente esta informação produz uma série de inúmeras aplicações, desde processamento da qualidade dos alimentos até análise de imagens médicas. Não é surpreendente que a pesquisa em textura seja um dos tópicos mais pesquisados pela comunidade de visão por computador, e ainda continua recebendo muita atenção. Um dos modelos mais clássicos para modelar textura é o método estatístico da matriz de co- ocorrência. Esta dissertação gira em torno a uma modificação inteligente da matriz de co-ocorrência que inclui invariância à rotação, uma característica muito desejável para a classificação de texturas. Esta variação toma-se de um trabalho na literatura e é utilizada para propor um classificador nebuloso de imagens aéreas. Além disso, a definição matemática original é modificada através da generalização dos descritores e se realiza um estudo comparativo com um dos métodos de descrição de textura mais usados na literatura recente: o método Local Binary Patterns. Os resultados indicam que a Lógica Nebulosa é uma ferramenta poderosa para construir classificadores baseados em textura que precisem trabalhar com amostras tomadas de diversas fontes; os resultados também indicam que a proposta de generalização, que leva o nome de método CCM e RCM, oferece um incremento significativo no desempenho que é comparável, inclusive superior, ao método Local Binary Patterns, quando comparadas as taxas de acerto para ambos os métodos.