Approved for public release, distribution is unlimited / ine discrimination of similar soil classes was produced by the BRDF variations in the high-spatial resolution panchromatic image. Texture analysis results depended on the directionality of the gray level co-occurrence matrix (GLCM) calculation. Combining the different modalities of analysis did not improve the overall classification, perhaps illustrating the consequences of the Hughes paradox (Hughes, 1968) / Flight Lieutenant, Royal Thai Air Force

Le cancer est chaque année responsable de 7,6 millions de décès dans le monde. L'amélioration des traitements constitue donc un enjeu majeur de santé publique. Il a été démontré que l'association d'un diagnostic précoce et d'un traitement efficace était associée à un impact significatif sur la survie des patients. De nombreux facteurs pronostics de la survie ont été identités et sont actuellement utilisés en routine clinique. Ce diagnostic est souvent réalisé en partieà l'aide de l'imagerie de Tomographie par Emission de Positons (TEP), cette dernière s'étantavérée être un outil très performant pour l'identification des tumeurs et métastases dans uncertain nombre de modèles de cancer. La TEP fait partie des modalités d'imagerie fonctionnelleet a donc le potentiel de fournir des informations liées à la biologie sous-jacente des cancers.Toutefois, du fait de sa faible résolution spatiale, elle n'avait que très peu été utilisée avec cet objectif.Ce travail de thèse a consisté à étudier des paramètres quantitatifs pouvant être extraitsde ces images, plus spécifiquement ceux permettant la caractérisation de l'hétérogénéité intratumorale. Nous avons pu identifier un ensemble de paramètres issus de l'analyse de texture quisont reproductibles, robustes aux effets de volume partiel et à la méthode de segmentation, etvraisemblablement liés à la physiologie tumorale. Nous avons également pu mettre en évidencele potentiel de ces paramètres extraits d'images de diagnostic, pour contribuer à la prédiction dela réponse thérapeutique ainsi que comme facteur pronostic. Ces nouveaux indices quantitatifspourraient à relativement court terme venir compléter les facteurs de référence courammentutilisés aujourd'hui en oncologie pour la prise en charge thérapeutique des patients. / Cancer is responsible every year for the death of 7.6 million people. Treatments improvement is thus of the greatest importance regarding public health. The association of an early diagnosis with an efficient treatment was shown to lead to a significant impact on patients survival rates. Numerous prognostic factors have been identified and are now being used in clinical routine. Nowadays, Positron Emission Tomography (PET) imaging is often used for tumor and metastasis identification because of its established accuracy in numerous cancer models. PET belongs to the functional imaging techniques and may potentially therefore provide information relative to cancer biology. Nevertheless, because of its low spatial resolution, this technique has not been extensively considered for such a purpose. This thesis work aimed at studying quantitative parameters that could be extracted from PET images through texture analysis, in order to characterize tumor heterogeneity. We identified a set of reproducible parameters, robust with respect to partial volume effects as well as segmentation methods that are probably related to the tumor physiology. We have also demonstrated the power of these parameters obtained from diagnostic images for contributing in predicting the therapeutic response as prognostic factors. These new quantitative parameters could in the relatively short term be utilized complementarily to standard oncology factors for patient management purposes.

Grâce aux informations spatiales et spectrales qu'elle apporte, l'imagerie multispectrale de la peau est devenue un outil incontournable de la dermatologie. Cette thèse a pour objectif d'évaluer l’intérêt de cet outil pour la cosmétologie à travers trois études : la détection d'un fond de teint, l'évaluation de l'âge et la mesure de la rugosité.Une base d'images multispectrales de peau est construite à l'aide d'un système à multiples filtres optiques. Une phase de prétraitement est nécessaire à la standardisation et à la mise en valeur de la texture des images.Les matrices de covariance des acquisitions peuvent être représentées dans un espace multidimensionnel, ce qui constitue une nouvelle approche de visualisation de données multivariées. De même, une nouvelle alternative de réduction de la dimensionnalité basée sur l'ACP est proposée dans cette thèse. L'analyse approfondie de la texture des images multispectrales est réalisée : les paramètres de texture issus de la morphologie mathématique et plus généralement de l'analyse d'images sont adaptés aux images multivariées. Dans cette adaptation, plusieurs distances spectrales sont expérimentées, dont une distance intégrant le modèle LIP et la métrique d'Asplünd.Les résultats des prédictions statistiques générées à partir des données de texture permettent de conclure quant à la pertinence du traitement des données et de l'utilisation de l'imagerie multispectrale pour les trois études considérées. / Thanks to its precision in spatial and spectral domain, multispectral imaging has become an essential tool in dermatology. This thesis focuses on the interest of this technology for cosmetological parameters assessment through three different studies: the detection of a foundation make-up, age assessment and roughness measurement.A database of multispectral skin images is build using a multiple optical filters system. A preprocessing step allows to standardize those texture images before their exploitation.Covariance matrices of mutispectral acquisitions can be displayed in a multidimensional scaling space which is a novel way to represent multivariate data sets. Likewise, a new dimensionality reduction algorithm based on PCA is proposed in this thesis.A complete study of the images texture is performed: texture features from mathematical morphology and more generally from image analysis are expanded to the case of multivariate images. In this process, several spectral distances are tested, among which a new distance associating the LIP model to the Asplund metric.Statistical predictions are generated from texture data. Thoses predictions lead to a conclusion about the data processing efficiency and the relevance of multispectral imaging for the three cosmetologic studies.

Neste trabalho é apresentado um método para reconhecimento de seres humanos através da textura da íris. A imagem do olho é processada através da análise do gradiente, com uma técnica de dispersão aleatória de sementes. Um vetor de características é extraído para cada íris, baseado na análise dos componentes wavelet em diversos níveis de decomposição. Para se mensurar as distâncias entre esses vetores foi utilizado o cálculo da distância Euclidiana, gerando-se curvas recall x precision para se medir a eficiência do método desenvolvido. Os resultados obtidos com algumas famílias wavelets demonstraram que o método proposto é capaz de realizar o reconhecimento humano através da íris com uma precisão eficiente. / This work presents a method for recognition of human beings by iris texture. The image of the eye is processed through gradient analysis, based on a random dispersion of seeds. So, it is extracted a feature vector for each iris based on wavelet transform in some levels of decomposition. To estimate the distances between these vectors it was used the Euclidean distance, and recall x precision curves are generated to measure the efficiency of the developed method. The results gotten with some wavelets families had demonstrated that the proposed methodology is capable to do human recognition through the iris with an efficient precision.

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.

O presente trabalho propõe o uso de parâmetros de textura extraídos computacionalmente de IRM como biomarcadores de imagem na predição de recorrência tumoral em pacientes de adenomas pituitários clinicamente não funcionantes (APNF). Para isso, esse estudo analisou imagens de RM de 15 pacientes de APNF retrospectivamente separados em dois grupos: O grupo de pacientes recorrentes, definido por 7 pacientes que exibiram recorrência tumoral em um período de 4, 640 +- 0, 653 anos (média +- erro padrão) de acompanhamento clínico após a primeira abordagem cirúrgica; e o grupo de pacientes estáveis, formado por 8 pacientes com lesões consideradas estáveis em um período de 4,512 +- 0, 536 anos. Uma máscara de segmentação tridimensional da lesão tumoral foi construída manualmente por um especialista sobre a imagem 3D T1-W DCE pré-operatória para cada paciente. Em seguida, essa segmentação e a própria imagem de ressonância foram usadas para extrair 48 características numéricas de textura. Adicionalmente, 4 características clínicas foram consideradas no estudo: a imunohistoquímica, invasividade, idade na primeira cirurgia e sexo, totalizando 52 características. Cada uma destas 52 características fora testada através de testes estatísticos convencionais univariados para ver se existia evidencias do poder discriminatório dessas características para diferenciar esses dois grupos de pacientes. Mais adiante, diferentes subconjuntos dessas características foram usados para construir modelos de predição baseados na teoria de aprendizagem de máquinas (usando os algoritmos k-nearest neighbor (kNN), decision tree (DTC), e random forest (RFC)) para investigar um modelo de classificação capaz de identificar os pacientes que experimentariam recorrência tumoral após a primeira cirurgia. 9 características de textura foram consideradas individualmente significantes (p < 0, 05) na diferenciação dos grupos de paciente recorrente e estável. Afirmando esses achados, a análise com a curva ROC para cada uma das 9 características exibiu medidas de AUC de 0,803 a 0,857 significando uma boa performance de classificação. A idade, imunoistoquímica, invasividade e sexo não mostraram evidencias de associação com recorrência tumoral. As melhores performances com algoritmos de classificação foram com kNN e RFC, ambos atingiram uma especificidade de 1,000 conservando alta acurácia (0,933) e obtendo 0,991 na análise com a curva ROC, o que caracteriza uma performance de classificação quase perfeita. DTC não mostrou nenhuma melhora se comparado com os resultados das classificações univariadas. Esses resultados permitem concluir que parâmetros de textura são úteis na predição de recorrência tumoral após a primeira cirurgia em pacientes de APNF. E que os valores de predição dessas características podem ser observados por testes estatísticos univariados convencionais e por análises multivariadas através de algoritmos baseados em aprendizagem de máquinas / The present work proposes the usage of texture features computationally extracted from MRI as imaging biomarkers in the prediction of tumor recurrence in patients with non-functioning pituitary adenomas (NFPA). With this purpose, this study analyzed MR images from 15 patients of NFPA retrospectively separated in two groups: the recurrent patient group, formed by seven (7) patients who exhibited tumor recurrence in a period of 4,640 +- 0,653 years (mean +- standard error) of follow-up period after the first surgical approach; and the stable patient group formed by eight (8) patients with lesions considered stable in a period of 4,512 +- 0,536 years. A three-dimensional segmentation mask of the tumor lesion was manually performed by a specialist over preoperative 3D T1-W DCE MR image for each patient. Next, this segmentation and the preoperative MRI itself were used to extract 48 numerical textural features. Additionally, 4 clinical features were considered in the study: immunohistochemistry, invasiveness, age at first surgery, and gender, totalizing 52 features. Each one of those 52 features were tested through conventional univariate statistical tests to see if there were evidence of their discrimination power to differentiate these two patient groups. Moreover, different subsets of those features were used to build machine learning prediction models (using k-nearest neighbor (kNN), decision tree (DTC), and random forest (RFC) algorithms) to investigate a classification model capable of identifying the patients that would experience tumor recurrence after the first surgery. 9 quantitative textural features were found to be individually significant (p < 0,05) in the differentiation of recurrent and stable patient group. Affirming these findings, the ROC curve analysis for each one of those 9 features exhibited an AUC score from 0.803 to 0.857 meaning a good classification performance. Age, immunohistochemistry and invasiveness status, and gender did not show evidence of association with tumor recurrence. The best performances with classification algorithms were obtained with kNN and RFC, both reached specificity of 1.000 conserving high accuracy (0.933) and scoring 0.991 in ROC curve analysis, what characterizes an almost perfect classification performance. DTC did not show any improvement compared to the univariate classification results. These findings allow to conclude that textural features are useful in the prediction of tumor recurrence after first surgery in NFPA patients. And that the prediction value of those features can be observed with both conventional univariate statistical tests and multivariate analyses through machine learning algorithms

A l’ère de la médecine personnalisée, de la génomique et des thérapies ciblées, les outils quantitatifs en imagerie médicale, et en particulier en imagerie fonctionnelle par Tomographie par Emission de Positons (TEP), apparaissent incontournables. Au-delà de la mesure de l’intensité de la fixation, il est possible de disposer d’index quantitatifs caractérisant l’ensemble du volume tumoral métabolique et d’en évaluer l’hétérogénéité. L’objectif de ce travail a été d’étudier la valeur de nouveaux indices quantitatifs en imagerie TEP, permettant une analyse plus globale de la tumeur. Une première partie du travail est méthodologique et concerne la caractérisation et la compréhension de l’hétérogénéité tumorale à partir de l’image métabolique, étape ayant permis d’identifier les indices de texture les plus pertinents pour les applications cliniques. Deux séries de patients seront ensuite utilisées pour explorer l’apport de ces indices volumétriques et de texture. Pour des cancers pulmonaires, nos résultats suggèrent que la mesure de l’hétérogénéité tumorale reflète des caractéristiques histologiques de la tumeur. Une deuxième série de résultats montrent que les mesures de volumes métaboliques sont des critères plus pertinents que les indices conventionnels pour l’évaluation des chimiothérapies néoadjuvantes au cours des cancers pulmonaires de stade localement avancé. Une corrélation entre les modifications quantitatives sous traitement et les résultats histologiques post-thérapeutiques a permis de valider l’utilisation de ces indices. Dans les cancers mammaires, nos résultats suggèrent que les tumeurs présentant des signes histologiques d’agressivité, notamment les tumeurs de phénotype triple négatif, présentent une texture plus hétérogène que les autres types. Ainsi, nos travaux montrent qu’une approche quantitative plus globale de la tumeur en imagerie TEP permet d’améliorer l’évaluation pronostique pré-thérapeutique et sous traitement des cancers / In the era of personalized medicine, genomics and targeted therapies, the availability of quantitative tools assisting the interpretation of medical images is essential. In Positron Emission Tomography (PET), beyond measurements of uptake intensity, it is possible to derive quantitative index characterizing the metabolic volume or the tumoral heterogeneity. The objective of this work was to investigate the value of new quantitative indices to enhance PET imaging, allowing for a more comprehensive analysis of the whole tumor. The first part of the work deals with methodological issues associated with the measurement of tumor heterogeneity using textural index. In particular, we identified the most robust and informative textural index for clinical applications. Two sets of patients have then been used to explore the contribution of metabolic volume and texture analysis in PET. In lung cancer patients, our results suggest that the measurement of tumor heterogeneity gives some information regarding the histological features of the tumor. A second set of results shows that metabolic volume is more relevant than conventional indices for evaluating the impact of neoadjuvant chemotherapy in locally advanced stages. A correlation between quantitative changes during treatment and post-treatment histology results was used to demonstrate the relevance of these indices. In breast cancer patients, our results suggest that tumors with aggressive immunohistological patterns, particularly triple-negative phenotype, have a more heterogeneous texture than other types. In summary, our results suggest that a more comprehensive quantitative characterization of the metabolic activity distribution in tumor using PET imaging improves the pre-therapeutic and prognostic evaluation of cancer.

Texture analysis is an active area of research and plays an important role in computer vision applications. Texture, along with color and shape, contains important features of an image. Texture analysis allows to characterize regions inside an image by using descriptors. These descriptors are applied in the study of texture classification, in which the goal is to identify features that characterize a particular texture and assign a label to an image based on these features. Because of the importance of texture analysis in computer vision, researchers are continually devising and developing new descriptors, with the aim to improve the discriminative power of texture features of an image. A difficult task in texture analysis is to compare these descriptors and verify which are the most suitable for each type of image. The lack of a good review and comparison of descriptors cause that some applications do not use the most appropriate descriptor for a specific type of texture. Therefore, in this dissertation it was developed a research and collaboration platform for the analysis and comparison of texture descriptors and texture datasets. The platform aims to support the researchers in the area of texture analysis, specifically in texture classification. The platform was useful to perform an extensive comparison of texture descriptors and various texture datasets. Using the platform, in some datasets the results produced were better than those previously found in the literature. The results indicate that the classification accuracy varies according to the descriptor and classifier employed. By varying the parameters of texture descriptors it was possible to get different, yet better, classification accuracies. / A análise de textura é uma área ativa de pesquisa que desempenha um papel importante em aplicações de visão computacional. A textura, juntamente com a cor e a forma, contém características importantes de uma imagem. A análise de textura permite caracterizar regiões dentro de uma imagem usando descritores. Esses descritores são aplicados no estudo de classificação de texturas, no qual o objetivo é identificar características que distingam uma determinada textura e atribuir um rótulo a uma imagem baseada nessas características. Devido à importância da análise de textura na visão computacional, os pesquisadores estão continuamente criando e desenvolvendo novos descritores, com o objetivo de melhorar o poder discriminativo dessas características em uma imagem. Uma tarefa difícil na análise de textura é comparar esses descritores e verificar quais são os mais adequados para cada tipo de tipo de imagem. A falta de uma boa revisão e comparação de descritores de textura pode fazer com que algumas aplicações não utilizem o descritor mais adequado para um tipo específico de textura. Portanto, nesta dissertação foi desenvolvida uma plataforma de pesquisa e colaboração para a análise e comparação de descritores de textura e conjuntos de dados de textura. A plataforma visa apoiar os pesquisadores na área de análise de textura, especificamente na classificação de texturas. A plataforma foi útil para realizar uma comparação extensiva de descritores de textura e vários conjuntos de dados de textura. Com essa plataforma, em alguns conjuntos de dados os resultados encontrados foram melhores que aqueles encontrados anteriormente na literatura. Os resultados indicam que a acurácia de classificação muda segundo o descritor e o classificador usado. Mudando os valores dos parâmetros dos descritores de textura foi possível obter acurácias diferentes e até melhores.

A complexidade é uma característica de grande importância em processos de reconhecimento de padrões, especialmente naqueles que envolvem imagens biológicas. Este trabalho tem como objetivo estudar métodos que realizam a análise de imagens por meio da análise de sua complexidade. Os métodos a serem estudados foram selecionados com base na similaridade de seus algoritmos e metodologia: dimensão fractal, Caminhada Determinística do Turista e Redes Complexas. Estes métodos permitem realizar a análise e segmentação de formas ou texturas contidas em uma imagem com base na sua variação de complexidade. Dos três métodos considerados, dois deles fazem parte do estado da arte em análise de complexidade, enquanto que a dimensão fractal já é aplicada a mais tempo na análise de formas e texturas. Os trabalhos aqui desenvolvidos visam comparar e analisar os métodos selecionados por meio de experimentos com imagens de forma e texturas, sendo utilizadas texturas naturais e de Brodatz, freqüentemente utilizadas na literatura como benchmark para texturas. Com base no conhecimento adquirido, novas técnicas voltadas para a análise e segmentação de formas e texturas foram desenvolvidas, assim como foram analisadas as deficiências e propostas melhorias às técnicas estudadas. Além disso, diversos experimentos com estas metodologias foram realizados em aplicações de Bioinformática / Complexity is a feature of great importance in pattern recognition processes, especially those involving biological images. This work aims to study methods that perform image analysis by the analysis of its complexity. The methods to be studied were selected based on similarity of their algorithms and methodology: fractal dimension, Deterministic Tourist Walk and Complex Networks. These methods enable us to perform the analysis and segmentation of shapes and textures contained in an image based on the variation of its complexity. Of the three methods considered, two of them are part of the state of the art in complexity analysis, while the fractal dimension is already applied in shapes and textures analysis. The work developed here aims to compare and analyze the selected methods through experiments with shape and texture images, utilizing for this natural and Brodatz textures samples, often used in literature as benchmark for textures analysis. Based on the knowledge acquired, new techniques for analysis and segmentation of shapes and textures were developed, as also were analyzed the deficiencies and proposed improvements to the techniques studied. Moreover, several experiments with these methods were performed in bioinformatics applications

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.