As imagens digitais são frequentemente corrompidas por ruídos ou distorcidas pelo processo de aquisição. A teoria dos conjuntos fuzzy e a lógica fuzzy constituem uma alternativa mais adequada para lidar com tais incertezas, em comparação com os sistemas convencionais, baseados na lógica tradicional (crisp). Este trabalho propõe uma nova metodologia para análise de micropadrões de imagens digitais baseada em números fuzzy. Um micropadrão é uma estrutura de níveis de cinza dos pixels de uma vizinhança e pode descrever o contexto espacial da imagem, como borda, textura, linha, canto e padrões mais complexos. Na literatura de visão computacional, algumas abordagens foram desenvolvidas para extrair estas características, tais como Texture Unit (TU), Local Binary Pattern (LBP) e Fuzzy Number Edge Detector (FUNED). O trabalho apresenta um novo método que modela a distribuição dos níveis de cinza de um micropadrão como um conjunto fuzzy, e com base nas funções de pertinência usadas gera códigos-fuzzy que representam o grau de pertinência de cada pixel vizinho com nível de cinza próximo do pixel central. A metodologia proposta é chamada de Local Fuzzy Pattern (LFP) e é aplicada na análise de textura usando a função sigmoide (LFP-s), a função triangular e simétrica (LFP-t) e a função gaussiana (LFP-g) para calcular o grau de pertinência do pixel central em relação à sua vizinhança. Para avaliar o desempenho da técnica proposta foram usados bases de texturas, cujas imagens foram amostradas aleatoriamente. Após processá-las pelas abordagens LFP-s, LFP-t, LFP-g e LBP, foram comparadas as taxas de acertos alcançadas usando a distância Chi-quadrado. Nos experimentos realizados também é avaliado o esforço computacional do LFP, comparando-o com o descritor LBP. Os resultados mostram que o LFP é eficaz na descrição de textura e que supera o LBP nos diferentes testes realizados. Neste trabalho também é demonstrado que a formulação do LFP é uma generalização de técnicas previamente publicadas, como Texture Unit, Local Binary Pattern e FUNED.

Digital images are often corrupted by noise and distorted by the acquisition process. The fuzzy set theory and fuzzy logic are an alternative more appropriate to deal with these uncertainties, in comparison with conventional treatment based on traditional logic (crisp). This work proposes a new methodology for the analysis of micro-patterns of digital images based on fuzzy numbers. A micro-pattern is the structure of the gray-level pixels within a neighborhood and can describe the spatial context of the image, such as edge, texture, line, corner and more complex patterns. In the literature of computer vision, some approaches have been developed to extract these features, such as Texture Unit (TU), Local Binary Pattern (LBP) and Fuzzy Number Edge Detector (FUNED). This work presents a new method that models the distribution of the gray levels of a micro-pattern as a fuzzy set, and based on the membership functions used generates fuzzy-codes that represent the membership degree of each neighbor pixel neighbor with gray-levels near of the central pixel. The proposed methodology is called Local Fuzzy Pattern (LFP) and is applied in the texture analysis by using a sigmoid (LFP-s), a symmetrical triangular (LFP-t) function and Gaussian function (LFP-g) for calculating the membership degree of a central pixel of a neighborhood. To evaluate the performance of the proposed technique were used two database, whose images were randomly sampled. After processing these images by the LFP-s, LFP-t, LFP-g and LBP approaches, it was compared the hit-rate reached by using the Chi-square distance. In the experiments also evaluated the computational effort of the LFP and surpasses the LBP that the different tests. The results show that the LFP-s is efficient to describe texture and that it surpasses the LBP in different tests. This work also demonstrates that the proposed formulation for the LFP is a generalization of previously published techniques such as Texture Unit, LBP and FUNED.