Extração de Características do Padrão Speckle para Classificação de Perturbações em Fibra Óptica
Nome: INGRID ANDRADE REIS
Tipo: Dissertação de mestrado acadêmico
Data de publicação: 22/10/2021
Orientador:
Nome |
Papel |
|---|---|
| EVANDRO OTTONI TEATINI SALLES | Orientador |
Banca:
| Nome |
Papel |
|---|---|
| EVANDRO OTTONI TEATINI SALLES | Orientador |
| MARIA JOSE PONTES | Examinador Interno |
| SHIRLEY PERONI NEVES CANI | Examinador Externo |
Resumo: Em fibras óticas multimodo, um padrão de manchas, ou specklegrama, aparece na saída das fibras quando iluminadas por uma luz coerente. Neste caso, o fenômeno responsável pela geração do specklegrama é a interferência entre os diferentes modos propagados na fibra. Tendo em vista a sensibilidade desse padrão a mudanças na fibra óptica, são desenvolvidos sensores capazes de detectar diferentes tipos de perturbações, como vibrações, deformações e deslocamentos. Trabalhos anteriores mostram que há correlação entre a
distância em que uma perturbação é gerada em uma fibra óptica e as mudanças que ocorrem em seu padrão speckle. Devido à sua aparência granular, é proposto neste trabalho um sistema de classificação de imagens do padrão speckle utilizando redes neurais baseado em características extraídas por descritores de textura, de forma a avaliar se tais aspectos também conseguem representar o specklegrama. Para isso, utilizou-se dois bancos de
imagens obtidos em experimentos com fibras ópticas poliméricas e, para cada um deles, comparou-se os resultados de acurácia para diferentes conjuntos de características. Elas foram extraídas por dois extratores de textura, o Local Binary Pattern (LBP) e a Gray Level Co-occurrence Matrix (GLCM). Os resultados mostraram que foi possível classificar a localização da posição das perturbações, especialmente ao utilizar o operador LBP uniforme e invariante à rotação aplicado às imagens quando divididas em 25 blocos.
Palavras-chave: Extração de características, Análise de Textura, Speckle, LBP, GLCM, Redes Neurais.
