Comparação das Técnicas de Extração de Características HOG e LBP para Deteção de Glaucoma em Retinografias

Abstract

A Organização Mundial da Saúde (OMS) considera o glaucoma como a doença ocular crônica que é a segunda maior causa de cegueira no mundo. Existem diversas técnicas de aprendizado de máquina que podem auxiliar na detecção do glaucoma. Neste artigo, avaliamos três combinações: dez diferentes canais de espaço de cores, dois extratores de características (HOG e LBP) com três diferentes parâmetros em cada e cinco diferentes algoritmos de aprendizado de máquina. Os melhores resultados na base de dados Drishti foram alcançados em 4 combinações diferentes, indicando que tanto o HOG quanto o LBP discriminam texturas, e que o classificador SVM, com kernel RBF ou linear, atingem acurácia de 88,23%.