Pada tahap tertentu, melakukan augmentasi citra untuk penggandaan data dapat berdampak negatif terhadap pekerjaan klasifikasi, terutama pada objek yang memiliki pola tekstur dengan arah tertentu (anisotropik). Hal ini disebabkan oleh CNN yang tidak invarian terhadap rotasi.

Untuk memanfaatkan tekstur anisotropik dan isotropik (yang tidak memiliki arah tertentu), dilakukan ekstraksi fitur dengan teknik diskrit. Ekstraksi fitur dengan transformasi wavelet (DWT) untuk pola arah spesifik mengubah fitur energi wavelet secara signifikan, sedangkan untuk pola isotropik tidak. Untuk mengatasi masalah tersebut, transformasi radon pertama-tama digunakan untuk mendapatkan arah utama untuk tekstur anisotropik. Hasil dari transformasi wavelet hanya bersifat invarian rotasi secara global.

Dalam penelitian ini, kami mengusulkan pendekatan baru untuk mendapatkan kumpulan fitur yang kuat dengan menggabungkan invarian rotasi lokal dan global, sebagai keluaran dari LBP-ROR dan transformasi wavelet. Penelitian kami menunjukkan bahwa kinerja penggabungan ini lebih baik daripada penelitian sebelumnya.

Selengkapnya dapat diakses di sini.