Análise de cenários para classificação de dados de sensoriamento remoto usando otimização multiobjetivo e hierarquia de classes
Autor(a) principal: | |
---|---|
Data de Publicação: | 2012 |
Tipo de documento: | Tese |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações do INPE |
Texto Completo: | http://urlib.net/sid.inpe.br/mtc-m19/2012/02.29.20.00.49 |
Resumo: | Este trabalho propõe um método para análise automática de cenários para a classifi-cação de imagens em sensoriamento remoto. Em uma tarefa típica de classificação de imagens, o analista decide inicialmente vários parâmetros a serem utilizados, como o tipo do classificador, o conjunto de classes de interesse e o conjunto de atributos que melhor caracteriza suas classes. Em um processo de tentativa e erro, muitas vezes é necessário que se encontre a melhor combinação desses parâmetros, aquela que dará um resultado mais satisfatório na classificação. O método proposto modela a busca por esses parâmetros como um problema de otimização multiobjetivo, em que os diversos anseios do usuário podem ser considerados. Além de melhor desempenho na classificação, o uso do sistema exige menos conhecimento específico do usuário sobre o comportamento dos atributos e das classes de interesse. O problema da otimização é resolvido por um algoritmo evolutivo que busca a fronteira de Pareto do problema. O resultado são as soluções de compromisso, ou seja, aquelas que atendem o conjunto de objetivos como um todo. Ao final do processo, uma heurística é utilizada para reduzir o conjunto de Pareto e sugerir opções ao usuário. Foram realizados dois estudos de caso e os resultados coincidiram com aqueles obtidos por estudos não automatizados. |
id |
INPE_cb585f1fb4d0d230f329348d5654f8c2 |
---|---|
oai_identifier_str |
oai:urlib.net:sid.inpe.br/mtc-m19/2012/02.29.20.00.50-0 |
network_acronym_str |
INPE |
network_name_str |
Biblioteca Digital de Teses e Dissertações do INPE |
spelling |
info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisAnálise de cenários para classificação de dados de sensoriamento remoto usando otimização multiobjetivo e hierarquia de classesClassification scenario analysis for remote sensing data using multiobjective optimization and class hierarchy2012-02-29Sandra Aparecida SandriLuciano Vieira DutraRafel Duarte Coelho dos SantosLeila Maria Garcia FonsecaNelson Delfino D'Avila MascarenhasRaul Queiroz FeitosaAlejandro Cesar Frery OrgambideEliana PantaleãoInstituto Nacional de Pesquisas Espaciais (INPE)Programa de Pós-Graduação do INPE em Computação AplicadaINPEBRreconhecimento de padrõessensoriamento remotootimização multiobjetivopattern recognitionremote sensingmulti-objective optimizationEste trabalho propõe um método para análise automática de cenários para a classifi-cação de imagens em sensoriamento remoto. Em uma tarefa típica de classificação de imagens, o analista decide inicialmente vários parâmetros a serem utilizados, como o tipo do classificador, o conjunto de classes de interesse e o conjunto de atributos que melhor caracteriza suas classes. Em um processo de tentativa e erro, muitas vezes é necessário que se encontre a melhor combinação desses parâmetros, aquela que dará um resultado mais satisfatório na classificação. O método proposto modela a busca por esses parâmetros como um problema de otimização multiobjetivo, em que os diversos anseios do usuário podem ser considerados. Além de melhor desempenho na classificação, o uso do sistema exige menos conhecimento específico do usuário sobre o comportamento dos atributos e das classes de interesse. O problema da otimização é resolvido por um algoritmo evolutivo que busca a fronteira de Pareto do problema. O resultado são as soluções de compromisso, ou seja, aquelas que atendem o conjunto de objetivos como um todo. Ao final do processo, uma heurística é utilizada para reduzir o conjunto de Pareto e sugerir opções ao usuário. Foram realizados dois estudos de caso e os resultados coincidiram com aqueles obtidos por estudos não automatizados.This work proposes an automatic scenario analysis system for the image classification task in remote sensing applications. In a typical image classification task, the analyst decides beforehand which parameters to use, such as the number of classes, the type of the classifier and which image channels to use. If there is a need to modify the classes or data channels, it is necessary to start over, and to repeat this process until an appropriate combination of these parameters is achieved. This thesis proposes a scenario analysis tool for the task of image classification as a way of automating this search. Each scenario represents the parameters that will be used in a complete supervised classification task, including training and classification. The proposed method uses an evolutive multi-objective optimization algorithm to search for the ompromising solutions, regarding the user objectives. In addition to better classification results, the system helps users with less knowledge about the features and classes behaviors. In the end of the process, an heuristic method reduces the Pareto set of compromising solutions, giving fewer options to the user. The system was applied to two data sets and the results coincided with those obtained through non automated experiments.http://urlib.net/sid.inpe.br/mtc-m19/2012/02.29.20.00.49info:eu-repo/semantics/openAccessporreponame:Biblioteca Digital de Teses e Dissertações do INPEinstname:Instituto Nacional de Pesquisas Espaciais (INPE)instacron:INPE2021-07-31T06:53:46Zoai:urlib.net:sid.inpe.br/mtc-m19/2012/02.29.20.00.50-0Biblioteca Digital de Teses e Dissertaçõeshttp://bibdigital.sid.inpe.br/PUBhttp://bibdigital.sid.inpe.br/col/iconet.com.br/banon/2003/11.21.21.08/doc/oai.cgiopendoar:32772021-07-31 06:53:47.785Biblioteca Digital de Teses e Dissertações do INPE - Instituto Nacional de Pesquisas Espaciais (INPE)false |
dc.title.pt.fl_str_mv |
Análise de cenários para classificação de dados de sensoriamento remoto usando otimização multiobjetivo e hierarquia de classes |
dc.title.alternative.en.fl_str_mv |
Classification scenario analysis for remote sensing data using multiobjective optimization and class hierarchy |
title |
Análise de cenários para classificação de dados de sensoriamento remoto usando otimização multiobjetivo e hierarquia de classes |
spellingShingle |
Análise de cenários para classificação de dados de sensoriamento remoto usando otimização multiobjetivo e hierarquia de classes Eliana Pantaleão |
title_short |
Análise de cenários para classificação de dados de sensoriamento remoto usando otimização multiobjetivo e hierarquia de classes |
title_full |
Análise de cenários para classificação de dados de sensoriamento remoto usando otimização multiobjetivo e hierarquia de classes |
title_fullStr |
Análise de cenários para classificação de dados de sensoriamento remoto usando otimização multiobjetivo e hierarquia de classes |
title_full_unstemmed |
Análise de cenários para classificação de dados de sensoriamento remoto usando otimização multiobjetivo e hierarquia de classes |
title_sort |
Análise de cenários para classificação de dados de sensoriamento remoto usando otimização multiobjetivo e hierarquia de classes |
author |
Eliana Pantaleão |
author_facet |
Eliana Pantaleão |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Sandra Aparecida Sandri |
dc.contributor.advisor2.fl_str_mv |
Luciano Vieira Dutra |
dc.contributor.referee1.fl_str_mv |
Rafel Duarte Coelho dos Santos |
dc.contributor.referee2.fl_str_mv |
Leila Maria Garcia Fonseca |
dc.contributor.referee3.fl_str_mv |
Nelson Delfino D'Avila Mascarenhas |
dc.contributor.referee4.fl_str_mv |
Raul Queiroz Feitosa |
dc.contributor.referee5.fl_str_mv |
Alejandro Cesar Frery Orgambide |
dc.contributor.author.fl_str_mv |
Eliana Pantaleão |
contributor_str_mv |
Sandra Aparecida Sandri Luciano Vieira Dutra Rafel Duarte Coelho dos Santos Leila Maria Garcia Fonseca Nelson Delfino D'Avila Mascarenhas Raul Queiroz Feitosa Alejandro Cesar Frery Orgambide |
dc.description.abstract.por.fl_txt_mv |
Este trabalho propõe um método para análise automática de cenários para a classifi-cação de imagens em sensoriamento remoto. Em uma tarefa típica de classificação de imagens, o analista decide inicialmente vários parâmetros a serem utilizados, como o tipo do classificador, o conjunto de classes de interesse e o conjunto de atributos que melhor caracteriza suas classes. Em um processo de tentativa e erro, muitas vezes é necessário que se encontre a melhor combinação desses parâmetros, aquela que dará um resultado mais satisfatório na classificação. O método proposto modela a busca por esses parâmetros como um problema de otimização multiobjetivo, em que os diversos anseios do usuário podem ser considerados. Além de melhor desempenho na classificação, o uso do sistema exige menos conhecimento específico do usuário sobre o comportamento dos atributos e das classes de interesse. O problema da otimização é resolvido por um algoritmo evolutivo que busca a fronteira de Pareto do problema. O resultado são as soluções de compromisso, ou seja, aquelas que atendem o conjunto de objetivos como um todo. Ao final do processo, uma heurística é utilizada para reduzir o conjunto de Pareto e sugerir opções ao usuário. Foram realizados dois estudos de caso e os resultados coincidiram com aqueles obtidos por estudos não automatizados. |
dc.description.abstract.eng.fl_txt_mv |
This work proposes an automatic scenario analysis system for the image classification task in remote sensing applications. In a typical image classification task, the analyst decides beforehand which parameters to use, such as the number of classes, the type of the classifier and which image channels to use. If there is a need to modify the classes or data channels, it is necessary to start over, and to repeat this process until an appropriate combination of these parameters is achieved. This thesis proposes a scenario analysis tool for the task of image classification as a way of automating this search. Each scenario represents the parameters that will be used in a complete supervised classification task, including training and classification. The proposed method uses an evolutive multi-objective optimization algorithm to search for the ompromising solutions, regarding the user objectives. In addition to better classification results, the system helps users with less knowledge about the features and classes behaviors. In the end of the process, an heuristic method reduces the Pareto set of compromising solutions, giving fewer options to the user. The system was applied to two data sets and the results coincided with those obtained through non automated experiments. |
description |
Este trabalho propõe um método para análise automática de cenários para a classifi-cação de imagens em sensoriamento remoto. Em uma tarefa típica de classificação de imagens, o analista decide inicialmente vários parâmetros a serem utilizados, como o tipo do classificador, o conjunto de classes de interesse e o conjunto de atributos que melhor caracteriza suas classes. Em um processo de tentativa e erro, muitas vezes é necessário que se encontre a melhor combinação desses parâmetros, aquela que dará um resultado mais satisfatório na classificação. O método proposto modela a busca por esses parâmetros como um problema de otimização multiobjetivo, em que os diversos anseios do usuário podem ser considerados. Além de melhor desempenho na classificação, o uso do sistema exige menos conhecimento específico do usuário sobre o comportamento dos atributos e das classes de interesse. O problema da otimização é resolvido por um algoritmo evolutivo que busca a fronteira de Pareto do problema. O resultado são as soluções de compromisso, ou seja, aquelas que atendem o conjunto de objetivos como um todo. Ao final do processo, uma heurística é utilizada para reduzir o conjunto de Pareto e sugerir opções ao usuário. Foram realizados dois estudos de caso e os resultados coincidiram com aqueles obtidos por estudos não automatizados. |
publishDate |
2012 |
dc.date.issued.fl_str_mv |
2012-02-29 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/doctoralThesis |
status_str |
publishedVersion |
format |
doctoralThesis |
dc.identifier.uri.fl_str_mv |
http://urlib.net/sid.inpe.br/mtc-m19/2012/02.29.20.00.49 |
url |
http://urlib.net/sid.inpe.br/mtc-m19/2012/02.29.20.00.49 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Instituto Nacional de Pesquisas Espaciais (INPE) |
dc.publisher.program.fl_str_mv |
Programa de Pós-Graduação do INPE em Computação Aplicada |
dc.publisher.initials.fl_str_mv |
INPE |
dc.publisher.country.fl_str_mv |
BR |
publisher.none.fl_str_mv |
Instituto Nacional de Pesquisas Espaciais (INPE) |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações do INPE instname:Instituto Nacional de Pesquisas Espaciais (INPE) instacron:INPE |
reponame_str |
Biblioteca Digital de Teses e Dissertações do INPE |
collection |
Biblioteca Digital de Teses e Dissertações do INPE |
instname_str |
Instituto Nacional de Pesquisas Espaciais (INPE) |
instacron_str |
INPE |
institution |
INPE |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações do INPE - Instituto Nacional de Pesquisas Espaciais (INPE) |
repository.mail.fl_str_mv |
|
publisher_program_txtF_mv |
Programa de Pós-Graduação do INPE em Computação Aplicada |
contributor_advisor1_txtF_mv |
Sandra Aparecida Sandri |
_version_ |
1706809354438574080 |