A FUZZY MODEL FOR MULTITEMPORAL IMAGE CLASSIFICATION

Detalhes bibliográficos
Autor(a) principal: MARIA CLARA DE OLIVEIRA COSTA
Data de Publicação: 2006
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da PUC-RIO (Projeto Maxwell)
Texto Completo: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=8953@1
https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=8953@2
Resumo: O presente trabalho apresenta a modelagem de conhecimento multitemporal para a classificação automática de cobertura do solo para imagens de satélite. O procedimento de classificação agrega os conhecimentos espectral e multitemporal utilizando conjuntos nebulosos e suas pertinências de classe como informação prévia. O método se baseia no conceito de Redes de Markov Nebulosas, um sistema com um conjunto de estados que a cada instante de tempo troca o estado corrente de acordo com possibilidades associadas a cada um. No caso deste trabalho cada estado representa uma classe, e as possibilidades são estimadas automaticamente a partir de dados históricos de uma mesma região geográfica, empregando algoritmos genéticos. A avaliação experimental utilizou um conjunto de imagens Landsat-5 da cidade do Rio de Janeiro, obtidas em cinco datas separadas por aproximadamente quatro anos. Os resultados indicaram que o uso do conhecimento multitemporal, conforme modelado pelo método proposto traz um significante aumento da eficiência de classificação em comparação à classificação puramente espectral, além de flexibilizar o procedimento de classificação no que diz respeito aos dados necessários para o treinamento do modelo.
id PUC_RIO-1_d5bcd87275a4047ea028046dddb9ba4a
oai_identifier_str oai:MAXWELL.puc-rio.br:8953
network_acronym_str PUC_RIO-1
network_name_str Repositório Institucional da PUC-RIO (Projeto Maxwell)
repository_id_str 534
spelling info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisA FUZZY MODEL FOR MULTITEMPORAL IMAGE CLASSIFICATION UM MODELO NEBULOSO PARA CLASSIFICAÇÃO MULTITEMPORAL DE IMAGENS 2006-03-30RAUL QUEIROZ FEITOSA00889262810lattes.cnpq.brRICARDO TANSCHEITLUIZ FELIPE GUANAES REGORAUL QUEIROZ FEITOSAFLAVIO JOAQUIM DE SOUZA05469839796MARIA CLARA DE OLIVEIRA COSTAPONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIROPPG EM ENGENHARIA ELÉTRICAPUC-RioBRO presente trabalho apresenta a modelagem de conhecimento multitemporal para a classificação automática de cobertura do solo para imagens de satélite. O procedimento de classificação agrega os conhecimentos espectral e multitemporal utilizando conjuntos nebulosos e suas pertinências de classe como informação prévia. O método se baseia no conceito de Redes de Markov Nebulosas, um sistema com um conjunto de estados que a cada instante de tempo troca o estado corrente de acordo com possibilidades associadas a cada um. No caso deste trabalho cada estado representa uma classe, e as possibilidades são estimadas automaticamente a partir de dados históricos de uma mesma região geográfica, empregando algoritmos genéticos. A avaliação experimental utilizou um conjunto de imagens Landsat-5 da cidade do Rio de Janeiro, obtidas em cinco datas separadas por aproximadamente quatro anos. Os resultados indicaram que o uso do conhecimento multitemporal, conforme modelado pelo método proposto traz um significante aumento da eficiência de classificação em comparação à classificação puramente espectral, além de flexibilizar o procedimento de classificação no que diz respeito aos dados necessários para o treinamento do modelo.This work presents a multitemporal knowledge model for automatic classification of remotely sensed images. The model combines multitemporal and spectral knowledge within a fuzzy framework. This method is based on Fuzzy Markov Chains, a system having a set of states that, at each time, change the current state according to the fuzzy possibilities associated to each one. In this work each state represents one class, and the possibilities are automatically estimated based on historical data by using genetic algorithms. The experimental evaluation was carried through for a set of Landsat-5 TM images of the Rio de Janeiro State, Brazil, acquired at five dates separated by approximately four years. Results indicate that the use of multitemporal knowledge as modeled by the proposed method brings an expressive improvement in efficiency to the classification, when compared to the pure spectral classifier. Besides it, adds flexibility to the classification procedure, concerning to necessary data used for model training.COORDENAÇÃO DE APERFEIÇOAMENTO DO PESSOAL DE ENSINO SUPERIORhttps://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=8953@1https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=8953@2porreponame:Repositório Institucional da PUC-RIO (Projeto Maxwell)instname:Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)instacron:PUC_RIOinfo:eu-repo/semantics/openAccess2022-11-01T12:51:26Zoai:MAXWELL.puc-rio.br:8953Repositório InstitucionalPRIhttps://www.maxwell.vrac.puc-rio.br/ibict.phpopendoar:5342017-09-14T00:00Repositório Institucional da PUC-RIO (Projeto Maxwell) - Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)false
dc.title.en.fl_str_mv A FUZZY MODEL FOR MULTITEMPORAL IMAGE CLASSIFICATION
dc.title.alternative.pt.fl_str_mv UM MODELO NEBULOSO PARA CLASSIFICAÇÃO MULTITEMPORAL DE IMAGENS
title A FUZZY MODEL FOR MULTITEMPORAL IMAGE CLASSIFICATION
spellingShingle A FUZZY MODEL FOR MULTITEMPORAL IMAGE CLASSIFICATION
MARIA CLARA DE OLIVEIRA COSTA
title_short A FUZZY MODEL FOR MULTITEMPORAL IMAGE CLASSIFICATION
title_full A FUZZY MODEL FOR MULTITEMPORAL IMAGE CLASSIFICATION
title_fullStr A FUZZY MODEL FOR MULTITEMPORAL IMAGE CLASSIFICATION
title_full_unstemmed A FUZZY MODEL FOR MULTITEMPORAL IMAGE CLASSIFICATION
title_sort A FUZZY MODEL FOR MULTITEMPORAL IMAGE CLASSIFICATION
dc.creator.Lattes.none.fl_str_mv
author MARIA CLARA DE OLIVEIRA COSTA
author_facet MARIA CLARA DE OLIVEIRA COSTA
author_role author
dc.contributor.advisor1.fl_str_mv RAUL QUEIROZ FEITOSA
dc.contributor.advisor1ID.fl_str_mv 00889262810
dc.contributor.advisor1Lattes.fl_str_mv lattes.cnpq.br
dc.contributor.referee1.fl_str_mv RICARDO TANSCHEIT
dc.contributor.referee2.fl_str_mv LUIZ FELIPE GUANAES REGO
dc.contributor.referee3.fl_str_mv RAUL QUEIROZ FEITOSA
dc.contributor.referee4.fl_str_mv FLAVIO JOAQUIM DE SOUZA
dc.contributor.authorID.fl_str_mv 05469839796
dc.contributor.author.fl_str_mv MARIA CLARA DE OLIVEIRA COSTA
contributor_str_mv RAUL QUEIROZ FEITOSA
RICARDO TANSCHEIT
LUIZ FELIPE GUANAES REGO
RAUL QUEIROZ FEITOSA
FLAVIO JOAQUIM DE SOUZA
description O presente trabalho apresenta a modelagem de conhecimento multitemporal para a classificação automática de cobertura do solo para imagens de satélite. O procedimento de classificação agrega os conhecimentos espectral e multitemporal utilizando conjuntos nebulosos e suas pertinências de classe como informação prévia. O método se baseia no conceito de Redes de Markov Nebulosas, um sistema com um conjunto de estados que a cada instante de tempo troca o estado corrente de acordo com possibilidades associadas a cada um. No caso deste trabalho cada estado representa uma classe, e as possibilidades são estimadas automaticamente a partir de dados históricos de uma mesma região geográfica, empregando algoritmos genéticos. A avaliação experimental utilizou um conjunto de imagens Landsat-5 da cidade do Rio de Janeiro, obtidas em cinco datas separadas por aproximadamente quatro anos. Os resultados indicaram que o uso do conhecimento multitemporal, conforme modelado pelo método proposto traz um significante aumento da eficiência de classificação em comparação à classificação puramente espectral, além de flexibilizar o procedimento de classificação no que diz respeito aos dados necessários para o treinamento do modelo.
publishDate 2006
dc.date.issued.fl_str_mv 2006-03-30
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=8953@1
https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=8953@2
url https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=8953@1
https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=8953@2
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 PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO
dc.publisher.program.fl_str_mv PPG EM ENGENHARIA ELÉTRICA
dc.publisher.initials.fl_str_mv PUC-Rio
dc.publisher.country.fl_str_mv BR
publisher.none.fl_str_mv PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO
dc.source.none.fl_str_mv reponame:Repositório Institucional da PUC-RIO (Projeto Maxwell)
instname:Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)
instacron:PUC_RIO
instname_str Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)
instacron_str PUC_RIO
institution PUC_RIO
reponame_str Repositório Institucional da PUC-RIO (Projeto Maxwell)
collection Repositório Institucional da PUC-RIO (Projeto Maxwell)
repository.name.fl_str_mv Repositório Institucional da PUC-RIO (Projeto Maxwell) - Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)
repository.mail.fl_str_mv
_version_ 1748324889720258560

Registros relacionados