Combinação de múltiplos classificadores para identificação de materiais em imagens ruidosas
Autor(a) principal: | |
---|---|
Data de Publicação: | 2004 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFSCAR |
Texto Completo: | https://repositorio.ufscar.br/handle/ufscar/493 |
Resumo: | Material identification in images has been explored in multiple areas and very interesting applications are arising in this field. This work uses noisy multispectral images from a computerized tomograph scanner acquired with multiple energies for soil sciences applications and developes a recognition system to identify materials on the scanned body. Techniques of statistical classification were used. The individual classifiers: Parzen, k-nearest neighbors, logistic and linear Bayesian were combined in order to study the behavior of classifier combination techniques. For this task, we used the fixed rules combiners: majority voting, maximum, minimum, median, sum and product. Also, a second stage of combination was considered and used, the majority voting of combiners. The performance of the classifiers was analyzed through the leave-one-out cross-validation error estimation method and the Kappa coefficient. The advantages of the use of multiple energies in the problems of identification of images and the behavior of each combination method are also demonstrated. The results pointed out that the combination of classifiers gives better capacity of generalization and more stable results than the individual classifiers, using information supplied for all individual classifiers, including the weakest one, being recommended in classification of scarce, difficult discrimination data, on the presence of ambiguity or high`noise levels. |
id |
SCAR_91fb84a58ae0c269ad5dcab965ee4fa9 |
---|---|
oai_identifier_str |
oai:repositorio.ufscar.br:ufscar/493 |
network_acronym_str |
SCAR |
network_name_str |
Repositório Institucional da UFSCAR |
repository_id_str |
4322 |
spelling |
Ponti Junior, Moacir PereiraMascarenhas, Nelson Delfino d'Ávilahttp://lattes.cnpq.br/0557976975338451http://genos.cnpq.br:12010/dwlattes/owa/prc_imp_cv_int?f_cod=K4751787T9204e1b4f-d869-4f85-8bab-9d3ee178cf2a2016-06-02T19:05:55Z2005-01-132016-06-02T19:05:55Z2004-05-28PONTI JUNIOR, Moacir Pereira. Combinação de múltiplos classificadores para identificação de materiais em imagens ruidosas.. 2004. 76 f. Dissertação (Mestrado em Ciências Exatas e da Terra) - Universidade Federal de São Carlos, São Carlos, 2004.https://repositorio.ufscar.br/handle/ufscar/493Material identification in images has been explored in multiple areas and very interesting applications are arising in this field. This work uses noisy multispectral images from a computerized tomograph scanner acquired with multiple energies for soil sciences applications and developes a recognition system to identify materials on the scanned body. Techniques of statistical classification were used. The individual classifiers: Parzen, k-nearest neighbors, logistic and linear Bayesian were combined in order to study the behavior of classifier combination techniques. For this task, we used the fixed rules combiners: majority voting, maximum, minimum, median, sum and product. Also, a second stage of combination was considered and used, the majority voting of combiners. The performance of the classifiers was analyzed through the leave-one-out cross-validation error estimation method and the Kappa coefficient. The advantages of the use of multiple energies in the problems of identification of images and the behavior of each combination method are also demonstrated. The results pointed out that the combination of classifiers gives better capacity of generalization and more stable results than the individual classifiers, using information supplied for all individual classifiers, including the weakest one, being recommended in classification of scarce, difficult discrimination data, on the presence of ambiguity or high`noise levels.A identificação de materiais em imagens vem sendo explorada por diversas áreas para aplicações muito interessantes. Neste trabalho utilizamos imagens multiespectrais ruidosas obtidas por tomografia computadorizada adquiridas com múltiplas energias no propósito de estudos de ciência do solo. Através das imagens foi possível desenvolver uma sistema de reconhecimento de padrões de forma a identificar os materiais do corpo imageado. Para esta tarefa foram utilizadas diversas técnicas de classificação. Os classificadores individuais: Parzen, k-vizinhos mais próximos, logístico e Bayesiano linear foram combinados de modo a estudar o comportamento de técnicas de combinação de classificadores. Foram utilizados os combinadores de regra fixa: votação por maioria, máximo, mínimo, mediana., soma e produto. Foi também proposto e utilizado um segundo estágio de combinação, utilizando a votação dos combinadores. O desempenho dos classificadores foi analisado através da estimação de erro pelo método da validação cruzada leave-one-out e pelo coeficiente Kappa. Foram demonstradas as vantagens da utilização de múltiplas energias nos problemas de identificação de imagens e estudados os comportamentos de cada método de combinação. Os resultados apontaram que a combinação de classificadores possibilita melhor capacidade de generalização e resultados mais estáveis que os classificadores individuais, aproveitando as informações fornecidas por todos os classificadores individuais, inclusive os mais fracos, sendo recomendada na classificação de dados escassos ou difíceis em que apresentam ambiguidade ou altos índices de ruído.application/pdfporUniversidade Federal de São CarlosPrograma de Pós-Graduação em Ciência da Computação - PPGCCUFSCarBRProcessamento de imagensReconhecimento de padrõesCombinação de classificadoresTomografia computadorizadaCIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOCombinação de múltiplos classificadores para identificação de materiais em imagens ruidosasinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesis-1-1787a11d3-939f-471e-8064-0e22da9d895finfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFSCARinstname:Universidade Federal de São Carlos (UFSCAR)instacron:UFSCARORIGINALDissMPPJ.pdfapplication/pdf999212https://repositorio.ufscar.br/bitstream/ufscar/493/1/DissMPPJ.pdff5206bea01cf1fed618936636cd00449MD51THUMBNAILDissMPPJ.pdf.jpgDissMPPJ.pdf.jpgIM Thumbnailimage/jpeg7660https://repositorio.ufscar.br/bitstream/ufscar/493/2/DissMPPJ.pdf.jpgac869d1a627e378f02fc38ce732ea129MD52ufscar/4932023-09-18 18:30:39.702oai:repositorio.ufscar.br:ufscar/493Repositório InstitucionalPUBhttps://repositorio.ufscar.br/oai/requestopendoar:43222023-09-18T18:30:39Repositório Institucional da UFSCAR - Universidade Federal de São Carlos (UFSCAR)false |
dc.title.por.fl_str_mv |
Combinação de múltiplos classificadores para identificação de materiais em imagens ruidosas |
title |
Combinação de múltiplos classificadores para identificação de materiais em imagens ruidosas |
spellingShingle |
Combinação de múltiplos classificadores para identificação de materiais em imagens ruidosas Ponti Junior, Moacir Pereira Processamento de imagens Reconhecimento de padrões Combinação de classificadores Tomografia computadorizada CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
title_short |
Combinação de múltiplos classificadores para identificação de materiais em imagens ruidosas |
title_full |
Combinação de múltiplos classificadores para identificação de materiais em imagens ruidosas |
title_fullStr |
Combinação de múltiplos classificadores para identificação de materiais em imagens ruidosas |
title_full_unstemmed |
Combinação de múltiplos classificadores para identificação de materiais em imagens ruidosas |
title_sort |
Combinação de múltiplos classificadores para identificação de materiais em imagens ruidosas |
author |
Ponti Junior, Moacir Pereira |
author_facet |
Ponti Junior, Moacir Pereira |
author_role |
author |
dc.contributor.authorlattes.por.fl_str_mv |
http://genos.cnpq.br:12010/dwlattes/owa/prc_imp_cv_int?f_cod=K4751787T9 |
dc.contributor.author.fl_str_mv |
Ponti Junior, Moacir Pereira |
dc.contributor.advisor1.fl_str_mv |
Mascarenhas, Nelson Delfino d'Ávila |
dc.contributor.advisor1Lattes.fl_str_mv |
http://lattes.cnpq.br/0557976975338451 |
dc.contributor.authorID.fl_str_mv |
204e1b4f-d869-4f85-8bab-9d3ee178cf2a |
contributor_str_mv |
Mascarenhas, Nelson Delfino d'Ávila |
dc.subject.por.fl_str_mv |
Processamento de imagens Reconhecimento de padrões Combinação de classificadores Tomografia computadorizada |
topic |
Processamento de imagens Reconhecimento de padrões Combinação de classificadores Tomografia computadorizada CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
dc.subject.cnpq.fl_str_mv |
CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
description |
Material identification in images has been explored in multiple areas and very interesting applications are arising in this field. This work uses noisy multispectral images from a computerized tomograph scanner acquired with multiple energies for soil sciences applications and developes a recognition system to identify materials on the scanned body. Techniques of statistical classification were used. The individual classifiers: Parzen, k-nearest neighbors, logistic and linear Bayesian were combined in order to study the behavior of classifier combination techniques. For this task, we used the fixed rules combiners: majority voting, maximum, minimum, median, sum and product. Also, a second stage of combination was considered and used, the majority voting of combiners. The performance of the classifiers was analyzed through the leave-one-out cross-validation error estimation method and the Kappa coefficient. The advantages of the use of multiple energies in the problems of identification of images and the behavior of each combination method are also demonstrated. The results pointed out that the combination of classifiers gives better capacity of generalization and more stable results than the individual classifiers, using information supplied for all individual classifiers, including the weakest one, being recommended in classification of scarce, difficult discrimination data, on the presence of ambiguity or high`noise levels. |
publishDate |
2004 |
dc.date.issued.fl_str_mv |
2004-05-28 |
dc.date.available.fl_str_mv |
2005-01-13 2016-06-02T19:05:55Z |
dc.date.accessioned.fl_str_mv |
2016-06-02T19:05:55Z |
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.citation.fl_str_mv |
PONTI JUNIOR, Moacir Pereira. Combinação de múltiplos classificadores para identificação de materiais em imagens ruidosas.. 2004. 76 f. Dissertação (Mestrado em Ciências Exatas e da Terra) - Universidade Federal de São Carlos, São Carlos, 2004. |
dc.identifier.uri.fl_str_mv |
https://repositorio.ufscar.br/handle/ufscar/493 |
identifier_str_mv |
PONTI JUNIOR, Moacir Pereira. Combinação de múltiplos classificadores para identificação de materiais em imagens ruidosas.. 2004. 76 f. Dissertação (Mestrado em Ciências Exatas e da Terra) - Universidade Federal de São Carlos, São Carlos, 2004. |
url |
https://repositorio.ufscar.br/handle/ufscar/493 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.confidence.fl_str_mv |
-1 -1 |
dc.relation.authority.fl_str_mv |
787a11d3-939f-471e-8064-0e22da9d895f |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Universidade Federal de São Carlos |
dc.publisher.program.fl_str_mv |
Programa de Pós-Graduação em Ciência da Computação - PPGCC |
dc.publisher.initials.fl_str_mv |
UFSCar |
dc.publisher.country.fl_str_mv |
BR |
publisher.none.fl_str_mv |
Universidade Federal de São Carlos |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFSCAR instname:Universidade Federal de São Carlos (UFSCAR) instacron:UFSCAR |
instname_str |
Universidade Federal de São Carlos (UFSCAR) |
instacron_str |
UFSCAR |
institution |
UFSCAR |
reponame_str |
Repositório Institucional da UFSCAR |
collection |
Repositório Institucional da UFSCAR |
bitstream.url.fl_str_mv |
https://repositorio.ufscar.br/bitstream/ufscar/493/1/DissMPPJ.pdf https://repositorio.ufscar.br/bitstream/ufscar/493/2/DissMPPJ.pdf.jpg |
bitstream.checksum.fl_str_mv |
f5206bea01cf1fed618936636cd00449 ac869d1a627e378f02fc38ce732ea129 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFSCAR - Universidade Federal de São Carlos (UFSCAR) |
repository.mail.fl_str_mv |
|
_version_ |
1802136244975566848 |