Extração de atributos em imagens de sensoriamento remoto utilizando Independent Component Analysis e combinação de métodos lineares
Autor(a) principal: | |
---|---|
Data de Publicação: | 2006 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFSCAR |
Texto Completo: | https://repositorio.ufscar.br/handle/ufscar/318 |
Resumo: | Methods for feature extraction represent an important stage in statistical pattern recognition applications. In this work we present how to improve classification performance creating a feature fusion framework to combine second and higher order statistical methods, avoiding existing limitations of the individual approaches and problems as ill-conditioned behavior, which may cause unstable results during the estimation of the independent components (whitening process) and eventual noise amplifications. The resulting scheme is used to combine features obtained from a variety of methods into a unique feature vector defining two approaches: Concatenated and Hierarquical Feature Fusion. The methods are tested on both multispectral and hyperspectral remote sensing images, which are classified using the maxver (maximum likelihood) approach. Results indicate that the technique outperforms the usual methods in some cases, providing a valid useful tool for multivariate data analysis and classification. |
id |
SCAR_bc5141e56fd203580c2d605343694772 |
---|---|
oai_identifier_str |
oai:repositorio.ufscar.br:ufscar/318 |
network_acronym_str |
SCAR |
network_name_str |
Repositório Institucional da UFSCAR |
repository_id_str |
4322 |
spelling |
Levada, Alexandre Luís MagalhãesMascarenhas, Nelson Delfino d'Ávilahttp://lattes.cnpq.br/0557976975338451http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=H311648fec0c75b-1b4b-43d8-bc3e-1e011fe2653a2016-06-02T19:05:18Z2006-07-262016-06-02T19:05:18Z2006-02-22LEVADA, Alexandre Luís Magalhães. Extração de atributos em imagens de sensoriamento remoto utilizando Independent Component Analysis e combinação de métodos lineares.. 2006. 104 f. Dissertação (Mestrado em Ciências Exatas e da Terra) - Universidade Federal de São Carlos, São Carlos, 2006.https://repositorio.ufscar.br/handle/ufscar/318Methods for feature extraction represent an important stage in statistical pattern recognition applications. In this work we present how to improve classification performance creating a feature fusion framework to combine second and higher order statistical methods, avoiding existing limitations of the individual approaches and problems as ill-conditioned behavior, which may cause unstable results during the estimation of the independent components (whitening process) and eventual noise amplifications. The resulting scheme is used to combine features obtained from a variety of methods into a unique feature vector defining two approaches: Concatenated and Hierarquical Feature Fusion. The methods are tested on both multispectral and hyperspectral remote sensing images, which are classified using the maxver (maximum likelihood) approach. Results indicate that the technique outperforms the usual methods in some cases, providing a valid useful tool for multivariate data analysis and classification.Métodos para extração de atributos compõem uma etapa fundamental em aplicações na área de reconhecimentos de padrões. O presente trabalho apresenta uma metodologia para melhorar o desempenho da classificação criando modelos para fusão de atributos que combinam métodos estatísticos de segunda ordem com métodos de ordens superiores, superando limitações existentes nas abordagens tradicionais, como problemas de mal-condicionamento, o que pode provocar instabilidade na estimação dos componentes independentes, além de eventuais amplificações de ruídos. O esquema resultante é utilizado para combinar atributos obtidos através de diversos métodos num único vetor de padrões em duas abordagens: Fusão Concatenada e Fusão Hierárquica. A metodologia proposta é aplicada em diversos estudos de casos, incluindo imagens multiespectrais e hiperespectrais de sensoriamento remoto, classificadas utilizando-se a abordagem de máxima verossimilhança. Resultados indicam que essa metodologia supera métodos de segunda ordem tradicionais em alguns casos, constituindo um válido e interessante ferramental para análise e classificação de dados multivariados.Universidade Federal de Sao Carlosapplication/pdfporUniversidade Federal de São CarlosPrograma de Pós-Graduação em Ciência da Computação - PPGCCUFSCarBRReconhecimento de padrõesSensoriamento remotoSeleção de atributosCIENCIAS EXATAS E DA TERRA::GEOCIENCIAS::GEOFISICA::SENSORIAMENTO REMOTOExtração de atributos em imagens de sensoriamento remoto utilizando Independent Component Analysis e combinação de métodos linearesinfo: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:UFSCARORIGINALDissALML.pdfapplication/pdf2156518https://repositorio.ufscar.br/bitstream/ufscar/318/1/DissALML.pdfeb0b0619b9319fd2b1128f575f5041ffMD51TEXTDissALML.pdf.txtDissALML.pdf.txtExtracted texttext/plain184853https://repositorio.ufscar.br/bitstream/ufscar/318/2/DissALML.pdf.txt7d5a947ba8ef0920ddf59164ffd4fd83MD52THUMBNAILDissALML.pdf.jpgDissALML.pdf.jpgIM Thumbnailimage/jpeg7494https://repositorio.ufscar.br/bitstream/ufscar/318/3/DissALML.pdf.jpg5ca88416d827132e452099ad41580010MD53ufscar/3182023-09-18 18:31:20.155oai:repositorio.ufscar.br:ufscar/318Repositório InstitucionalPUBhttps://repositorio.ufscar.br/oai/requestopendoar:43222023-09-18T18:31:20Repositório Institucional da UFSCAR - Universidade Federal de São Carlos (UFSCAR)false |
dc.title.por.fl_str_mv |
Extração de atributos em imagens de sensoriamento remoto utilizando Independent Component Analysis e combinação de métodos lineares |
title |
Extração de atributos em imagens de sensoriamento remoto utilizando Independent Component Analysis e combinação de métodos lineares |
spellingShingle |
Extração de atributos em imagens de sensoriamento remoto utilizando Independent Component Analysis e combinação de métodos lineares Levada, Alexandre Luís Magalhães Reconhecimento de padrões Sensoriamento remoto Seleção de atributos CIENCIAS EXATAS E DA TERRA::GEOCIENCIAS::GEOFISICA::SENSORIAMENTO REMOTO |
title_short |
Extração de atributos em imagens de sensoriamento remoto utilizando Independent Component Analysis e combinação de métodos lineares |
title_full |
Extração de atributos em imagens de sensoriamento remoto utilizando Independent Component Analysis e combinação de métodos lineares |
title_fullStr |
Extração de atributos em imagens de sensoriamento remoto utilizando Independent Component Analysis e combinação de métodos lineares |
title_full_unstemmed |
Extração de atributos em imagens de sensoriamento remoto utilizando Independent Component Analysis e combinação de métodos lineares |
title_sort |
Extração de atributos em imagens de sensoriamento remoto utilizando Independent Component Analysis e combinação de métodos lineares |
author |
Levada, Alexandre Luís Magalhães |
author_facet |
Levada, Alexandre Luís Magalhães |
author_role |
author |
dc.contributor.authorlattes.por.fl_str_mv |
http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=H311648 |
dc.contributor.author.fl_str_mv |
Levada, Alexandre Luís Magalhães |
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 |
fec0c75b-1b4b-43d8-bc3e-1e011fe2653a |
contributor_str_mv |
Mascarenhas, Nelson Delfino d'Ávila |
dc.subject.por.fl_str_mv |
Reconhecimento de padrões Sensoriamento remoto Seleção de atributos |
topic |
Reconhecimento de padrões Sensoriamento remoto Seleção de atributos CIENCIAS EXATAS E DA TERRA::GEOCIENCIAS::GEOFISICA::SENSORIAMENTO REMOTO |
dc.subject.cnpq.fl_str_mv |
CIENCIAS EXATAS E DA TERRA::GEOCIENCIAS::GEOFISICA::SENSORIAMENTO REMOTO |
description |
Methods for feature extraction represent an important stage in statistical pattern recognition applications. In this work we present how to improve classification performance creating a feature fusion framework to combine second and higher order statistical methods, avoiding existing limitations of the individual approaches and problems as ill-conditioned behavior, which may cause unstable results during the estimation of the independent components (whitening process) and eventual noise amplifications. The resulting scheme is used to combine features obtained from a variety of methods into a unique feature vector defining two approaches: Concatenated and Hierarquical Feature Fusion. The methods are tested on both multispectral and hyperspectral remote sensing images, which are classified using the maxver (maximum likelihood) approach. Results indicate that the technique outperforms the usual methods in some cases, providing a valid useful tool for multivariate data analysis and classification. |
publishDate |
2006 |
dc.date.available.fl_str_mv |
2006-07-26 2016-06-02T19:05:18Z |
dc.date.issued.fl_str_mv |
2006-02-22 |
dc.date.accessioned.fl_str_mv |
2016-06-02T19:05:18Z |
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 |
LEVADA, Alexandre Luís Magalhães. Extração de atributos em imagens de sensoriamento remoto utilizando Independent Component Analysis e combinação de métodos lineares.. 2006. 104 f. Dissertação (Mestrado em Ciências Exatas e da Terra) - Universidade Federal de São Carlos, São Carlos, 2006. |
dc.identifier.uri.fl_str_mv |
https://repositorio.ufscar.br/handle/ufscar/318 |
identifier_str_mv |
LEVADA, Alexandre Luís Magalhães. Extração de atributos em imagens de sensoriamento remoto utilizando Independent Component Analysis e combinação de métodos lineares.. 2006. 104 f. Dissertação (Mestrado em Ciências Exatas e da Terra) - Universidade Federal de São Carlos, São Carlos, 2006. |
url |
https://repositorio.ufscar.br/handle/ufscar/318 |
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/318/1/DissALML.pdf https://repositorio.ufscar.br/bitstream/ufscar/318/2/DissALML.pdf.txt https://repositorio.ufscar.br/bitstream/ufscar/318/3/DissALML.pdf.jpg |
bitstream.checksum.fl_str_mv |
eb0b0619b9319fd2b1128f575f5041ff 7d5a947ba8ef0920ddf59164ffd4fd83 5ca88416d827132e452099ad41580010 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFSCAR - Universidade Federal de São Carlos (UFSCAR) |
repository.mail.fl_str_mv |
|
_version_ |
1802136243576766464 |