ÁRVORE DE DECISÃO E ANÁLISE BASEADA EM OBJETOS NA CLASSIFICAÇÃO DE IMAGENS COM RESOLUÇÃO ESPACIAL SUBMÉTRICA ADQUIRIDAS POR VANT
Autor(a) principal: | |
---|---|
Data de Publicação: | 2017 |
Outros Autores: | , |
Tipo de documento: | Artigo |
Idioma: | por |
Título da fonte: | Boletim de Ciências Geodésicas |
Texto Completo: | https://revistas.ufpr.br/bcg/article/view/52780 |
Resumo: | As imagens com resolução espacial submétrica, como as adquiridas por Veículo Aéreo Não Tripulado (VANT), apresentam alta variabilidade espectral. A análise baseada em objetos possibilita a redução dessa variabilidade e a geração de atributos, aumentando a dimensionalidade do conjunto de dados. Funções de seleção de atributos relevantes e de reforço, disponíveis no algoritmo C5.0, e a análise baseada em objetos facilitam a classificação dessas imagens. Este trabalho teve como objetivos: (i) avaliar as classificações dos objetos em relação aos parâmetros de seleção de atributos (winnow), de reforço (trial) e do Número Mínimo de Amostras (NMA), (ii) determinar os atributos preditivos mais importantes e (iii) comparar a classificação por Árvore de Decisão com Máquina de Vetores Suporte. Para segmentar a imagem foi utilizado o método crescimento de regiões e para a classificação o algoritmo C5.0. Os valores dos parâmetros trial (10) e NMA (5) resultaram acurácias superiores a 0,8. Com esses parâmetros o valor do kappa foi superior a SVM. Ao habilitar o parâmetro winnow foi observado uma redução da dimensionalidade do conjunto de dados de aproximadamente 30%. Os dois atributos mais importantes na discriminação das classes foram a razão entre as bandas verde e azul e a média dos valores das elevações. |
id |
UFPR-2_0d7f126af1c10d3d7a66507e83136c21 |
---|---|
oai_identifier_str |
oai:revistas.ufpr.br:article/52780 |
network_acronym_str |
UFPR-2 |
network_name_str |
Boletim de Ciências Geodésicas |
repository_id_str |
|
spelling |
ÁRVORE DE DECISÃO E ANÁLISE BASEADA EM OBJETOS NA CLASSIFICAÇÃO DE IMAGENS COM RESOLUÇÃO ESPACIAL SUBMÉTRICA ADQUIRIDAS POR VANTGeociências; GeodésiaAs imagens com resolução espacial submétrica, como as adquiridas por Veículo Aéreo Não Tripulado (VANT), apresentam alta variabilidade espectral. A análise baseada em objetos possibilita a redução dessa variabilidade e a geração de atributos, aumentando aAs imagens com resolução espacial submétrica, como as adquiridas por Veículo Aéreo Não Tripulado (VANT), apresentam alta variabilidade espectral. A análise baseada em objetos possibilita a redução dessa variabilidade e a geração de atributos, aumentando a dimensionalidade do conjunto de dados. Funções de seleção de atributos relevantes e de reforço, disponíveis no algoritmo C5.0, e a análise baseada em objetos facilitam a classificação dessas imagens. Este trabalho teve como objetivos: (i) avaliar as classificações dos objetos em relação aos parâmetros de seleção de atributos (winnow), de reforço (trial) e do Número Mínimo de Amostras (NMA), (ii) determinar os atributos preditivos mais importantes e (iii) comparar a classificação por Árvore de Decisão com Máquina de Vetores Suporte. Para segmentar a imagem foi utilizado o método crescimento de regiões e para a classificação o algoritmo C5.0. Os valores dos parâmetros trial (10) e NMA (5) resultaram acurácias superiores a 0,8. Com esses parâmetros o valor do kappa foi superior a SVM. Ao habilitar o parâmetro winnow foi observado uma redução da dimensionalidade do conjunto de dados de aproximadamente 30%. Os dois atributos mais importantes na discriminação das classes foram a razão entre as bandas verde e azul e a média dos valores das elevações.Boletim de Ciências GeodésicasBulletin of Geodetic SciencesCAPESCINDACTA IIRuiz, Luis Fernando ChimeloGuasselli, Laurindo AntonioCaten, Alexandre ten2017-07-31info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionapplication/pdfhttps://revistas.ufpr.br/bcg/article/view/52780Boletim de Ciências Geodésicas; Vol 23, No 2 (2017)Bulletin of Geodetic Sciences; Vol 23, No 2 (2017)1982-21701413-4853reponame:Boletim de Ciências Geodésicasinstname:Universidade Federal do Paraná (UFPR)instacron:UFPRporhttps://revistas.ufpr.br/bcg/article/view/52780/32440Copyright (c) 2017 Luis Fernando Chimelo Ruiz, Laurindo Antonio Guasselli, Alexandre ten Catenhttp://creativecommons.org/licenses/by-nc/4.0info:eu-repo/semantics/openAccess2017-07-31T16:00:12Zoai:revistas.ufpr.br:article/52780Revistahttps://revistas.ufpr.br/bcgPUBhttps://revistas.ufpr.br/bcg/oaiqdalmolin@ufpr.br|| danielsantos@ufpr.br||qdalmolin@ufpr.br|| danielsantos@ufpr.br1982-21701413-4853opendoar:2017-07-31T16:00:12Boletim de Ciências Geodésicas - Universidade Federal do Paraná (UFPR)false |
dc.title.none.fl_str_mv |
ÁRVORE DE DECISÃO E ANÁLISE BASEADA EM OBJETOS NA CLASSIFICAÇÃO DE IMAGENS COM RESOLUÇÃO ESPACIAL SUBMÉTRICA ADQUIRIDAS POR VANT |
title |
ÁRVORE DE DECISÃO E ANÁLISE BASEADA EM OBJETOS NA CLASSIFICAÇÃO DE IMAGENS COM RESOLUÇÃO ESPACIAL SUBMÉTRICA ADQUIRIDAS POR VANT |
spellingShingle |
ÁRVORE DE DECISÃO E ANÁLISE BASEADA EM OBJETOS NA CLASSIFICAÇÃO DE IMAGENS COM RESOLUÇÃO ESPACIAL SUBMÉTRICA ADQUIRIDAS POR VANT Ruiz, Luis Fernando Chimelo Geociências; Geodésia As imagens com resolução espacial submétrica, como as adquiridas por Veículo Aéreo Não Tripulado (VANT), apresentam alta variabilidade espectral. A análise baseada em objetos possibilita a redução dessa variabilidade e a geração de atributos, aumentando a |
title_short |
ÁRVORE DE DECISÃO E ANÁLISE BASEADA EM OBJETOS NA CLASSIFICAÇÃO DE IMAGENS COM RESOLUÇÃO ESPACIAL SUBMÉTRICA ADQUIRIDAS POR VANT |
title_full |
ÁRVORE DE DECISÃO E ANÁLISE BASEADA EM OBJETOS NA CLASSIFICAÇÃO DE IMAGENS COM RESOLUÇÃO ESPACIAL SUBMÉTRICA ADQUIRIDAS POR VANT |
title_fullStr |
ÁRVORE DE DECISÃO E ANÁLISE BASEADA EM OBJETOS NA CLASSIFICAÇÃO DE IMAGENS COM RESOLUÇÃO ESPACIAL SUBMÉTRICA ADQUIRIDAS POR VANT |
title_full_unstemmed |
ÁRVORE DE DECISÃO E ANÁLISE BASEADA EM OBJETOS NA CLASSIFICAÇÃO DE IMAGENS COM RESOLUÇÃO ESPACIAL SUBMÉTRICA ADQUIRIDAS POR VANT |
title_sort |
ÁRVORE DE DECISÃO E ANÁLISE BASEADA EM OBJETOS NA CLASSIFICAÇÃO DE IMAGENS COM RESOLUÇÃO ESPACIAL SUBMÉTRICA ADQUIRIDAS POR VANT |
author |
Ruiz, Luis Fernando Chimelo |
author_facet |
Ruiz, Luis Fernando Chimelo Guasselli, Laurindo Antonio Caten, Alexandre ten |
author_role |
author |
author2 |
Guasselli, Laurindo Antonio Caten, Alexandre ten |
author2_role |
author author |
dc.contributor.none.fl_str_mv |
CAPES CINDACTA II |
dc.contributor.author.fl_str_mv |
Ruiz, Luis Fernando Chimelo Guasselli, Laurindo Antonio Caten, Alexandre ten |
dc.subject.por.fl_str_mv |
Geociências; Geodésia As imagens com resolução espacial submétrica, como as adquiridas por Veículo Aéreo Não Tripulado (VANT), apresentam alta variabilidade espectral. A análise baseada em objetos possibilita a redução dessa variabilidade e a geração de atributos, aumentando a |
topic |
Geociências; Geodésia As imagens com resolução espacial submétrica, como as adquiridas por Veículo Aéreo Não Tripulado (VANT), apresentam alta variabilidade espectral. A análise baseada em objetos possibilita a redução dessa variabilidade e a geração de atributos, aumentando a |
description |
As imagens com resolução espacial submétrica, como as adquiridas por Veículo Aéreo Não Tripulado (VANT), apresentam alta variabilidade espectral. A análise baseada em objetos possibilita a redução dessa variabilidade e a geração de atributos, aumentando a dimensionalidade do conjunto de dados. Funções de seleção de atributos relevantes e de reforço, disponíveis no algoritmo C5.0, e a análise baseada em objetos facilitam a classificação dessas imagens. Este trabalho teve como objetivos: (i) avaliar as classificações dos objetos em relação aos parâmetros de seleção de atributos (winnow), de reforço (trial) e do Número Mínimo de Amostras (NMA), (ii) determinar os atributos preditivos mais importantes e (iii) comparar a classificação por Árvore de Decisão com Máquina de Vetores Suporte. Para segmentar a imagem foi utilizado o método crescimento de regiões e para a classificação o algoritmo C5.0. Os valores dos parâmetros trial (10) e NMA (5) resultaram acurácias superiores a 0,8. Com esses parâmetros o valor do kappa foi superior a SVM. Ao habilitar o parâmetro winnow foi observado uma redução da dimensionalidade do conjunto de dados de aproximadamente 30%. Os dois atributos mais importantes na discriminação das classes foram a razão entre as bandas verde e azul e a média dos valores das elevações. |
publishDate |
2017 |
dc.date.none.fl_str_mv |
2017-07-31 |
dc.type.none.fl_str_mv |
|
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion |
format |
article |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://revistas.ufpr.br/bcg/article/view/52780 |
url |
https://revistas.ufpr.br/bcg/article/view/52780 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
https://revistas.ufpr.br/bcg/article/view/52780/32440 |
dc.rights.driver.fl_str_mv |
Copyright (c) 2017 Luis Fernando Chimelo Ruiz, Laurindo Antonio Guasselli, Alexandre ten Caten http://creativecommons.org/licenses/by-nc/4.0 info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Copyright (c) 2017 Luis Fernando Chimelo Ruiz, Laurindo Antonio Guasselli, Alexandre ten Caten http://creativecommons.org/licenses/by-nc/4.0 |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Boletim de Ciências Geodésicas Bulletin of Geodetic Sciences |
publisher.none.fl_str_mv |
Boletim de Ciências Geodésicas Bulletin of Geodetic Sciences |
dc.source.none.fl_str_mv |
Boletim de Ciências Geodésicas; Vol 23, No 2 (2017) Bulletin of Geodetic Sciences; Vol 23, No 2 (2017) 1982-2170 1413-4853 reponame:Boletim de Ciências Geodésicas instname:Universidade Federal do Paraná (UFPR) instacron:UFPR |
instname_str |
Universidade Federal do Paraná (UFPR) |
instacron_str |
UFPR |
institution |
UFPR |
reponame_str |
Boletim de Ciências Geodésicas |
collection |
Boletim de Ciências Geodésicas |
repository.name.fl_str_mv |
Boletim de Ciências Geodésicas - Universidade Federal do Paraná (UFPR) |
repository.mail.fl_str_mv |
qdalmolin@ufpr.br|| danielsantos@ufpr.br||qdalmolin@ufpr.br|| danielsantos@ufpr.br |
_version_ |
1799771719416676352 |