CLASSIFICAÇÃO DE IMAGENS HIPERESPECTRAIS EMPREGANDO SUPPORT VECTOR MACHINES

Detalhes bibliográficos
Autor(a) principal: ANDREOLA, RAFAELA
Data de Publicação: 2010
Outros Autores: HAERTEL, VITOR
Tipo de documento: Artigo
Idioma: por
Título da fonte: Boletim de Ciências Geodésicas
Texto Completo: https://revistas.ufpr.br/bcg/article/view/17682
Resumo: In this study we investigate the performance of the Support Vector Machines SVM) classifier when applied to the classification of high dimensional remotely sensed image data. As SVM deals with a pair of classes at a time, we propose its implementation in a binary tree approach where two classes only are dealt with at each node. The accuracy of the thematic  image produced by this classification scheme was evaluated for two different  kernel functions and different data dimensionality. Tests were performed using hiperspectral image data collected by the sensor system AVIRIS. Results are presented and discussed.
id UFPR-2_1501a91a310ddd6c3395a84a10795ebb
oai_identifier_str oai:revistas.ufpr.br:article/17682
network_acronym_str UFPR-2
network_name_str Boletim de Ciências Geodésicas
repository_id_str
spelling CLASSIFICAÇÃO DE IMAGENS HIPERESPECTRAIS EMPREGANDO SUPPORT VECTOR MACHINESClassification of Hyperspectral Images with Support Vector MachinesSENSORIAMENTO REMOTOSupport Vector Machines; Classificador em Árvore Binária; Sensoriamento Remoto; Imagens Hiperespectrais.In this study we investigate the performance of the Support Vector Machines SVM) classifier when applied to the classification of high dimensional remotely sensed image data. As SVM deals with a pair of classes at a time, we propose its implementation in a binary tree approach where two classes only are dealt with at each node. The accuracy of the thematic  image produced by this classification scheme was evaluated for two different  kernel functions and different data dimensionality. Tests were performed using hiperspectral image data collected by the sensor system AVIRIS. Results are presented and discussed. Neste estudo é investigado o desempenho do classificador Support Vector Machines (SVM) na classificação de imagens em alta dimensionalidade. Como SVM opera em um par de classes a cada vez, propõe-se aqui a sua implementação em uma estrutura em forma de árvore binária, onde somente duas classes são tratadas em cada nó. A acurácia da imagem temática produzida por este esquema de classificação é avaliada para duas funções  kernel distintas e em função do valor para dimensionalidade dos dados. Os testes foram realizados empregando imagens hiperespectrais adquiridas pelo sistema sensor AVIRIS. São aqui apresentados e discutidos os resultados obtidos. Boletim de Ciências GeodésicasBulletin of Geodetic Sciences2010-06-15info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionapplication/pdfhttps://revistas.ufpr.br/bcg/article/view/17682Boletim de Ciências Geodésicas; Vol 16, No 2 (2010)Bulletin of Geodetic Sciences; Vol 16, No 2 (2010)1982-21701413-4853reponame:Boletim de Ciências Geodésicasinstname:Universidade Federal do Paraná (UFPR)instacron:UFPRporhttps://revistas.ufpr.br/bcg/article/view/17682/11546ANDREOLA, RAFAELAHAERTEL, VITORinfo:eu-repo/semantics/openAccess2010-06-15T15:05:34Zoai:revistas.ufpr.br:article/17682Revistahttps://revistas.ufpr.br/bcgPUBhttps://revistas.ufpr.br/bcg/oaiqdalmolin@ufpr.br|| danielsantos@ufpr.br||qdalmolin@ufpr.br|| danielsantos@ufpr.br1982-21701413-4853opendoar:2010-06-15T15:05:34Boletim de Ciências Geodésicas - Universidade Federal do Paraná (UFPR)false
dc.title.none.fl_str_mv CLASSIFICAÇÃO DE IMAGENS HIPERESPECTRAIS EMPREGANDO SUPPORT VECTOR MACHINES
Classification of Hyperspectral Images with Support Vector Machines
title CLASSIFICAÇÃO DE IMAGENS HIPERESPECTRAIS EMPREGANDO SUPPORT VECTOR MACHINES
spellingShingle CLASSIFICAÇÃO DE IMAGENS HIPERESPECTRAIS EMPREGANDO SUPPORT VECTOR MACHINES
ANDREOLA, RAFAELA
SENSORIAMENTO REMOTO
Support Vector Machines; Classificador em Árvore Binária; Sensoriamento Remoto; Imagens Hiperespectrais.
title_short CLASSIFICAÇÃO DE IMAGENS HIPERESPECTRAIS EMPREGANDO SUPPORT VECTOR MACHINES
title_full CLASSIFICAÇÃO DE IMAGENS HIPERESPECTRAIS EMPREGANDO SUPPORT VECTOR MACHINES
title_fullStr CLASSIFICAÇÃO DE IMAGENS HIPERESPECTRAIS EMPREGANDO SUPPORT VECTOR MACHINES
title_full_unstemmed CLASSIFICAÇÃO DE IMAGENS HIPERESPECTRAIS EMPREGANDO SUPPORT VECTOR MACHINES
title_sort CLASSIFICAÇÃO DE IMAGENS HIPERESPECTRAIS EMPREGANDO SUPPORT VECTOR MACHINES
author ANDREOLA, RAFAELA
author_facet ANDREOLA, RAFAELA
HAERTEL, VITOR
author_role author
author2 HAERTEL, VITOR
author2_role author
dc.contributor.author.fl_str_mv ANDREOLA, RAFAELA
HAERTEL, VITOR
dc.subject.por.fl_str_mv SENSORIAMENTO REMOTO
Support Vector Machines; Classificador em Árvore Binária; Sensoriamento Remoto; Imagens Hiperespectrais.
topic SENSORIAMENTO REMOTO
Support Vector Machines; Classificador em Árvore Binária; Sensoriamento Remoto; Imagens Hiperespectrais.
description In this study we investigate the performance of the Support Vector Machines SVM) classifier when applied to the classification of high dimensional remotely sensed image data. As SVM deals with a pair of classes at a time, we propose its implementation in a binary tree approach where two classes only are dealt with at each node. The accuracy of the thematic  image produced by this classification scheme was evaluated for two different  kernel functions and different data dimensionality. Tests were performed using hiperspectral image data collected by the sensor system AVIRIS. Results are presented and discussed.
publishDate 2010
dc.date.none.fl_str_mv 2010-06-15
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/17682
url https://revistas.ufpr.br/bcg/article/view/17682
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv https://revistas.ufpr.br/bcg/article/view/17682/11546
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 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 16, No 2 (2010)
Bulletin of Geodetic Sciences; Vol 16, No 2 (2010)
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_ 1799771717748391937

Registros relacionados