COMPARAÇÃO ENTRE OS MÉTODOS DE MÁXIMA VEROSSIMILHANÇA, DISTÂNCIA MÍNIMA E O MÉTODO DE FISHER PARA RECONHECIMENTO DE PADRÕES EM IMAGENS COLORIDAS

Detalhes bibliográficos
Autor(a) principal: Müller, Sonia Isoldi Marty Gama
Data de Publicação: 1999
Outros Autores: Dalmolin, Quintino, Araki, Hideo
Tipo de documento: Artigo
Idioma: por
Título da fonte: Boletim de Ciências Geodésicas
Texto Completo: https://revistas.ufpr.br/bcg/article/view/1496
Resumo: Uma das grandes preocupações no processo de automação em Fotogrametria está relacionado com os algoritmos de reconhecimento de padrões. Apesar da metodologia ter avançado significativamente nos últimos anos, principalmente no que se refere ao tom de cinza, o reconhecimento de padrões de cores reais em imagens coloridas ainda se encontra em fase de desenvolvimento. Neste sentido objetiva-se realizar uma série de ensaios com dados (cores) controlados e também com dados reais para comparar a performance dos métodos estatísticos de Máxima Verossimilhança, Distância Mínima e de Fisher para reconhecimento das cores reais. A comparação entre os métodos estatísticos foi feita controlando o processo de classificação, ou seja, utilizando amostras determinísticas para treinamento das funções discriminantes e criando imagens para classificação no software (MATLAB). Com intuito de que a comparação pudesse ser feita sem controle da imagem a ser classificada e das amostras, utilizou-se uma imagem retirada de uma foto digitalizada, para verificar a performance dos métodos frente a um caso real. A análise de desempenho dos métodos foi observada pela estatística kappa e a comparação pelo teste Z apropriado. Os resultados indicam que o Método de Distância Mínima foi o melhor para classificação de cores reais sob todos os aspectos estudados. Abstract One of the main issues in the photogrametry automation process is related to pattern recognition algorithms. Although there were significant advances in the last years, mainly in regard to the gray tones, color pattern recognition in colored images is still in a developmental stage. In this sense, a series of tests with controlled data (colors) and also with real data is made to compare the performance of the statistical methods: Maximum Likelihood, Minimum Distance, and Fishe’s method in their ability to recognize real colors. The comparison among the statistical methods was performed by controlling the classification process, that is, using deterministic samples for the training of discriminant functions and test images created by a software (MATLAB). For the case of real images, the statistical methods were compared without controlling both the sample and the image by the utilization of an image extracted from a digitized picture. The methods performance was analyzed using the kappa statistic and the Z test. The results indicated that the Minimum Distance Method was the best method to classify real colors under all assumptions.
id UFPR-2_3842f8c1d8f3ab84213a431b31640eff
oai_identifier_str oai:revistas.ufpr.br:article/1496
network_acronym_str UFPR-2
network_name_str Boletim de Ciências Geodésicas
repository_id_str
spelling COMPARAÇÃO ENTRE OS MÉTODOS DE MÁXIMA VEROSSIMILHANÇA, DISTÂNCIA MÍNIMA E O MÉTODO DE FISHER PARA RECONHECIMENTO DE PADRÕES EM IMAGENS COLORIDAS Uma das grandes preocupações no processo de automação em Fotogrametria está relacionado com os algoritmos de reconhecimento de padrões. Apesar da metodologia ter avançado significativamente nos últimos anos, principalmente no que se refere ao tom de cinza, o reconhecimento de padrões de cores reais em imagens coloridas ainda se encontra em fase de desenvolvimento. Neste sentido objetiva-se realizar uma série de ensaios com dados (cores) controlados e também com dados reais para comparar a performance dos métodos estatísticos de Máxima Verossimilhança, Distância Mínima e de Fisher para reconhecimento das cores reais. A comparação entre os métodos estatísticos foi feita controlando o processo de classificação, ou seja, utilizando amostras determinísticas para treinamento das funções discriminantes e criando imagens para classificação no software (MATLAB). Com intuito de que a comparação pudesse ser feita sem controle da imagem a ser classificada e das amostras, utilizou-se uma imagem retirada de uma foto digitalizada, para verificar a performance dos métodos frente a um caso real. A análise de desempenho dos métodos foi observada pela estatística kappa e a comparação pelo teste Z apropriado. Os resultados indicam que o Método de Distância Mínima foi o melhor para classificação de cores reais sob todos os aspectos estudados. Abstract One of the main issues in the photogrametry automation process is related to pattern recognition algorithms. Although there were significant advances in the last years, mainly in regard to the gray tones, color pattern recognition in colored images is still in a developmental stage. In this sense, a series of tests with controlled data (colors) and also with real data is made to compare the performance of the statistical methods: Maximum Likelihood, Minimum Distance, and Fishe’s method in their ability to recognize real colors. The comparison among the statistical methods was performed by controlling the classification process, that is, using deterministic samples for the training of discriminant functions and test images created by a software (MATLAB). For the case of real images, the statistical methods were compared without controlling both the sample and the image by the utilization of an image extracted from a digitized picture. The methods performance was analyzed using the kappa statistic and the Z test. The results indicated that the Minimum Distance Method was the best method to classify real colors under all assumptions. Boletim de Ciências GeodésicasBulletin of Geodetic Sciences1999-06-30info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionapplication/pdfhttps://revistas.ufpr.br/bcg/article/view/1496Boletim de Ciências Geodésicas; Vol 4, No 1 (1999)Bulletin of Geodetic Sciences; Vol 4, No 1 (1999)1982-21701413-4853reponame:Boletim de Ciências Geodésicasinstname:Universidade Federal do Paraná (UFPR)instacron:UFPRporhttps://revistas.ufpr.br/bcg/article/view/1496/1250Müller, Sonia Isoldi Marty GamaDalmolin, QuintinoAraki, Hideoinfo:eu-repo/semantics/openAccess2005-12-09T20:58:51Zoai:revistas.ufpr.br:article/1496Revistahttps://revistas.ufpr.br/bcgPUBhttps://revistas.ufpr.br/bcg/oaiqdalmolin@ufpr.br|| danielsantos@ufpr.br||qdalmolin@ufpr.br|| danielsantos@ufpr.br1982-21701413-4853opendoar:2005-12-09T20:58:51Boletim de Ciências Geodésicas - Universidade Federal do Paraná (UFPR)false
dc.title.none.fl_str_mv COMPARAÇÃO ENTRE OS MÉTODOS DE MÁXIMA VEROSSIMILHANÇA, DISTÂNCIA MÍNIMA E O MÉTODO DE FISHER PARA RECONHECIMENTO DE PADRÕES EM IMAGENS COLORIDAS
title COMPARAÇÃO ENTRE OS MÉTODOS DE MÁXIMA VEROSSIMILHANÇA, DISTÂNCIA MÍNIMA E O MÉTODO DE FISHER PARA RECONHECIMENTO DE PADRÕES EM IMAGENS COLORIDAS
spellingShingle COMPARAÇÃO ENTRE OS MÉTODOS DE MÁXIMA VEROSSIMILHANÇA, DISTÂNCIA MÍNIMA E O MÉTODO DE FISHER PARA RECONHECIMENTO DE PADRÕES EM IMAGENS COLORIDAS
Müller, Sonia Isoldi Marty Gama
title_short COMPARAÇÃO ENTRE OS MÉTODOS DE MÁXIMA VEROSSIMILHANÇA, DISTÂNCIA MÍNIMA E O MÉTODO DE FISHER PARA RECONHECIMENTO DE PADRÕES EM IMAGENS COLORIDAS
title_full COMPARAÇÃO ENTRE OS MÉTODOS DE MÁXIMA VEROSSIMILHANÇA, DISTÂNCIA MÍNIMA E O MÉTODO DE FISHER PARA RECONHECIMENTO DE PADRÕES EM IMAGENS COLORIDAS
title_fullStr COMPARAÇÃO ENTRE OS MÉTODOS DE MÁXIMA VEROSSIMILHANÇA, DISTÂNCIA MÍNIMA E O MÉTODO DE FISHER PARA RECONHECIMENTO DE PADRÕES EM IMAGENS COLORIDAS
title_full_unstemmed COMPARAÇÃO ENTRE OS MÉTODOS DE MÁXIMA VEROSSIMILHANÇA, DISTÂNCIA MÍNIMA E O MÉTODO DE FISHER PARA RECONHECIMENTO DE PADRÕES EM IMAGENS COLORIDAS
title_sort COMPARAÇÃO ENTRE OS MÉTODOS DE MÁXIMA VEROSSIMILHANÇA, DISTÂNCIA MÍNIMA E O MÉTODO DE FISHER PARA RECONHECIMENTO DE PADRÕES EM IMAGENS COLORIDAS
author Müller, Sonia Isoldi Marty Gama
author_facet Müller, Sonia Isoldi Marty Gama
Dalmolin, Quintino
Araki, Hideo
author_role author
author2 Dalmolin, Quintino
Araki, Hideo
author2_role author
author
dc.contributor.author.fl_str_mv Müller, Sonia Isoldi Marty Gama
Dalmolin, Quintino
Araki, Hideo
description Uma das grandes preocupações no processo de automação em Fotogrametria está relacionado com os algoritmos de reconhecimento de padrões. Apesar da metodologia ter avançado significativamente nos últimos anos, principalmente no que se refere ao tom de cinza, o reconhecimento de padrões de cores reais em imagens coloridas ainda se encontra em fase de desenvolvimento. Neste sentido objetiva-se realizar uma série de ensaios com dados (cores) controlados e também com dados reais para comparar a performance dos métodos estatísticos de Máxima Verossimilhança, Distância Mínima e de Fisher para reconhecimento das cores reais. A comparação entre os métodos estatísticos foi feita controlando o processo de classificação, ou seja, utilizando amostras determinísticas para treinamento das funções discriminantes e criando imagens para classificação no software (MATLAB). Com intuito de que a comparação pudesse ser feita sem controle da imagem a ser classificada e das amostras, utilizou-se uma imagem retirada de uma foto digitalizada, para verificar a performance dos métodos frente a um caso real. A análise de desempenho dos métodos foi observada pela estatística kappa e a comparação pelo teste Z apropriado. Os resultados indicam que o Método de Distância Mínima foi o melhor para classificação de cores reais sob todos os aspectos estudados. Abstract One of the main issues in the photogrametry automation process is related to pattern recognition algorithms. Although there were significant advances in the last years, mainly in regard to the gray tones, color pattern recognition in colored images is still in a developmental stage. In this sense, a series of tests with controlled data (colors) and also with real data is made to compare the performance of the statistical methods: Maximum Likelihood, Minimum Distance, and Fishe’s method in their ability to recognize real colors. The comparison among the statistical methods was performed by controlling the classification process, that is, using deterministic samples for the training of discriminant functions and test images created by a software (MATLAB). For the case of real images, the statistical methods were compared without controlling both the sample and the image by the utilization of an image extracted from a digitized picture. The methods performance was analyzed using the kappa statistic and the Z test. The results indicated that the Minimum Distance Method was the best method to classify real colors under all assumptions.
publishDate 1999
dc.date.none.fl_str_mv 1999-06-30
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/1496
url https://revistas.ufpr.br/bcg/article/view/1496
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv https://revistas.ufpr.br/bcg/article/view/1496/1250
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 4, No 1 (1999)
Bulletin of Geodetic Sciences; Vol 4, No 1 (1999)
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_ 1799771718746636288