O USO DE REDES NEURAIS ARTIFICIAIS NA ANÁLISE DA AMBIGÜIDADE ENTRE CLASSES DE ÁGUA E PLANTAS AQUÁTICAS
Autor(a) principal: | |
---|---|
Data de Publicação: | 2004 |
Outros Autores: | |
Tipo de documento: | Artigo |
Idioma: | por |
Título da fonte: | Boletim de Ciências Geodésicas |
Texto Completo: | https://revistas.ufpr.br/bcg/article/view/1533 |
Resumo: | A aplicação de Redes Neurais Artificiais (RNA) na classificação de dados de Sensoriamento Remoto tem se mostrado uma abordagem promissora na discriminação de classes de maior complexidade. Uma RNA foi, então, utilizada para desenvolver uma análise da ambigüidade entre classes definidas em função das variações espectrais da água e ocorrência de plantas aquáticas emersas em uma área teste do reservatório de Barra Bonita, SP. Os dados de entrada utilizados na classificação constituíram-se de imagens orbitais ETM+/Landsat, às quais foi aplicado um modelo linear de mistura espectral, gerando imagens-fração correspondentes de água, vegetação e solo. No processo de classificação, uma RNA multicamadas feedfoward foi treinada com o algoritmo backpropagation, a partir de amostras representativas das áreas infestadas por plantas aquáticas e variações na resposta espectral da água. O procedimento metodológico adotado mostrou-se adequado para o mapeamento das classes de água e macrófitas aquáticas. O resultado da classificação pela rede neural atendeu a proposta de avaliar a ambigüidade entre as classes e permitiu explicitar quais classes de saída apresentavam maior grau de mistura com outras ocorrências. The use of artificial neural network in the ambiguity analysis between classes defined by water spectral variability and aquatic plants Abstract Artificial Neural Networks (ANN) represent a potential approach for classification of remote sensing images, since they can form complex decision regions and separate meshed class. So, an ANN was used to develop an ambiguity analysis between classes defined by water spectral variability and aquatic plants infestation in a test area of the Barra Bonita, SP, reservoir. The classification input data was constituted by images derived from a linear mixing model applied to ETM+/Landsat spectral bands. In order to undertake a supervised classification, a multilayer neural net was trained by backpropagation algorithm, using representative samples extracted from aquatics plants infestation areas and water body spectral variability. The approach was adequate for mapping water spectral variability and detect infested areas by aquatic macrophytes. Additionally, the classification obtained by neural net can be used for the purpose to evaluate meshed classes allowing to represent more ambiguous classes in test area. |
id |
UFPR-2_5efcc9c54a26019d2f388dc5873fc4c5 |
---|---|
oai_identifier_str |
oai:revistas.ufpr.br:article/1533 |
network_acronym_str |
UFPR-2 |
network_name_str |
Boletim de Ciências Geodésicas |
repository_id_str |
|
spelling |
O USO DE REDES NEURAIS ARTIFICIAIS NA ANÁLISE DA AMBIGÜIDADE ENTRE CLASSES DE ÁGUA E PLANTAS AQUÁTICASRedes Neurais Artificiais; Classificação de Imagens; Ambigüidade entre classes; Artificial Neural Network; Image Classification; Classes Ambiguity. A aplicação de Redes Neurais Artificiais (RNA) na classificação de dados de Sensoriamento Remoto tem se mostrado uma abordagem promissora na discriminação de classes de maior complexidade. Uma RNA foi, então, utilizada para desenvolver uma análise da ambigüidade entre classes definidas em função das variações espectrais da água e ocorrência de plantas aquáticas emersas em uma área teste do reservatório de Barra Bonita, SP. Os dados de entrada utilizados na classificação constituíram-se de imagens orbitais ETM+/Landsat, às quais foi aplicado um modelo linear de mistura espectral, gerando imagens-fração correspondentes de água, vegetação e solo. No processo de classificação, uma RNA multicamadas feedfoward foi treinada com o algoritmo backpropagation, a partir de amostras representativas das áreas infestadas por plantas aquáticas e variações na resposta espectral da água. O procedimento metodológico adotado mostrou-se adequado para o mapeamento das classes de água e macrófitas aquáticas. O resultado da classificação pela rede neural atendeu a proposta de avaliar a ambigüidade entre as classes e permitiu explicitar quais classes de saída apresentavam maior grau de mistura com outras ocorrências. The use of artificial neural network in the ambiguity analysis between classes defined by water spectral variability and aquatic plants Abstract Artificial Neural Networks (ANN) represent a potential approach for classification of remote sensing images, since they can form complex decision regions and separate meshed class. So, an ANN was used to develop an ambiguity analysis between classes defined by water spectral variability and aquatic plants infestation in a test area of the Barra Bonita, SP, reservoir. The classification input data was constituted by images derived from a linear mixing model applied to ETM+/Landsat spectral bands. In order to undertake a supervised classification, a multilayer neural net was trained by backpropagation algorithm, using representative samples extracted from aquatics plants infestation areas and water body spectral variability. The approach was adequate for mapping water spectral variability and detect infested areas by aquatic macrophytes. Additionally, the classification obtained by neural net can be used for the purpose to evaluate meshed classes allowing to represent more ambiguous classes in test area. Boletim de Ciências GeodésicasBulletin of Geodetic Sciences2004-12-31info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionapplication/pdfhttps://revistas.ufpr.br/bcg/article/view/1533Boletim de Ciências Geodésicas; Vol 10, No 2 (2004)Bulletin of Geodetic Sciences; Vol 10, No 2 (2004)1982-21701413-4853reponame:Boletim de Ciências Geodésicasinstname:Universidade Federal do Paraná (UFPR)instacron:UFPRporhttps://revistas.ufpr.br/bcg/article/view/1533/1287ESPINHOSA, MIRIAM CRISTINAGALO, MARIA DE LOURDES BUENO TRINDADEinfo:eu-repo/semantics/openAccess2005-12-09T20:58:59Zoai:revistas.ufpr.br:article/1533Revistahttps://revistas.ufpr.br/bcgPUBhttps://revistas.ufpr.br/bcg/oaiqdalmolin@ufpr.br|| danielsantos@ufpr.br||qdalmolin@ufpr.br|| danielsantos@ufpr.br1982-21701413-4853opendoar:2005-12-09T20:58:59Boletim de Ciências Geodésicas - Universidade Federal do Paraná (UFPR)false |
dc.title.none.fl_str_mv |
O USO DE REDES NEURAIS ARTIFICIAIS NA ANÁLISE DA AMBIGÜIDADE ENTRE CLASSES DE ÁGUA E PLANTAS AQUÁTICAS |
title |
O USO DE REDES NEURAIS ARTIFICIAIS NA ANÁLISE DA AMBIGÜIDADE ENTRE CLASSES DE ÁGUA E PLANTAS AQUÁTICAS |
spellingShingle |
O USO DE REDES NEURAIS ARTIFICIAIS NA ANÁLISE DA AMBIGÜIDADE ENTRE CLASSES DE ÁGUA E PLANTAS AQUÁTICAS ESPINHOSA, MIRIAM CRISTINA Redes Neurais Artificiais; Classificação de Imagens; Ambigüidade entre classes; Artificial Neural Network; Image Classification; Classes Ambiguity. |
title_short |
O USO DE REDES NEURAIS ARTIFICIAIS NA ANÁLISE DA AMBIGÜIDADE ENTRE CLASSES DE ÁGUA E PLANTAS AQUÁTICAS |
title_full |
O USO DE REDES NEURAIS ARTIFICIAIS NA ANÁLISE DA AMBIGÜIDADE ENTRE CLASSES DE ÁGUA E PLANTAS AQUÁTICAS |
title_fullStr |
O USO DE REDES NEURAIS ARTIFICIAIS NA ANÁLISE DA AMBIGÜIDADE ENTRE CLASSES DE ÁGUA E PLANTAS AQUÁTICAS |
title_full_unstemmed |
O USO DE REDES NEURAIS ARTIFICIAIS NA ANÁLISE DA AMBIGÜIDADE ENTRE CLASSES DE ÁGUA E PLANTAS AQUÁTICAS |
title_sort |
O USO DE REDES NEURAIS ARTIFICIAIS NA ANÁLISE DA AMBIGÜIDADE ENTRE CLASSES DE ÁGUA E PLANTAS AQUÁTICAS |
author |
ESPINHOSA, MIRIAM CRISTINA |
author_facet |
ESPINHOSA, MIRIAM CRISTINA GALO, MARIA DE LOURDES BUENO TRINDADE |
author_role |
author |
author2 |
GALO, MARIA DE LOURDES BUENO TRINDADE |
author2_role |
author |
dc.contributor.author.fl_str_mv |
ESPINHOSA, MIRIAM CRISTINA GALO, MARIA DE LOURDES BUENO TRINDADE |
dc.subject.por.fl_str_mv |
Redes Neurais Artificiais; Classificação de Imagens; Ambigüidade entre classes; Artificial Neural Network; Image Classification; Classes Ambiguity. |
topic |
Redes Neurais Artificiais; Classificação de Imagens; Ambigüidade entre classes; Artificial Neural Network; Image Classification; Classes Ambiguity. |
description |
A aplicação de Redes Neurais Artificiais (RNA) na classificação de dados de Sensoriamento Remoto tem se mostrado uma abordagem promissora na discriminação de classes de maior complexidade. Uma RNA foi, então, utilizada para desenvolver uma análise da ambigüidade entre classes definidas em função das variações espectrais da água e ocorrência de plantas aquáticas emersas em uma área teste do reservatório de Barra Bonita, SP. Os dados de entrada utilizados na classificação constituíram-se de imagens orbitais ETM+/Landsat, às quais foi aplicado um modelo linear de mistura espectral, gerando imagens-fração correspondentes de água, vegetação e solo. No processo de classificação, uma RNA multicamadas feedfoward foi treinada com o algoritmo backpropagation, a partir de amostras representativas das áreas infestadas por plantas aquáticas e variações na resposta espectral da água. O procedimento metodológico adotado mostrou-se adequado para o mapeamento das classes de água e macrófitas aquáticas. O resultado da classificação pela rede neural atendeu a proposta de avaliar a ambigüidade entre as classes e permitiu explicitar quais classes de saída apresentavam maior grau de mistura com outras ocorrências. The use of artificial neural network in the ambiguity analysis between classes defined by water spectral variability and aquatic plants Abstract Artificial Neural Networks (ANN) represent a potential approach for classification of remote sensing images, since they can form complex decision regions and separate meshed class. So, an ANN was used to develop an ambiguity analysis between classes defined by water spectral variability and aquatic plants infestation in a test area of the Barra Bonita, SP, reservoir. The classification input data was constituted by images derived from a linear mixing model applied to ETM+/Landsat spectral bands. In order to undertake a supervised classification, a multilayer neural net was trained by backpropagation algorithm, using representative samples extracted from aquatics plants infestation areas and water body spectral variability. The approach was adequate for mapping water spectral variability and detect infested areas by aquatic macrophytes. Additionally, the classification obtained by neural net can be used for the purpose to evaluate meshed classes allowing to represent more ambiguous classes in test area. |
publishDate |
2004 |
dc.date.none.fl_str_mv |
2004-12-31 |
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/1533 |
url |
https://revistas.ufpr.br/bcg/article/view/1533 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
https://revistas.ufpr.br/bcg/article/view/1533/1287 |
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 10, No 2 (2004) Bulletin of Geodetic Sciences; Vol 10, No 2 (2004) 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_ |
1799771720571158528 |