Integração do algoritmo de clusterização propagação de afinidade e o classificador paramétrico máxima verossimilhança para classificação de imagens hiperspectrais

Detalhes bibliográficos
Autor(a) principal: Moiane, André Fenias
Data de Publicação: 2018
Tipo de documento: Tese
Idioma: por
Título da fonte: Repositório Institucional da UFPR
Texto Completo: https://hdl.handle.net/1884/57485
Resumo: Orientador: Prof. Dr. Álvaro Muriel Lima Machado
id UFPR_3ed9c99a2177625d0d17dccabb3d40dc
oai_identifier_str oai:acervodigital.ufpr.br:1884/57485
network_acronym_str UFPR
network_name_str Repositório Institucional da UFPR
repository_id_str 308
spelling Universidade Federal do Paraná. Setor de Ciências da Terra. Programa de Pós-Graduação em Ciências GeodésicasMachado, Álvaro Muriel Lima, 1951-Moiane, André Fenias2024-05-03T13:51:20Z2024-05-03T13:51:20Z2018https://hdl.handle.net/1884/57485Orientador: Prof. Dr. Álvaro Muriel Lima MachadoTese (doutorado) - Universidade Federal do Paraná, Setor de Ciências da Terra, Programa de Pós-Graduação em Ciências Geodésicas. Defesa : Curitiba, 06/09/2018Inclui referências: p.89-99Resumo: Esta tese investiga um método de classificação alternativo que integra o algoritmo de clusterização Propagação de Afinidade baseado nas Classes (PAC) e o Classificador Máxima Verossimilhança (MAXVER) com vista a superar as limitações do MAXVER na classificação de dados de alta dimensionalidade e, assim, melhorar a sua acurácia. O novo classificador foi designado PAC-MAXVER, e compreende duas abordagens, seleção de características espectrais e classificação de imagem. O algoritmo de clusterização PAC foi usado para realizar a redução de dimensionalidade da imagem e seleção de características enquanto o MAXVER foi utilizado para a classificação da imagem. O desempenho do MAXVER em termos de acurácia da classificação e tempo de processamento é determinado em função da taxa de seleção realizada na fase de clusterização PAC. O desempenho de PACMAXVER foi avaliado e validado usando duas cenas hiperespectrais do AVIRIS (Airborne Visible Infrared Imaging Spectrometer) e HYDICE (Hyperspectral Digital Imagery Collection Experiment). Os resultados da classificação mostram que PACMAXVER observou uma enorme melhoria na acurácia, atingindo 94,15% e 96,47%, respectivamente para imagem AVIRIS e HYDICE se comparado com o MAXVER, que obteve 85,42% e 81,50%. Esses valores obtidos pelo PAC-MAXVER melhoraram a acurácia da classificação MAXVER em 8,73% e 14,97% para essas imagens. Os resultados também mostraram que o PAC-MAXVER teve um bom desempenho, mesmo para as classes com número limitado de amostras de treinamento, superando as limitações do MAXVER.Abstract: This thesis investigates an alternative classification method that integrates Class-based Affinity Propagation (CAP) clustering algorithm and Maximum Likelihood Classifier (MLC) with the purpose of overcome the MLC limitations in the classification of high dimensionality data, and thus improve its accuracy. The new classifier was named CAP-MLC, and comprises two approaches, spectral feature selection and image classification. CAP clustering algorithm was used to perform the image dimensionality reduction and feature selection while the MLC was employed for image classification. The performance of MLC in terms of classification accuracy and processing time is determined as a function of the selection rate achieved in the CAP clustering stage. The performance of CAP-MLC has been evaluated and validated using two hyperspectral scenes from the Airborne Visible Infrared Imaging Spectrometer (AVIRIS) and the Hyperspectral Digital Imagery Collection Experiment (HYDICE). Classification results show that CAP-MLC observed an enormous improvement in accuracy, reaching 94,15% and 96,47% respectively for AVIRIS and HYDICE images if compared with MLC, which had 85,42% and 81,50%. These values obtained by CAP-MLC improved the MLC classification accuracy in 8,73% and 14,97% for these images. The results also show that CAP-MLC performed well, even for classes with limited training samples, surpassing the limitations of MLC.1 recurso online : PDF.application/pdfSensoriamento remotoGeodésiaVerossimilhança (Estatística)Imagens digitaisIntegração do algoritmo de clusterização propagação de afinidade e o classificador paramétrico máxima verossimilhança para classificação de imagens hiperspectraisinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisporreponame:Repositório Institucional da UFPRinstname:Universidade Federal do Paraná (UFPR)instacron:UFPRinfo:eu-repo/semantics/openAccessORIGINALR - T - ANDRE FENIAS MOIANE.pdfapplication/pdf3132590https://acervodigital.ufpr.br/bitstream/1884/57485/1/R%20-%20T%20-%20ANDRE%20FENIAS%20MOIANE.pdfc0ac20a513c8dcdc8d76e1d7f26759dbMD51open access1884/574852024-05-03 10:51:20.966open accessoai:acervodigital.ufpr.br:1884/57485Repositório de PublicaçõesPUBhttp://acervodigital.ufpr.br/oai/requestopendoar:3082024-05-03T13:51:20Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)false
dc.title.pt_BR.fl_str_mv Integração do algoritmo de clusterização propagação de afinidade e o classificador paramétrico máxima verossimilhança para classificação de imagens hiperspectrais
title Integração do algoritmo de clusterização propagação de afinidade e o classificador paramétrico máxima verossimilhança para classificação de imagens hiperspectrais
spellingShingle Integração do algoritmo de clusterização propagação de afinidade e o classificador paramétrico máxima verossimilhança para classificação de imagens hiperspectrais
Moiane, André Fenias
Sensoriamento remoto
Geodésia
Verossimilhança (Estatística)
Imagens digitais
title_short Integração do algoritmo de clusterização propagação de afinidade e o classificador paramétrico máxima verossimilhança para classificação de imagens hiperspectrais
title_full Integração do algoritmo de clusterização propagação de afinidade e o classificador paramétrico máxima verossimilhança para classificação de imagens hiperspectrais
title_fullStr Integração do algoritmo de clusterização propagação de afinidade e o classificador paramétrico máxima verossimilhança para classificação de imagens hiperspectrais
title_full_unstemmed Integração do algoritmo de clusterização propagação de afinidade e o classificador paramétrico máxima verossimilhança para classificação de imagens hiperspectrais
title_sort Integração do algoritmo de clusterização propagação de afinidade e o classificador paramétrico máxima verossimilhança para classificação de imagens hiperspectrais
author Moiane, André Fenias
author_facet Moiane, André Fenias
author_role author
dc.contributor.other.pt_BR.fl_str_mv Universidade Federal do Paraná. Setor de Ciências da Terra. Programa de Pós-Graduação em Ciências Geodésicas
dc.contributor.advisor1.fl_str_mv Machado, Álvaro Muriel Lima, 1951-
dc.contributor.author.fl_str_mv Moiane, André Fenias
contributor_str_mv Machado, Álvaro Muriel Lima, 1951-
dc.subject.por.fl_str_mv Sensoriamento remoto
Geodésia
Verossimilhança (Estatística)
Imagens digitais
topic Sensoriamento remoto
Geodésia
Verossimilhança (Estatística)
Imagens digitais
description Orientador: Prof. Dr. Álvaro Muriel Lima Machado
publishDate 2018
dc.date.issued.fl_str_mv 2018
dc.date.accessioned.fl_str_mv 2024-05-03T13:51:20Z
dc.date.available.fl_str_mv 2024-05-03T13:51:20Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://hdl.handle.net/1884/57485
url https://hdl.handle.net/1884/57485
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 1 recurso online : PDF.
application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFPR
instname:Universidade Federal do Paraná (UFPR)
instacron:UFPR
instname_str Universidade Federal do Paraná (UFPR)
instacron_str UFPR
institution UFPR
reponame_str Repositório Institucional da UFPR
collection Repositório Institucional da UFPR
bitstream.url.fl_str_mv https://acervodigital.ufpr.br/bitstream/1884/57485/1/R%20-%20T%20-%20ANDRE%20FENIAS%20MOIANE.pdf
bitstream.checksum.fl_str_mv c0ac20a513c8dcdc8d76e1d7f26759db
bitstream.checksumAlgorithm.fl_str_mv MD5
repository.name.fl_str_mv Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)
repository.mail.fl_str_mv
_version_ 1823526864874897408

Registros relacionados