Investigação sobre métodos para redução da dimensionalidade dos dados em imagens hiperespectrais

• Autor(a) principal: Zortea, Maciel
• Data de Publicação: 2005
• Outros Autores: Haertel, Vitor Francisco de Araújo, Clarke, Robin Thomas
• Tipo de documento: Artigo
• Idioma: por
• Título da fonte: Repositório Institucional da UFRGS
• Texto Completo: http://hdl.handle.net/10183/236083
• topic: Sensoriamento remoto; Feature extraction; Feature selection; Data dimensionality reduction; Hyperspectral image data; Remote sensing

Neste estudo é proposta uma nova metodologia para fins de redução da dimensionalidade dos dados em imagens hiperespectrais. Nesta abordagem, parte-se da suposição de que a curva de resposta espectral em cada pixel, pode ser adequadamente descrita por um número menor de parâmetros estatísticos, em substituição aos contadores digitais (CDs) originais, para utilização em um classificador. Neste processo, a curva de resposta espectral é inicialmente particionada em um certo número de segmentos. Em uma segunda etapa, os contadores digitais (CDs) que caracterizam cada segmento são substituídos por um número menor de parâmetros estatísticos, como a média e a variância estimada a partir dos CD's em cada segmento individual. Para a segmentação da curva de resposta espectral de cada pixel, são propostos três algoritmos de fácil implementação e computacionalmente eficientes. Usando uma estratégia top-down, o comprimento de cada segmento ao longo da curva espectral pode ser ajustado seqüencialmente. Experimentos são realizados utilizando dados adquiridos pelo sensor AVIRIS. Resultados animadores são obtidos em termos de acurácia de classificação e tempo de execução, sugerindo a eficácia dos algoritmos propostos.