Metodos de classificação não-supervisionada de imagens de sensoriamento remoto usando mapas auto-organizaveis de Kohonen

Detalhes bibliográficos
Autor(a) principal: Gonçalves, Marcio Leandro
Data de Publicação: 2009
Tipo de documento: Tese
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
Texto Completo: https://hdl.handle.net/20.500.12733/1609374
Resumo: Orientadores: Marcio Luiz de Andrade Netto, Jose Alfredo Ferreira Costa
id UNICAMP-30_8f3408af77db2c1b05bb4c181084166f
oai_identifier_str oai::442801
network_acronym_str UNICAMP-30
network_name_str Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
repository_id_str
spelling Metodos de classificação não-supervisionada de imagens de sensoriamento remoto usando mapas auto-organizaveis de KohonenUnsupervised methods of classifying remotely sensed imges using Kohonen self-organizing mapsRedes neurais (Computação)Inteligência artificialProcessamento de imagens - Técnicas digitaisSensoriamento remotoMapas auto-organizáveisNeural networksArtificial intelligenceDigital image processingRemote sensingKohonen mapsOrientadores: Marcio Luiz de Andrade Netto, Jose Alfredo Ferreira CostaAcompanha Anexo A: Midia com informações adicionais em CD-RTese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de ComputaçãoResumo: Esta tese propõe novas metodologias de classificação não-supervisionada de imagens de sensoriamento remoto que particularmente exploram as características e propriedades do Mapa Auto-organizável de Kohonen (SOM - Self-Organizing Map). O ponto chave dos métodos de classificação propostos é realizar a análise de agrupamentos das imagens através do mapeamento produzido pelo SOM, ao invés de trabalhar diretamente com os padrões originais das cenas. Tal estratégia reduz significativamente a complexidade da análise dos dados, tornando possível a utilização de técnicas normalmente consideradas computacionalmente inviáveis para o processamento de imagens de sensoriamento remoto, como métodos de agrupamentos hierárquicos e índices de validação de agrupamentos. Diferentemente de outras abordagens, nas quais o SOM é utilizado como ferramenta de auxílio visual para a detecção de agrupamentos, nos métodos de classificação propostos, mecanismos para analisar de maneira automática o arranjo de neurônios de um SOM treinado são aplicados e aprimorados com o objetivo de encontrar as melhores partições para os conjuntos de dados das imagens. Baseando-se nas propriedades estatísticas do SOM, modificações nos cálculos de índices de validação agrupamentos são propostas com o objetivo de reduzir o custo computacional do processo de classificação das imagens. Técnicas de análise de textura em imagens são aplicadas para avaliar e filtrar amostras de treinamento e/ou protótipos do SOM que correspondem a regiões de transição entre classes de cobertura terrestre. Informações espaciais a respeito dos protótipos do SOM, além das informações de distância multiespectral, também são aplicadas em critérios de fusão de agrupamentos procurando facilitar a discriminação de classes de cobertura terrestre que apresentam alto grau de similaridade espectral. Resultados experimentais mostram que os métodos de classificação propostos apresentam vantagens significativas em relação às técnicas de classificação não-supervisionada mais freqüentemente utilizadas na área de sensoriamento remoto.Abstract: This thesis proposes new methods of unsupervised classification for remotely sensed images which particularly exploit the characteristics and properties of the Kohonen Self-Organizing Map (SOM). The key point is to execute the clustering process through a set of prototypes of SOM instead of analyzing directly the original patterns of the image. This strategy significantly reduces the complexity of data analysis, making it possible to use techniques that have not usually been considered computationally viable for processing remotely sensed images, such as hierarchical clustering methods and cluster validation indices. Unlike other approaches in which SOM is used as a visual tool for detection of clusters, the proposed classification methods automatically analyze the neurons grid of a trained SOM in order to find better partitions for data sets of images. Based on the statistical properties of the SOM, clustering validation indices calculated in a modified manner are proposed with the aim of reducing the computational cost of the classification process of images. Image texture analysis techniques are applied to evaluate and filter training samples and/or prototypes of the SOM that correspond to transition regions between land cover classes. Spatial information about the prototypes of the SOM, in addition to multiespectral distance information, are also incorporated in criteria for merging clusters with aim to facilitate the discrimination of land cover classes which have high spectral similarity. Experimental results show that the proposed classification methods present significant advantages when compared to unsupervised classification techniques frequently used in remote sensing.DoutoradoEngenharia de ComputaçãoDoutor em Engenharia Elétrica[s.n.]Andrade Netto, Marcio Luiz de, 1947-2019Costa, Jose Alfredo FerreiraPeres, Sarajane MarquesZullo Junior, JurandirTozzi, Clésio LuisVon Zuben, Fernando JoséUniversidade Estadual de Campinas (UNICAMP). Faculdade de Engenharia Elétrica e de ComputaçãoPrograma de Pós-Graduação em Engenharia ElétricaUNIVERSIDADE ESTADUAL DE CAMPINASGonçalves, Marcio Leandro20092009-11-03T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisapplication/pdf application/x-compressed265 p. : il. + + 1 CD-R.https://hdl.handle.net/20.500.12733/1609374GONÇALVES, Marcio Leandro. Metodos de classificação não-supervisionada de imagens de sensoriamento remoto usando mapas auto-organizaveis de Kohonen. 2009. 265 p. Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1609374. Acesso em: 3 set. 2024.https://repositorio.unicamp.br/acervo/detalhe/442801https://repositorio.unicamp.br/acervo/detalhe/442801porreponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)instname:Universidade Estadual de Campinas (UNICAMP)instacron:UNICAMPinfo:eu-repo/semantics/openAccess2022-06-30T15:43:57Zoai::442801Biblioteca Digital de Teses e DissertaçõesPUBhttp://repositorio.unicamp.br/oai/tese/oai.aspsbubd@unicamp.bropendoar:2022-06-30T15:43:57Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP)false
dc.title.none.fl_str_mv Metodos de classificação não-supervisionada de imagens de sensoriamento remoto usando mapas auto-organizaveis de Kohonen
Unsupervised methods of classifying remotely sensed imges using Kohonen self-organizing maps
title Metodos de classificação não-supervisionada de imagens de sensoriamento remoto usando mapas auto-organizaveis de Kohonen
spellingShingle Metodos de classificação não-supervisionada de imagens de sensoriamento remoto usando mapas auto-organizaveis de Kohonen
Gonçalves, Marcio Leandro
Redes neurais (Computação)
Inteligência artificial
Processamento de imagens - Técnicas digitais
Sensoriamento remoto
Mapas auto-organizáveis
Neural networks
Artificial intelligence
Digital image processing
Remote sensing
Kohonen maps
title_short Metodos de classificação não-supervisionada de imagens de sensoriamento remoto usando mapas auto-organizaveis de Kohonen
title_full Metodos de classificação não-supervisionada de imagens de sensoriamento remoto usando mapas auto-organizaveis de Kohonen
title_fullStr Metodos de classificação não-supervisionada de imagens de sensoriamento remoto usando mapas auto-organizaveis de Kohonen
title_full_unstemmed Metodos de classificação não-supervisionada de imagens de sensoriamento remoto usando mapas auto-organizaveis de Kohonen
title_sort Metodos de classificação não-supervisionada de imagens de sensoriamento remoto usando mapas auto-organizaveis de Kohonen
author Gonçalves, Marcio Leandro
author_facet Gonçalves, Marcio Leandro
author_role author
dc.contributor.none.fl_str_mv Andrade Netto, Marcio Luiz de, 1947-2019
Costa, Jose Alfredo Ferreira
Peres, Sarajane Marques
Zullo Junior, Jurandir
Tozzi, Clésio Luis
Von Zuben, Fernando José
Universidade Estadual de Campinas (UNICAMP). Faculdade de Engenharia Elétrica e de Computação
Programa de Pós-Graduação em Engenharia Elétrica
UNIVERSIDADE ESTADUAL DE CAMPINAS
dc.contributor.author.fl_str_mv Gonçalves, Marcio Leandro
dc.subject.por.fl_str_mv Redes neurais (Computação)
Inteligência artificial
Processamento de imagens - Técnicas digitais
Sensoriamento remoto
Mapas auto-organizáveis
Neural networks
Artificial intelligence
Digital image processing
Remote sensing
Kohonen maps
topic Redes neurais (Computação)
Inteligência artificial
Processamento de imagens - Técnicas digitais
Sensoriamento remoto
Mapas auto-organizáveis
Neural networks
Artificial intelligence
Digital image processing
Remote sensing
Kohonen maps
description Orientadores: Marcio Luiz de Andrade Netto, Jose Alfredo Ferreira Costa
publishDate 2009
dc.date.none.fl_str_mv 2009
2009-11-03T00:00:00Z
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/20.500.12733/1609374
GONÇALVES, Marcio Leandro. Metodos de classificação não-supervisionada de imagens de sensoriamento remoto usando mapas auto-organizaveis de Kohonen. 2009. 265 p. Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1609374. Acesso em: 3 set. 2024.
url https://hdl.handle.net/20.500.12733/1609374
identifier_str_mv GONÇALVES, Marcio Leandro. Metodos de classificação não-supervisionada de imagens de sensoriamento remoto usando mapas auto-organizaveis de Kohonen. 2009. 265 p. Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1609374. Acesso em: 3 set. 2024.
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv https://repositorio.unicamp.br/acervo/detalhe/442801
https://repositorio.unicamp.br/acervo/detalhe/442801
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf application/x-compressed
265 p. : il. + + 1 CD-R.
dc.publisher.none.fl_str_mv [s.n.]
publisher.none.fl_str_mv [s.n.]
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
instname:Universidade Estadual de Campinas (UNICAMP)
instacron:UNICAMP
instname_str Universidade Estadual de Campinas (UNICAMP)
instacron_str UNICAMP
institution UNICAMP
reponame_str Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
collection Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP)
repository.mail.fl_str_mv sbubd@unicamp.br
_version_ 1809189006208925696

Registros relacionados