Classificação de imagens de sensoriamento remoto baseada em textura por redes neurais
Autor(a) principal: | |
---|---|
Data de Publicação: | 2002 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações da UFRGS |
Texto Completo: | http://hdl.handle.net/10183/6046 |
Resumo: | O objetivo principal deste trabalho é propor uma metodologia de classificação de imagens de sensoriamento remoto que integre a importância de atributos de textura na seleção de feições, através da utilização de freqüências espaciais de cada classe textural e sua direção, com a eficiência das redes neurais artificiais para classificá-las. O processo é composto por uma etapa de filtragem baseada nos filtros de Gabor, seguida de uma fase de classificação através de uma rede neural Multi-Layer Perceptron com algoritmo BackPropagation. A partir da transformada de Fourier são estimados os parâmetros a serem utilizados na constituição dos filtros de Gabor, adequados às freqüências espaciais associadas a cada classe presente na imagem a ser classificada. Desta forma, cada filtro gera uma imagem filtrada. O conjunto de filtros determina um conjunto de imagens filtradas (canais texturais). A classificação pixel a pixel é realizada pela rede neural onde cada pixel é definido por um vetor de dimensionalidade igual ao número de filtros do conjunto. O processo de classificação através da rede neural Multi-Layer Perceptron foi realizado pelo método de classificação supervisionada. A metodologia de classificação de imagens de sensoriamento remoto proposta neste trabalho foi testada em imagens sintética e real de dimensões 256 x 256 pixels. A análise dos resultados obtidos é apresentada sob a forma de uma Matriz de Erros, juntamente com a discussão dos mesmos. |
id |
URGS_f0f68ef391d49a0dbfd780636a1940eb |
---|---|
oai_identifier_str |
oai:www.lume.ufrgs.br:10183/6046 |
network_acronym_str |
URGS |
network_name_str |
Biblioteca Digital de Teses e Dissertações da UFRGS |
repository_id_str |
1853 |
spelling |
Beluco, AdrianoEngel, Paulo Martins2007-06-06T18:52:11Z2002http://hdl.handle.net/10183/6046000479813O objetivo principal deste trabalho é propor uma metodologia de classificação de imagens de sensoriamento remoto que integre a importância de atributos de textura na seleção de feições, através da utilização de freqüências espaciais de cada classe textural e sua direção, com a eficiência das redes neurais artificiais para classificá-las. O processo é composto por uma etapa de filtragem baseada nos filtros de Gabor, seguida de uma fase de classificação através de uma rede neural Multi-Layer Perceptron com algoritmo BackPropagation. A partir da transformada de Fourier são estimados os parâmetros a serem utilizados na constituição dos filtros de Gabor, adequados às freqüências espaciais associadas a cada classe presente na imagem a ser classificada. Desta forma, cada filtro gera uma imagem filtrada. O conjunto de filtros determina um conjunto de imagens filtradas (canais texturais). A classificação pixel a pixel é realizada pela rede neural onde cada pixel é definido por um vetor de dimensionalidade igual ao número de filtros do conjunto. O processo de classificação através da rede neural Multi-Layer Perceptron foi realizado pelo método de classificação supervisionada. A metodologia de classificação de imagens de sensoriamento remoto proposta neste trabalho foi testada em imagens sintética e real de dimensões 256 x 256 pixels. A análise dos resultados obtidos é apresentada sob a forma de uma Matriz de Erros, juntamente com a discussão dos mesmos.application/pdfporGeoinformáticaSensoriamento remotoRedes neuraisClassificação de imagens de sensoriamento remoto baseada em textura por redes neuraisinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisUniversidade Federal do Rio Grande do SulCentro Estadual de Pesquisas em Sensoriamento Remoto e MeteorologiaPrograma de Pós-Graduação em Sensoriamento RemotoPorto Alegre, BR-RS2002mestradoinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSORIGINAL000479813.pdf000479813.pdfTexto completoapplication/pdf4425985http://www.lume.ufrgs.br/bitstream/10183/6046/1/000479813.pdf11adbc26c145cbec5af470b98fbd4d6eMD51TEXT000479813.pdf.txt000479813.pdf.txtExtracted Texttext/plain194050http://www.lume.ufrgs.br/bitstream/10183/6046/2/000479813.pdf.txtab73b4eb896c0d1230bc0d8a0c67394eMD52THUMBNAIL000479813.pdf.jpg000479813.pdf.jpgGenerated Thumbnailimage/jpeg1295http://www.lume.ufrgs.br/bitstream/10183/6046/3/000479813.pdf.jpg96cd465c585cb9e496f0aa020b88d0b9MD5310183/60462018-10-17 09:08:08.751oai:www.lume.ufrgs.br:10183/6046Biblioteca Digital de Teses e Dissertaçõeshttps://lume.ufrgs.br/handle/10183/2PUBhttps://lume.ufrgs.br/oai/requestlume@ufrgs.br||lume@ufrgs.bropendoar:18532018-10-17T12:08:08Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false |
dc.title.pt_BR.fl_str_mv |
Classificação de imagens de sensoriamento remoto baseada em textura por redes neurais |
title |
Classificação de imagens de sensoriamento remoto baseada em textura por redes neurais |
spellingShingle |
Classificação de imagens de sensoriamento remoto baseada em textura por redes neurais Beluco, Adriano Geoinformática Sensoriamento remoto Redes neurais |
title_short |
Classificação de imagens de sensoriamento remoto baseada em textura por redes neurais |
title_full |
Classificação de imagens de sensoriamento remoto baseada em textura por redes neurais |
title_fullStr |
Classificação de imagens de sensoriamento remoto baseada em textura por redes neurais |
title_full_unstemmed |
Classificação de imagens de sensoriamento remoto baseada em textura por redes neurais |
title_sort |
Classificação de imagens de sensoriamento remoto baseada em textura por redes neurais |
author |
Beluco, Adriano |
author_facet |
Beluco, Adriano |
author_role |
author |
dc.contributor.author.fl_str_mv |
Beluco, Adriano |
dc.contributor.advisor1.fl_str_mv |
Engel, Paulo Martins |
contributor_str_mv |
Engel, Paulo Martins |
dc.subject.por.fl_str_mv |
Geoinformática Sensoriamento remoto Redes neurais |
topic |
Geoinformática Sensoriamento remoto Redes neurais |
description |
O objetivo principal deste trabalho é propor uma metodologia de classificação de imagens de sensoriamento remoto que integre a importância de atributos de textura na seleção de feições, através da utilização de freqüências espaciais de cada classe textural e sua direção, com a eficiência das redes neurais artificiais para classificá-las. O processo é composto por uma etapa de filtragem baseada nos filtros de Gabor, seguida de uma fase de classificação através de uma rede neural Multi-Layer Perceptron com algoritmo BackPropagation. A partir da transformada de Fourier são estimados os parâmetros a serem utilizados na constituição dos filtros de Gabor, adequados às freqüências espaciais associadas a cada classe presente na imagem a ser classificada. Desta forma, cada filtro gera uma imagem filtrada. O conjunto de filtros determina um conjunto de imagens filtradas (canais texturais). A classificação pixel a pixel é realizada pela rede neural onde cada pixel é definido por um vetor de dimensionalidade igual ao número de filtros do conjunto. O processo de classificação através da rede neural Multi-Layer Perceptron foi realizado pelo método de classificação supervisionada. A metodologia de classificação de imagens de sensoriamento remoto proposta neste trabalho foi testada em imagens sintética e real de dimensões 256 x 256 pixels. A análise dos resultados obtidos é apresentada sob a forma de uma Matriz de Erros, juntamente com a discussão dos mesmos. |
publishDate |
2002 |
dc.date.issued.fl_str_mv |
2002 |
dc.date.accessioned.fl_str_mv |
2007-06-06T18:52:11Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/10183/6046 |
dc.identifier.nrb.pt_BR.fl_str_mv |
000479813 |
url |
http://hdl.handle.net/10183/6046 |
identifier_str_mv |
000479813 |
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 |
application/pdf |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da UFRGS instname:Universidade Federal do Rio Grande do Sul (UFRGS) instacron:UFRGS |
instname_str |
Universidade Federal do Rio Grande do Sul (UFRGS) |
instacron_str |
UFRGS |
institution |
UFRGS |
reponame_str |
Biblioteca Digital de Teses e Dissertações da UFRGS |
collection |
Biblioteca Digital de Teses e Dissertações da UFRGS |
bitstream.url.fl_str_mv |
http://www.lume.ufrgs.br/bitstream/10183/6046/1/000479813.pdf http://www.lume.ufrgs.br/bitstream/10183/6046/2/000479813.pdf.txt http://www.lume.ufrgs.br/bitstream/10183/6046/3/000479813.pdf.jpg |
bitstream.checksum.fl_str_mv |
11adbc26c145cbec5af470b98fbd4d6e ab73b4eb896c0d1230bc0d8a0c67394e 96cd465c585cb9e496f0aa020b88d0b9 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS) |
repository.mail.fl_str_mv |
lume@ufrgs.br||lume@ufrgs.br |
_version_ |
1810085061473599488 |