Fechar
Metadados

%0 Thesis
%4 sid.inpe.br/mtc-m18@80/2009/05.18.17.23
%2 sid.inpe.br/mtc-m18@80/2009/05.18.17.23.51
%A Malinski, Paulo Roberto,
%T Uso da teoria de possibilidade e de algoritmo genético para construção de um classificador supervisionado com aplicação em imagens de radar de abertura sintética (SAR)
%D 2000
%E Sandri, Sandra Aprecida (presidente),
%E Freitas, Corina (orientadora),
%E Monteiro, Antonio Miguel Vieira,
%E Fernandes, David,
%E Oliveira, Pedro Paulo Baldi de,
%8 2000-09-06
%J x
%I Instituto Nacional de Pesquisas Espaciais (INPE)
%C São José dos Campos
%K Algoritmo genético, classificador supervisionado, abertura sintética.
%X O objetivo de estudo deste trabalho é a concepção, projeto, implementação e testes de um classificador supervisionado de imagens digitais, que utiliza a teoria possibilidades para o modelamento da incerteza derivada da classificação dos pixels das amostras da imagem. Nopresente trabalho, são utilizados algoritmos genéticos para obter um parâmetro que faz o particionamento inicial dos níveis de cinza em classes. o modelo proposto faz uma primeira classificação não determinística da imagem, para em seguida refinar esta classificação usando heurística contextuais de pós-processamento que levam em consideração a classificação dos vizinhos de cada pixel. Na primeira classificação, utiliza-se os histogramas das amostras das classe para obter distribuições de possibilidades, que indicam o quanto cada nível de cinza é compatível com uma dada classe. Definidas as distribuições de possibilidades, aplica-se o algoritmo genético sobre as amostras para determinar um limiar (grau de possibilidades) para cada classe, que é tal que se um nível de cinza tem grau de possibilidade (em relação aquela classe) superior ou igual ao limiar da classe, ele é considerado como possivelmente pertencente aquela classe. Submete-se então a imagem á classificação com base nos limiares fornecidos pelo algoritmo genético, obtendo-se como resultado uma imagem classificada em termos de classes puras e compostas (composição de classes puras). Em seguida, a imagem é submetida a algoritmos de pós-processamento que levam em conta a vizinhança de cada pixel, para a classificação final da imagem em termos de classes puras. o pós-processamento compreende duas faces, uma para eliminação das classes compostas e outra para refinamento da imagem que considera o entorno de cada pixel. O presente trabalho tem enfoque voltado para imagens de radar de aberturas sintética (SAR), porém não existe nenhuma restrição ao uso das técnicas desenvolvidas para aplicação em dados obtidos por outros sensores imageadore. ABSTRACT: The subject of this work is the conception, project, implementation and tests of a classifier of digital images, that uses possibility theory to model the uncertainty derived from the classification of the pixels from image samples. In the present work, genetic algorithms are employed to obtain a parameter that makes the initial coarse partitioning of the gray levels into classes. The proposed model first performs a non-deterministic classification of the image, and then refines this classification by means of contextual heuristic that take into sccount the neighbors od each pixel. In the first classification, the image samples histograms are used to obtain possibility distributions, that indicate how much each grey level is compatible with a given class. After definition of the possibility distribuitions, a genetic algorithm is used to determine a threashold (possibility degree) for each class, which is such that if a grey level has its possibiity degree (in relation to a class) higher than or equal to the class therashold then it is considered as possibily belonging to that class. The image is then classified using these threasholds, with each pixel assigned to a single class ( a "pure" class) or to a set of classes ( a "composed"classes). Next, the image the pixels to obtain a final classification solely in terms of pure classes. The post-processing comprehends two phases, one for the elimination of composed classes and another to eventually pixels using the classification of the neighbors. The present work is phocused synthetic radar aperture images (SAR), but there is no restrictions to the use of the techniques presented here for other sensor types.
%P 108
%@language pt
%9 Dissertação (Mestrado em Computação Aplicada)


Fechar