@InProceedings{MirandaLemoEspi:2019:CoMéSu,
               author = "Miranda, Lisandra Rold{\~a}o and Lemos, Delnir Monteiro de and 
                         Espinoza, Jean Marcel de Almeida",
          affiliation = "Instituto Federal de Educa{\c{c}}{\~a}o, Ci{\^e}ncia e 
                         Tecnologia do Rio Grande do Sul (IFRS) and Instituto Federal de 
                         Educa{\c{c}}{\~a}o, Ci{\^e}ncia e Tecnologia do Rio Grande do 
                         Sul (IFRS) and Instituto Federal de Educa{\c{c}}{\~a}o, 
                         Ci{\^e}ncia e Tecnologia do Rio Grande do Sul (IFRS)",
                title = "Compara{\c{c}}{\~a}o dos m{\'e}todos Support Vector Machine e 
                         m{\'a}xima verossimilhan{\c{c}}a guassiana para 
                         classifica{\c{c}}{\~a}o de imagem das {\'a}reas de dunas 
                         costeiras da Praia do Cassino, Rio Grande, RS",
            booktitle = "Anais...",
                 year = "2019",
               editor = "Gherardi, Douglas Francisco Marcolino and Sanches, Ieda DelArco 
                         and Arag{\~a}o, Luiz Eduardo Oliveira e Cruz de",
                pages = "1756--1759",
         organization = "Simp{\'o}sio Brasileiro de Sensoriamento Remoto, 19. (SBSR)",
            publisher = "Instituto Nacional de Pesquisas Espaciais (INPE)",
              address = "S{\~a}o Jos{\'e} dos Campos",
             keywords = "classifica{\c{c}}{\~a}o, PDI, dunas, SVM, supervisionada, 
                         classification, DIP, dunes, SVM, supervised.",
             abstract = "A classifica{\c{c}}{\~a}o de imagens de sat{\'e}lites possui 
                         uma variedade de m{\'e}todos para an{\'a}lise espectral, 
                         por{\'e}m a escolha deles depender{\'a} da {\'a}rea a ser 
                         estudada. Este trabalho apresenta, com as t{\'e}cnicas de 
                         Processamento Digital de Imagens, a classifica{\c{c}}{\~a}o 
                         supervisionada da extens{\~a}o das dunas costeiras do 
                         Balne{\'a}rio Cassino, no munic{\'{\i}}pio de Rio Grande, 
                         utilizando os classificadores Support Vector Machines e 
                         M{\'a}xima Verossimilhan{\c{c}}a Gaussiana. Essas 
                         classifica{\c{c}}{\~o}es proporcionaram implementar a 
                         an{\'a}lise de acur{\'a}cia baseada na matriz erro e a 
                         compara{\c{c}}{\~a}o entre os classificadores. A partir da 
                         imagem de alta resolu{\c{c}}{\~a}o espacial Geoeye, com o 
                         aux{\'{\i}}lio do software MatLab, as amostras de treinamento 
                         foram coletadas para treinar os algoritmos de 
                         classifica{\c{c}}{\~a}o implementados na cena segmentada. Os 
                         resultados deste trabalho foram avaliados visualmente, assim 
                         comparando os m{\'e}todos pela sua efici{\^e}ncia na 
                         classifica{\c{c}}{\~a}o de imagem da {\'a}rea de estudo e 
                         trazendo subs{\'{\i}}dios para futuros interessados em 
                         classificadores para a {\'a}rea de dunas costeiras. ABSTRACT: The 
                         classification of satellite images has a variety of methods for 
                         spectral analysis, but the choice of them depends on the area 
                         being studied. This work presents, with the techniques of Digital 
                         Image Processing, supervised classification of the extension of 
                         the coastal dunes of the Balne{\'a}rio Cassino, in the city of 
                         Rio Grande, using the classifiers Support Vector Machines and 
                         Maximum Gaussian Likelihood. These classifications provided to 
                         implement the analysis of accuracy based on the matrix error and 
                         the comparison between the classifiers. From the high spatial 
                         resolution Geoeye image, with the aid of MatLab software, the 
                         training samples were collected to train the classification 
                         algorithms implemented in the segmented scene. The results of this 
                         work were evaluated visually, thus comparing the methods for their 
                         efficiency in the image classification of the study area and 
                         bringing subsidies to interested parties in classifiers for the 
                         coastal dune area.",
  conference-location = "Santos",
      conference-year = "14-17 abril 2019",
                 isbn = "978-85-17-00097-3",
             language = "pt",
         organisation = "Instituto Nacional de Pesquisas Espaciais (INPE)",
                  ibi = "8JMKD3MGP6W34M/3U79UNB",
                  url = "http://urlib.net/ibi/8JMKD3MGP6W34M/3U79UNB",
           targetfile = "97810.pdf",
                 type = "Processamento de imagens",
        urlaccessdate = "15 jun. 2024"
}