@Article{NegriCast:2013:MaAuAt,
author = "Negri, Rog{\'e}rio Galante and Castro Filho, Carlos Alberto Pires
de",
affiliation = "{Instituto Nacional de Pesquisas Espaciais (INPE)} and {Instituto
Nacional de Pesquisas Espaciais (INPE)}",
title = "At-Som: Mapas Auto-Organiz{\'a}veis Atenuantes / AT-SOM:
Attenuating Self-Organizing Maps",
journal = "Revista Brasileira de Cartografia",
year = "2013",
volume = "64",
number = "5",
pages = "589--599",
keywords = "Classifica{\c{c}}{\~a}o de Imagem, Baseado em Pixel,
Varia{\c{c}}{\~a}o de SOM, Uumento de Acur{\'a}cia, Image
Classification, Pixel-based, SOM Based, Accuracy Increase.",
abstract = "Mapas Auto-Organiz{\'a}veis (SOM) s{\~a}o modelos de Rede
Neurais Artificiais inspirados no comportamento do c{\'o}rtex
cerebral humano, os quais podem ser empregados na
classifica{\c{c}}{\~a}o de imagens. Este trabalho apresenta um
m{\'e}todo de classifica{\c{c}}{\~a}o de imagens baseado em
SOM, denominado Mapas Auto Organiz{\'a}veis Atenuantes (At-SOM),
capaz de reduzir os efeitos provocados pela
classifica{\c{c}}{\~a}o baseada em pixels. Para isto, o
m{\'e}todo desenvolvido {\'e} munido de um processo iterativo
que reduz os valores dos pixels de um mesmo agrupamento. Um estudo
de caso sobre a exatid{\~a}o dos m{\'e}todos At-SOM, Expectation
Maximization, Fuzzy C-M{\'e}dias e o m{\'e}todo SOM
cl{\'a}ssico foi realizado, tomando como base um problema
espec{\'{\i}}fico de classifica{\c{c}}{\~a}o de tipos de
cobertura da terra em uma imagem do sensor LANDSAT-5 TM. O
m{\'e}todo proposto, associado {\`a} fun{\c{c}}{\~a}o de
vizinhan{\c{c}}a topol{\'o}gica Chap{\'e}u Mexicano, mostrou
maior acur{\'a}cia com rela{\c{c}}{\~a}o aos demais
m{\'e}todos. ABSTRACT Self-Organizing Maps (SOM) are Artificial
Neural Network models bio-inspired by the behavior of the human
cerebral cortex. These models can be used as unsupervised image
classification methods. This paper presents an image
classification method based on Attenuating Self-Organizing Maps
(At-SOM) able to reduce the effects caused by the pixel-based
classification. The developed method has an attenuation process to
decrease iteratively the pixels values that belongs to a same
cluster. A case study assessing the At-SOM, Expectation
Maximization, Fuzzy C-Means and the classic SOM methods accuracy
was conducted for a specific land cover classification problem
using LANDSAT-5 TM image sample. The proposed method associated
with Mexican Hat topological neighborhood function achieved better
accuracy over other methods.",
issn = "0560-4613 and 1808-0936",
label = "lattes: 8201805132981288 1 NegriCast:2013:MaAuAt",
language = "pt",
targetfile = "467-1502-1-PB.pdf",
url = "http://www.rbc.lsie.unb.br/index.php/rbc/author/downloadFile/467/1432/1",
urlaccessdate = "01 maio 2024"
}