%0 Journal Article
%4 dpi.inpe.br/plutao/2013/05.31.19.25.14
%2 dpi.inpe.br/plutao/2013/05.31.19.25.15
%@issn 0560-4613
%@issn 1808-0936
%F lattes: 8201805132981288 1 NegriCast:2013:MaAuAt
%T At-Som: Mapas Auto-Organizáveis Atenuantes / AT-SOM: Attenuating Self-Organizing Maps
%D 2013
%9 journal article
%A Negri, Rogério Galante,
%A Castro Filho, Carlos Alberto Pires de,
%@affiliation Instituto Nacional de Pesquisas Espaciais (INPE)
%@affiliation Instituto Nacional de Pesquisas Espaciais (INPE)
%@electronicmailaddress rogerio@dpi.inpe.br
%B Revista Brasileira de Cartografia
%V 64
%N 5
%P 589-599
%K Classificação de Imagem, Baseado em Pixel, Variação de SOM, Uumento de Acurácia, Image Classification, Pixel-based, SOM Based, Accuracy Increase.
%X Mapas Auto-Organizáveis (SOM) são modelos de Rede Neurais Artificiais inspirados no comportamento do córtex cerebral humano, os quais podem ser empregados na classificação de imagens. Este trabalho apresenta um método de classificação de imagens baseado em SOM, denominado Mapas Auto Organizáveis Atenuantes (At-SOM), capaz de reduzir os efeitos provocados pela classificação baseada em pixels. Para isto, o método desenvolvido é munido de um processo iterativo que reduz os valores dos pixels de um mesmo agrupamento. Um estudo de caso sobre a exatidão dos métodos At-SOM, Expectation Maximization, Fuzzy C-Médias e o método SOM clássico foi realizado, tomando como base um problema específico de classificação de tipos de cobertura da terra em uma imagem do sensor LANDSAT-5 TM. O método proposto, associado à função de vizinhança topológica Chapéu Mexicano, mostrou maior acurácia com relação aos demais métodos. 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.
%@language pt
%3 467-1502-1-PB.pdf
%U http://www.rbc.lsie.unb.br/index.php/rbc/author/downloadFile/467/1432/1