@MastersThesis{Rennó:1995:AvMeTe,
               author = "Renn{\'o}, Camilo Daleles",
                title = "Avalia{\c{c}}{\~a}o de medidas texturais na 
                         discrimina{\c{c}}{\~a}o de classes de uso utilizando imagens 
                         SIR-C/X-SAR do per{\'{\i}}metro irrigado de Bebedouro, 
                         Petrolina, PE",
               school = "Instituto Nacional de Pesquisas Espaciais (INPE)",
                 year = "1995",
              address = "S{\~a}o Jos{\'e} dos Campos",
                month = "1995-12-22",
             keywords = "sensoriamento remoto, radar de abertura sint{\'e}tica (SAR), 
                         shuttle imaging radar (SIR-C), sele{\c{c}}{\~a}o de atributos, 
                         textura, classifica{\c{c}}{\~a}o, Petrolina (PE), remote 
                         sensing, synthetic aperture radar, shuttle imaging radar, feature 
                         extraction, textures, classifications, Petrolina (PE).",
             abstract = "A textura {\'e} uma importante caracter{\'{\i}}stica utilizada 
                         na interpreta{\c{c}}{\~a}o visual de imagens e por esta 
                         raz{\~a}o, o uso de medidas de textura pode aumentar o desempenho 
                         de classificadores digitais, principalmente em imagens com alta 
                         resolu{\c{c}}{\~a}o espacial. No entanto, a textura de uma 
                         imagem {\'e} muito dif{\'{\i}}cil de ser quantificada, uma vez 
                         que n{\~a}o h{\'a} um consenso na defini{\c{c}}{\~a}o deste 
                         termo, nem tampouco uma formula{\c{c}}{\~a}o matem{\'a}tica 
                         precisa. Na literatura, pode-se encontrar muitas medidas de 
                         textura, sendo que a escolha de um conjunto de medidas de textura 
                         {\'e} quase sempre feita empiricamente. Este trabalho prop{\~o}e 
                         uma metodologia para sele{\c{c}}{\~a}o das medidas texturais que 
                         maximize a discrimina{\c{c}}{\~a}o entre classes de uso em 
                         imagens SAR. Para tanto, foram utilizadas imagens SIR-C/X-SAR, 
                         bandas L e C, e polariza{\c{c}}{\~o}es HH, HV e VV. Os 
                         resultados mostraram que classifica{\c{c}}{\~o}es baseadas 
                         apenas na m{\'e}dia tonal conseguiram valores de kappa pouco 
                         acima de 0,50. O uso de medidas de textura resultou numa melhoria 
                         na classifica{\c{c}}{\~a}o, obtendo-se valores de kappa 
                         superiores a 0,90 quando 15 medidas foram utilizadas 
                         simultaneamente. Mesmo quando imagens de apenas uma banda e uma 
                         polariza{\c{c}}{\~a}o foram empregadas, conseguiram-se, em 
                         geral, valores de kappa superiores a 0,85 com a 
                         utiliza{\c{c}}{\~a}o de mais de 20 medidas de textura. Os 
                         resultados comprovaram que a informa{\c{c}}{\~a}o textural 
                         presente em imagens de radar podem ajudar na 
                         discrimina{\c{c}}{\~a}o de alvos agr{\'{\i}}colas e que a 
                         metodologia proposta mostrou-se adequada a este prop{\'o}sito. 
                         ABSTRACT: The texture is an important characterestic used for 
                         visual image interpretation. For this reason, the performance of 
                         digital classifiers can be improved with texture measurements, 
                         specially for high resolution images. However, the quantification 
                         of image texture is very difficult, since there is no consensus in 
                         the definition of what texture is, as well as a precise 
                         mathematical formulation of it. Several texture measures can be 
                         found in the literature. Usually the choice of the best set of 
                         these measures is done empirically. This work proposes a 
                         methodology for texture measures selection that maximize the 
                         discrimination between land use classes in SAR images. The used 
                         images were SIR-C/X-SAR, L and C bands, and HH, HV and VV 
                         polarizations. The results show that the classification based only 
                         on the tonal means achieved kappa values slightly higher than 
                         0.50. The use of texture measures improved the classification, 
                         obtaining kappa values higher than 0.90, when 15 measures were 
                         used simultaneosly. Even when images only one band and one 
                         polarization were used, the kappa values obtained were higher than 
                         0.85, making use of more than 20 texture measures. The results 
                         confirmed that texture information in radar image may help the 
                         discrimination of agriculture crops, and that the proposed 
                         methodology is appropriate for this purpose.",
            committee = "Soares, Joao Vianei (orientador) and Yanasse, Corina da Costa 
                         Freitas and Formaggio, Antonio Roberto and Mascarenhas, Nelson 
                         Delfino d'Avila",
           copyholder = "SID/SCD",
         englishtitle = "An valuation of the texture features for Land-use discrimination 
                         using SIR-C/X-SAR data in the Bebedouro irrigation project, 
                         Petrolina, PE",
             language = "pt",
                pages = "109",
                  ibi = "6qtX3pFwXQZ3P8SECKy/BmUKk",
                  url = "http://urlib.net/ibi/6qtX3pFwXQZ3P8SECKy/BmUKk",
           targetfile = "publicacao.pdf",
        urlaccessdate = "19 maio 2024"
}