%0 Thesis
%4 sid.inpe.br/mtc-m18@80/2009/06.04.18.44
%2 sid.inpe.br/mtc-m18@80/2009/06.04.18.44.42
%T Extração de atributos espaciais em imagens multiespectrais
%J x
%D 1981
%8 1981-03-06
%9 Dissertação (Mestrado em Computação Aplicada)
%P 86
%A Dutra, Luciano Vieira,
%E Renna e Souza, Celso de (presidente),
%E Mascarenhas, Nelson Delfino D'Ávila (orientador),
%E Sonnenburg, Claudio Roland,
%E Velasco, Flávio Roberto Dias,
%I Instituto Nacional de Pesquisas Espaciais (INPE)
%C São José dos Campos
%K seleção de atributos, atributos espaciais, classificação de padrões, imagens multiespectrais.
%X Extração de atributos é um fator importante na determinação da precisão que se pode alcançar em tarefas de classificação de imagens multiespectrais. Os métodos tradicionais de classificação ponto a ponto não utilizam toda a informação disponível, pois desprezam o relacionamento espacial existente entre os pontos da imagem que pertencem a uma mesma classe. São desenvolvidos métodos para extração de atributos espaciais de imagens multiespectrais através de filtragem linear e não-linear. Métodos de seleção de atributos são também utilizados porque restrições físicas, custos computacionais e disponibilidade de padrões e treinamento inviabilizam o uso de um grande número de atributos extraídos de imagem. O classificador usado supõe que essas características tem distribuição gaussiana, mas o uso de filtros não-lineares não garante a normalidade das características resultantes. Usam-se, pois, curvas de transferência não-lineares para tentar recuperar o caráter gaussiano dos atributos em questão. A análise do desempenho dos atributos espaciais, em conjunto com atributos espectrais, revelou que o uso da informação espacial melhora a precisão da classificação. ABSTRACT: Feature extraction in an important factor in determining the precision that can be attained on the classification of multiespectral images. The tradicional point-but-point classification methods do not use all the available information since they disregard the spatial relationship that exists among pixels belongin to the same class. Methods are developed to extract image spatial features by means of linear and nom-linear filtering. Feature selection methods are alsodeveloped, since it is not possible to use all the generated features because physical restrictions, computacional costs and availability of traininh patterns do not allow the manipulation of a large number of extracted image features. The classifier that is used assumes that the features have a Gaussian distribution although the use of nonlinear filters does not guarantee the normality of the resulting features. Therefore, nonlinear transfer functions are employed as an attempt to restore the Gaussian character of the involved features. The analysis of the performance of the spatial features in conjunction with the spectral ones demonstrated that the use of spatial information increases the precision of the classification.
%@language pt
%3 Luciano Vieira Dutra_INPE-2315-TDL-078.pdf