@Article{BragaSantFrei:2015:DiEsMa,
               author = "Braga, Bruna Cristina and Sant' Anna, Sidnei Jo{\~a}o Siqueira 
                         and Freitas, Corina da Costa",
          affiliation = "{Instituto Nacional de Pesquisas Espaciais (INPE)} and {Instituto 
                         Nacional de Pesquisas Espaciais (INPE)} and {Instituto Nacional de 
                         Pesquisas Espaciais (INPE)}",
                title = "Dist{\^a}ncias estoc{\'a}sticas e mapas de incertezas aplicados 
                         {\`a} classifica{\c{c}}{\~a}o de dados de m{\'u}ltiplos 
                         sensores",
              journal = "Revista Brasileira de Cartografia",
                 year = "2015",
               volume = "67",
               number = "7",
                pages = "1391--1411",
             keywords = "Classifica{\c{c}}{\~a}o de Imagens, Dist{\^a}ncias 
                         Estoc{\'a}sticas, Dados Multifontes, Dados Multisensor, Mapa de 
                         Incertezas.",
             abstract = "Neste trabalho {\'e} proposto o aperfei{\c{c}}oamento de 
                         classifi ca{\c{c}}{\~o}es por meio de uma nova t{\'e}cnica de 
                         integra{\c{c}}{\~a}o de dados multifonte ou multisensor cuja 
                         combina{\c{c}}{\~a}o ocorre em n{\'{\i}}vel diferente daqueles 
                         adotados em t{\'e}cnicas de integra{\c{c}}{\~a}o tradicionais. 
                         Neste caso, a composi{\c{c}}{\~a}o dos dados {\'e} aplicada 
                         {\`a}s informa{\c{c}}{\~o}es obtidas no processo de classifi 
                         ca{\c{c}}{\~a}o individual de w imagens provenientes de w fontes 
                         distintas. O conte{\'u}do dessas informa{\c{c}}{\~o}es 
                         refere-se {\`a}s dist{\^a}ncias e estat{\'{\i}}sticas de teste 
                         contidas nos mapas de incertezas (referentes {\`a} confi 
                         abilidade da classifi ca{\c{c}}{\~a}o) de cada uma das clas-sifi 
                         ca{\c{c}}{\~o}es. Os dados selecionados para este trabalho 
                         contemplam uma imagem {\'o}ptica e uma imagem de microondas. Tais 
                         imagens foram classifi cadas a partir do classifi cador por 
                         regi{\~o}es PolClass que al{\'e}m da classifi ca{\c{c}}{\~a}o 
                         gera um mapa de incertezas. Por meio dos dados gerados nas 
                         classifi ca{\c{c}}{\~o}es individuais das imagens foram 
                         constru{\'{\i}}dos cinco Cen{\'a}rios de Classifi 
                         ca{\c{c}}{\~a}o visando {\'{\i}}ndices de acur{\'a}cia 
                         superiores aqueles obtidos pelas classifi ca{\c{c}}{\~o}es 
                         individuais. Dois destes Cen{\'a}rios de classifi 
                         ca{\c{c}}{\~a}o apresentaram baixas incertezas nas classifi 
                         ca{\c{c}}{\~o}es. Para um deles, o coefi ciente kappa e 
                         acur{\'a}cia global igualaram-se estatisticamente ao maior kappa 
                         e maior acur{\'a}cia adquiridos individualmente. O outro 
                         Cen{\'a}rio, cuja origem foi baseada na l{\'o}gica Fuzzy, obteve 
                         o melhor resultado entre os Cen{\'a}rios criados. A 
                         utiliza{\c{c}}{\~a}o de informa{\c{c}}{\~o}es provenientes de 
                         fontes distintas mostrou-se um fator positivo na classifi 
                         ca{\c{c}}{\~a}o por agregar diferentes informa{\c{c}}{\~o}es 
                         ao resultado fi nal. A l{\'o}gica Fuzzy revelou-se um fator 
                         positivo por permitir uma classifi ca{\c{c}}{\~a}o em classes 
                         mistas com baixas incertezas.",
                 issn = "0560-4613 and 1808-0936",
             language = "pt",
           targetfile = "braga_distancias.pdf",
        urlaccessdate = "27 abr. 2024"
}