Resultado da Pesquisa
A expressão de busca foi <related:sid.inpe.br/mtc-m21b/2016/05.03.16.12.24-0:en:title:2:region based classification methods:examining region based methods land cover classification using stochastic distances:>.
19 referências similares foram encontradas(inclusive a original) buscando em 17 dentre 17 Arquivos
(este total pode incluir algumas duplicatas - para ver a conta certa clique no botão Mostrar Todas).
As 10 mais recentes estão listadas abaixo.
Data e hora local de busca: 25/04/2024 02:01.

1. Identificação
Tipo de ReferênciaArtigo em Revista Científica (Journal Article)
Sitemtc-m21b.sid.inpe.br
Código do Detentorisadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S
Identificador8JMKD3MGP3W34P/3LKJAS2
Repositóriosid.inpe.br/mtc-m21b/2016/05.03.16.12   (acesso restrito)
Última Atualização2017:07.21.16.44.19 (UTC) simone
Repositório de Metadadossid.inpe.br/mtc-m21b/2016/05.03.16.12.24
Última Atualização dos Metadados2018:06.04.02.40.45 (UTC) administrator
DOI10.1080/01431161.2016.1165883
ISSN0143-1161
Chave de CitaçãoNegriDutrSantLu:2016:ExReMe
TítuloExamining region-based methods for land cover classification using stochastic distances
Ano2016
MêsApr.
Data de Acesso25 abr. 2024
Tipo de Trabalhojournal article
Tipo SecundárioPRE PI
Número de Arquivos1
Tamanho3830 KiB
2. Contextualização
Autor1 Negri, Rogério G.
2 Dutra, Luciano Vieira
3 Sant'Anna, Sidnei João Siqueira
4 Lu, D.
Identificador de Curriculo1
2 8JMKD3MGP5W/3C9JHMA
3 8JMKD3MGP5W/3C9JJ8N
Grupo1
2 DPI-OBT-INPE-MCTI-GOV-BR
3 DPI-OBT-INPE-MCTI-GOV-BR
Afiliação1 Universidade Estadual Paulista (UNESP)
2 Instituto Nacional de Pesquisas Espaciais (INPE)
3 Instituto Nacional de Pesquisas Espaciais (INPE)
4 Michigan State University
Endereço de e-Mail do Autor1 rogerio.negri@ict.unesp.br
2 luciano.dutra@inpe.br
3 sidnei.santanna@inpe.br
RevistaInternational Journal of Remote Sensing
Volume37
Número8
Páginas1902-1921
Nota SecundáriaA1_PLANEJAMENTO_URBANO_E_REGIONAL_/_DEMOGRAFIA A2_INTERDISCIPLINAR A2_GEOGRAFIA A2_ENGENHARIAS_IV A2_ENGENHARIAS_III A2_ENGENHARIAS_I A2_CIÊNCIAS_AMBIENTAIS A2_CIÊNCIA_DA_COMPUTAÇÃO B1_MATEMÁTICA_/_PROBABILIDADE_E_ESTATÍSTICA B1_GEOCIÊNCIAS B1_ENGENHARIAS_II B1_CIÊNCIAS_AGRÁRIAS_I B1_BIODIVERSIDADE B2_SAÚDE_COLETIVA B2_ODONTOLOGIA B3_CIÊNCIAS_BIOLÓGICAS_I B3_BIOTECNOLOGIA B5_ASTRONOMIA_/_FÍSICA
Histórico (UTC)2016-05-03 16:12:24 :: simone -> administrator ::
2017-01-09 13:59:27 :: administrator -> simone :: 2016
2017-07-21 16:44:19 :: simone -> administrator :: 2016
2018-06-04 02:40:45 :: administrator -> simone :: 2016
3. Conteúdo e estrutura
É a matriz ou uma cópia?é a matriz
Estágio do Conteúdoconcluido
Transferível1
Tipo do ConteúdoExternal Contribution
Tipo de Versãopublisher
Palavras-ChaveGraph theory
Pixels
Radar imaging
Remote sensing
Stochastic systems
Support vector machines
Synthetic aperture radar
ResumoA recent alternative to standard pixel-based classification of remote-sensing data is region-based classification, which has proved to be particularly useful when analysing high-resolution imagery of complex environments, such as urban areas, or when addressing noisy data, such as synthetic aperture radar (SAR) images. First, following certain criteria, the imagery is decomposed into homogeneous regions, and then each region is classified into a class of interest. The usual method for region-based classification involves using stochastic distances, which measure the distances between the pixel distributions inside an unknown region and the representative distributions of each class. The class, which is at the minimum distance from the unknown region distribution, is assigned to the region and this procedure is termed stochastic minimum distance classification (SMDC). This study reports the use of methods derived from the original SMDC, Support Vector Machine (SVM), and graph theory, with the objective of identifying the most robust and accurate classification methods. The equivalent pixel-based versions of region-based analysed methods were included for comparison. A case study near the Tapajós National Forest, in Pará state, Brazil, was investigated using ALOS PALSAR data. This study showed that methods based on the nearest neighbour, derived from SMDC, and SVM, with a specific kernel function, are more accurate and robust than the other analysed methods for region-based classification. Furthermore, pixel-based methods are not indicated to perform the classification of images with a strong presence of noise, such as SAR images.
ÁreaSRE
Arranjourlib.net > BDMCI > Fonds > Produção anterior à 2021 > DIDPI > Examining region-based methods...
Conteúdo da Pasta docacessar
Conteúdo da Pasta sourcenão têm arquivos
Conteúdo da Pasta agreement
agreement.html 03/05/2016 13:12 1.0 KiB 
4. Condições de acesso e uso
Idiomaen
Grupo de Usuáriossimone
Grupo de Leitoresadministrator
simone
Visibilidadeshown
Política de Arquivamentodenypublisher denyfinaldraft12
Permissão de Leituradeny from all and allow from 150.163
Permissão de Atualizaçãonão transferida
5. Fontes relacionadas
Repositório Espelhourlib.net/www/2011/03.29.20.55
Unidades Imediatamente Superiores8JMKD3MGPCW/3EQCCU5
Lista de Itens Citandosid.inpe.br/bibdigital/2013/09.09.15.05 3
sid.inpe.br/mtc-m21/2012/07.13.15.00.20 3
sid.inpe.br/mtc-m21/2012/07.13.14.53.50 2
DivulgaçãoWEBSCI; PORTALCAPES; COMPENDEX; SCOPUS.
Acervo Hospedeirosid.inpe.br/mtc-m21b/2013/09.26.14.25.20
6. Notas
Campos Vaziosalternatejournal archivist callnumber copyholder copyright creatorhistory descriptionlevel e-mailaddress format isbn label lineage mark nextedition notes orcid parameterlist parentrepositories previousedition previouslowerunit progress project rightsholder schedulinginformation secondarydate secondarykey session shorttitle sponsor subject targetfile tertiarymark tertiarytype url
7. Controle da descrição
e-Mail (login)simone
atualizar 

1. Identificação
Tipo de ReferênciaArtigo em Evento (Conference Proceedings)
Sitemarte2.sid.inpe.br
Código do Detentorisadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S
Identificador8JMKD3MGP6W34M/3JM4973
Repositóriosid.inpe.br/marte2/2015/06.15.14.56.25
Última Atualização2015:06.15.14.56.25 (UTC) banon
Repositório de Metadadossid.inpe.br/marte2/2015/06.15.14.56.26
Última Atualização dos Metadados2018:06.06.03.19.25 (UTC) administrator
ISBN978-85-17-0076-8
Rótulo309
Chave de CitaçãoDutraNegrSantLu:2015:CaStNe
TítuloDevelopment of dissimilarity functions using stochastic distances for region-based land cover classification: a case study near Tapajós Flona, Pará state, Brazil
FormatoInternet
Ano2015
Data de Acesso25 abr. 2024
Tipo SecundárioPRE CN
Número de Arquivos1
Tamanho580 KiB
2. Contextualização
Autor1 Dutra, Luciano Vieira
2 Negri, Rogério Galante
3 Sant'Anna, Sidnei João Siqueira
4 Lu, Dengsheng
Identificador de Curriculo1 8JMKD3MGP5W/3C9JHMA
2
3 8JMKD3MGP5W/3C9JJ8N
Grupo1 DPI-OBT-INPE-MCTI-GOV-BR
Afiliação1 Instituto Nacional de Pesquisas Espaciais (INPE)
Endereço de e-Mail do Autor1 dutra@dpi.inpe.br
EditorGherardi, Douglas Francisco Marcolino
Aragão, Luiz Eduardo Oliveira e Cruz de
Endereço de e-Mailwanderf@dsr.inpe.br
Nome do EventoSimpósio Brasileiro de Sensoriamento Remoto, 17 (SBSR)
Localização do EventoJoão Pessoa
Data25-29 abr. 2015
Editora (Publisher)Instituto Nacional de Pesquisas Espaciais (INPE)
Cidade da EditoraSão José dos Campos
Páginas1655-1662
Título do LivroAnais
OrganizaçãoInstituto Nacional de Pesquisas Espaciais (INPE)
Histórico (UTC)2015-06-15 14:56:26 :: banon -> administrator ::
2018-06-06 03:19:25 :: administrator -> simone :: 2015
3. Conteúdo e estrutura
É a matriz ou uma cópia?é a matriz
Estágio do Conteúdoconcluido
Transferível1
ResumoOne recent alternative to standard pixel based classification of remote sensing data, is the region based classification (RBC), which has been proved particularly useful when analyzing high resolution imagery of complex environments, like urban areas. First the imagery is decomposed into homogenous regions, following some criteria, and then each region is classified to one of the classes of interest. Normally, classification is performed by using stochastic distances, which measures the distance of the pixels distribution inside an unknown region and the representative distributions of each class. The class, whose distance is minimum to the unknown region distribution, is assigned to the region, which is known as stochastic minimum distance classification (SMDC). A problem appears when one, or more, class distribution is multi-modal, which violates the Gaussian hypotheses used for classes distributions, degrading the mapping accuracy. This investigation reports the usage of different compositions of the original stochastic minimum distance classifier with the objective of getting less sensitive results for classification, when potentially multi-modal classes are used. The newly developed classifier, called stochastic nearest distance classifier (SNDC), produced the best result when compared with the original classifier and other possible compositions, in a study case near the Tapajós Flona, in Pará state, Brazil. This study also brings, as methodological contribution, a criterion to improve the segmentation phase of RBC methods.
ÁreaSRE
TipoClassificação e mineração de dados
Arranjo 1urlib.net > BDMCI > Fonds > SBSR > SBSR 17 > Development of dissimilarity...
Arranjo 2urlib.net > BDMCI > Fonds > Produção anterior à 2021 > DIDPI > Development of dissimilarity...
Conteúdo da Pasta docacessar
Conteúdo da Pasta sourcenão têm arquivos
Conteúdo da Pasta agreementnão têm arquivos
4. Condições de acesso e uso
URL dos dadoshttp://urlib.net/ibi/8JMKD3MGP6W34M/3JM4973
URL dos dados zipadoshttp://urlib.net/zip/8JMKD3MGP6W34M/3JM4973
Idiomaen
Arquivo Alvop0309.pdf
Grupo de Usuáriosbanon
Visibilidadeshown
5. Fontes relacionadas
Repositório Espelhourlib.net/www/2011/03.29.20.55
Unidades Imediatamente Superiores8JMKD3MGP6W34M/3JJLLP2
8JMKD3MGPCW/3EQCCU5
Lista de Itens Citandosid.inpe.br/marte2/2015/05.31.21.54 5
sid.inpe.br/mtc-m21/2012/07.13.15.00.20 2
sid.inpe.br/mtc-m21/2012/07.13.14.53.50 1
Acervo Hospedeirodpi.inpe.br/marte2/2013/05.17.15.03.06
6. Notas
Campos Vaziosarchivingpolicy archivist callnumber contenttype copyholder copyright creatorhistory descriptionlevel dissemination documentstage doi edition issn keywords lineage mark nextedition notes numberofvolumes orcid parameterlist parentrepositories previousedition previouslowerunit progress project readergroup readpermission rightsholder schedulinginformation secondarydate secondarykey secondarymark serieseditor session shorttitle sponsor subject tertiarymark tertiarytype url versiontype volume
7. Controle da descrição
e-Mail (login)simone
atualizar 

1. Identificação
Tipo de ReferênciaArtigo em Evento (Conference Proceedings)
Sitemarte2.sid.inpe.br
Identificador8JMKD3MGP6W34M/3U6G43L
Repositóriosid.inpe.br/marte2/2019/10.03.19.15
Última Atualização2019:10.03.19.15.04 (UTC) administrator
Repositório de Metadadossid.inpe.br/marte2/2019/10.03.19.15.05
Última Atualização dos Metadados2020:01.06.12.30.35 (UTC) administrator
ISBN978-85-17-00097-3
Chave de CitaçãoVazOldKörFonSan:2019:CoPeRe
TítuloComparing per-pixel and region-based classification methods using CBERS-4/MUX images to analyse land cover change caused by the Mariana disaster
FormatoInternet
Ano2019
Data de Acesso25 abr. 2024
Tipo SecundárioPRE CN
Número de Arquivos1
Tamanho5322 KiB
2. Contextualização
Autor1 Vaz, Daiane Vieira
2 Oldoni, Lucas Volochen
3 Körting, Thales Sehn
4 Fonseca, Leila Maria Garcia
5 Sanches, Ieda Del'Arco
Grupo1 SER-SRE-SESPG-INPE-MCTIC-GOV-BR
2 SER-SRE-SESPG-INPE-MCTIC-GOV-BR
3 DIDPI-CGOBT-INPE-MCTIC-GOV-BR
4 DIDPI-CGOBT-INPE-MCTIC-GOV-BR
5 DIDSR-CGOBT-INPE-MCTIC-GOV-BR
Afiliação1 Instituto Nacional de Pesquisas Espaciais (INPE)
2 Instituto Nacional de Pesquisas Espaciais (INPE)
3 Instituto Nacional de Pesquisas Espaciais (INPE)
4 Instituto Nacional de Pesquisas Espaciais (INPE)
5 Instituto Nacional de Pesquisas Espaciais (INPE)
Endereço de e-Mail do Autor1 daiane.vaz@inpe.br
2 lucas.oldoni@inpe.br
3 thales.korting@inpe.br
4 leila.fonseca@inpe.br
5 ieda.sanches@inpe.br
EditorGherardi, Douglas Francisco Marcolino
Sanches, Ieda DelArco
Aragão, Luiz Eduardo Oliveira e Cruz de
Nome do EventoSimpósio Brasileiro de Sensoriamento Remoto, 19 (SBSR)
Localização do EventoSantos
Data14-17 abril 2019
Editora (Publisher)Instituto Nacional de Pesquisas Espaciais (INPE)
Cidade da EditoraSão José dos Campos
Páginas1831-1834
Título do LivroAnais
Tipo Terciáriofull paper
OrganizaçãoInstituto Nacional de Pesquisas Espaciais (INPE)
Histórico (UTC)2019-11-07 10:27:38 :: simone -> administrator :: 2019
2020-01-06 12:30:35 :: administrator -> simone :: 2019
3. Conteúdo e estrutura
É a matriz ou uma cópia?é a matriz
Estágio do Conteúdoconcluido
Transferível1
Palavras-ChaveMUX
CBERS-4
Mariana Disaster
classification
ResumoIn November 5th, 2015, the Fundão dams rupture in Mariana, Minas Gerais, Brazil, dumped millions of cubic meters of tailing into the river, causing abrupt changes in the land cover (LC). Remote Sensing (RS) techniques and image analyses allow monitoring LC changes, that can contribute for decision making. In this paper we show results of LC change detection caused by the disaster applying per-pixel and region-based classifiers. For this purpose, three CBERS-4/MUX images were independently classified to assess LC in different periods: prior the incident, right after and its current situation. The per-pixel classification distinguished rivers from other classes, better than the region-based classification. In addition, the changes detected in the LC helped to highlight vegetation areas affected by the incident and also to evaluate its effects. Furthermore, the analysis was able to identify regenerated vegetation areas.
ÁreaSRE
TipoMudança de uso e cobertura da Terra
Arranjo 1urlib.net > BDMCI > Fonds > Produção anterior à 2021 > DIDPI > Comparing per-pixel and...
Arranjo 2urlib.net > BDMCI > Fonds > Produção anterior à 2021 > DIDSR > Comparing per-pixel and...
Arranjo 3urlib.net > BDMCI > Fonds > Produção pgr ATUAIS > SER > Comparing per-pixel and...
Arranjo 4urlib.net > BDMCI > Fonds > SBSR > SBSR 19 > Comparing per-pixel and...
Arranjo 5urlib.net > BDMCI > Fonds > Produção anterior à 2021 > DIDSR > SBSR 19 > Comparing per-pixel and...
Arranjo 6Projeto Memória 60... > Livros e livros editados > SBSR 19 > Comparing per-pixel and...
Conteúdo da Pasta docacessar
Conteúdo da Pasta sourcenão têm arquivos
Conteúdo da Pasta agreementnão têm arquivos
4. Condições de acesso e uso
URL dos dadoshttp://urlib.net/ibi/8JMKD3MGP6W34M/3U6G43L
URL dos dados zipadoshttp://urlib.net/zip/8JMKD3MGP6W34M/3U6G43L
Idiomapt
Arquivo Alvo97717.pdf
Grupo de Usuáriossimone
Visibilidadeshown
Licença de Direitos Autoraisurlib.net/www/2012/11.12.15.19
Detentor dos Direitosoriginalauthor yes
Permissão de Atualizaçãonão transferida
5. Fontes relacionadas
Repositório Espelhourlib.net/www/2011/03.29.20.55
Unidades Imediatamente Superiores8JMKD3MGPCW/3EQCCU5
8JMKD3MGPCW/3ER446E
8JMKD3MGPCW/3F3NU5S
8JMKD3MGP6W34M/3UCAT7H
Lista de Itens Citandosid.inpe.br/bibdigital/2013/09.09.15.05 2
sid.inpe.br/marte2/2019/11.08.12.52 1
Acervo Hospedeirodpi.inpe.br/marte2/2013/05.17.15.03.06
6. Notas
Campos Vaziosarchivingpolicy archivist callnumber contenttype copyholder creatorhistory descriptionlevel dissemination doi e-mailaddress edition holdercode issn label lineage mark nextedition notes numberofvolumes orcid parameterlist parentrepositories previousedition previouslowerunit progress project readergroup readpermission resumeid schedulinginformation secondarydate secondarykey secondarymark serieseditor session shorttitle sponsor subject tertiarymark url versiontype volume
7. Controle da descrição
e-Mail (login)simone
atualizar 

1. Identificação
Tipo de ReferênciaArtigo em Revista Científica (Journal Article)
Sitemtc-m21c.sid.inpe.br
Código do Detentorisadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S
Identificador8JMKD3MGP3W34R/3TJBCUP
Repositóriosid.inpe.br/mtc-m21c/2019/07.02.11.23   (acesso restrito)
Última Atualização2019:07.02.11.23.36 (UTC) simone
Repositório de Metadadossid.inpe.br/mtc-m21c/2019/07.02.11.23.36
Última Atualização dos Metadados2020:01.06.11.42.15 (UTC) administrator
DOI10.1080/17538947.2018.1474958
ISSN1753-8947
Rótuloself-archiving-INPE-MCTIC-GOV-BR
Chave de CitaçãoNegriFreSilMenDut:2019:ReClPo
TítuloRegion-based classification of PolSAR data using radial basis kernel functions with stochastic distances
Ano2019
MêsJune
Data de Acesso25 abr. 2024
Tipo de Trabalhojournal article
Tipo SecundárioPRE PI
Número de Arquivos1
Tamanho5248 KiB
2. Contextualização
Autor1 Negri, Rogério Galante
2 Frery, Alejandro C.
3 Silva, Wagner B.
4 Mendes, Tatiana Sussel Gonçalves
5 Dutra, Luciano Vieira
Identificador de Curriculo1
2
3
4
5 8JMKD3MGP5W/3C9JHMA
ORCID1 0000-0002-4808-2362
2 0000-0002-8002-5341
3 0000-0002-5686-5105
4 0000-0002-0421-5311
5 0000-0002-7757-039X
Grupo1
2
3
4
5 DIDPI-CGOBT-INPE-MCTIC-GOV-BR
Afiliação1 Universidade Estadual Paulista (UNESP)
2 Universidade Federal de Alagoas (UFAL)
3 Instituto Militar de Engenharia (IME)
4 Universidade Estadual Paulista (UNESP)
5 Instituto Nacional de Pesquisas Espaciais (INPE)
Endereço de e-Mail do Autor1 rogerio.negri@unesp.br
2
3
4
5 luciano.dutra@inpe.br
RevistaInternational Journal of Digital Earth
Volume12
Número6
Páginas699-719
Nota SecundáriaA2_INTERDISCIPLINAR A2_GEOGRAFIA B3_GEOCIÊNCIAS
Histórico (UTC)2019-07-02 11:24:54 :: simone -> administrator :: 2019
2020-01-06 11:42:15 :: administrator -> simone :: 2019
3. Conteúdo e estrutura
É a matriz ou uma cópia?é a matriz
Estágio do Conteúdoconcluido
Transferível1
Tipo do ConteúdoExternal Contribution
Tipo de Versãopublisher
Palavras-ChavePolSAR
image classification
stochastic distance
minimum distance classifier
SVM
ResumoRegion-based classification of PolSAR data can be effectively performed by seeking for the assignment that minimizes a distance between prototypes and segments. Silva et al. [Classification of segments in PolSAR imagery by minimum stochastic distances between wishart distributions. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing 6 (3): 12631273] used stochastic distances between complex multivariate Wishart models which, differently from other measures, are computationally tractable. In this work we assess the robustness of such approach with respect to errors in the training stage, and propose an extension that alleviates such problems. We introduce robustness in the process by incorporating a combination of radial basis kernel functions and stochastic distances with Support Vector Machines (SVM). We consider several stochastic distances between Wishart: Bhatacharyya, Kullback-Leibler, Chi-Square, Rényi, and Hellinger. We perform two case studies with PolSAR images, both simulated and from actual sensors, and different classification scenarios to compare the performance of Minimum Distance and SVM classification frameworks. With this, we model the situation of imperfect training samples. We show that SVM with the proposed kernel functions achieves better performance with respect to Minimum Distance, at the expense of more computational resources and the need of parameter tuning. Code and data are provided for reproducibility.
ÁreaSRE
Arranjourlib.net > BDMCI > Fonds > Produção anterior à 2021 > DIDPI > Region-based classification of...
Conteúdo da Pasta docacessar
Conteúdo da Pasta sourcenão têm arquivos
Conteúdo da Pasta agreement
agreement.html 02/07/2019 08:23 1.0 KiB 
4. Condições de acesso e uso
Idiomaen
Arquivo AlvoRegion based classification of PolSAR data using radial basis kernel functions with stochastic distances.pdf
Grupo de Usuáriossimone
Grupo de Leitoresadministrator
simone
Visibilidadeshown
Permissão de Leituradeny from all and allow from 150.163
Permissão de Atualizaçãonão transferida
5. Fontes relacionadas
Unidades Imediatamente Superiores8JMKD3MGPCW/3EQCCU5
Lista de Itens Citandosid.inpe.br/mtc-m21/2012/07.13.14.53.50 2
sid.inpe.br/bibdigital/2013/09.09.15.05 2
DivulgaçãoWEBSCI; PORTALCAPES; SCOPUS.
Acervo Hospedeirourlib.net/www/2017/11.22.19.04
6. Notas
Campos Vaziosalternatejournal archivingpolicy archivist callnumber copyholder copyright creatorhistory descriptionlevel e-mailaddress format isbn lineage mark mirrorrepository nextedition notes parameterlist parentrepositories previousedition previouslowerunit progress project rightsholder schedulinginformation secondarydate secondarykey session shorttitle sponsor subject tertiarymark tertiarytype url
7. Controle da descrição
e-Mail (login)simone
atualizar 

1. Identificação
Tipo de ReferênciaArtigo em Revista Científica (Journal Article)
Sitemtc-m21c.sid.inpe.br
Código do Detentorisadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S
Identificador8JMKD3MGP3W34R/3SFT7JL
Repositóriosid.inpe.br/mtc-m21c/2019/01.02.13.06   (acesso restrito)
Última Atualização2019:01.02.13.06.23 (UTC) simone
Repositório de Metadadossid.inpe.br/mtc-m21c/2019/01.02.13.06.23
Última Atualização dos Metadados2019:01.14.17.06.42 (UTC) administrator
DOI10.1080/17538947.2018.1474958
ISSN1753-8947
Chave de CitaçãoNegriFreSilMenDut:2018:ReClPo
TítuloRegion-based classification of PolSAR data using radial basis kernel functions with stochastic distances
Ano2018
Data de Acesso25 abr. 2024
Tipo de Trabalhojournal article
Tipo SecundárioPRE PI
Número de Arquivos1
Tamanho5222 KiB
2. Contextualização
Autor1 Negri, Rogério Galante
2 Frery, Alejandro C.
3 Silva, Wagner B.
4 Mendes, Tatiana S. G.
5 Dutra, Luciano Vieira
Identificador de Curriculo1
2
3
4
5 8JMKD3MGP5W/3C9JHMA
ORCID1 0000-0002-4808-2362
2 0000-0002-8002-5341
3 0000-0002-5686-5105
4 0000-0002-0421-5311
5 0000-0002-7757-039X
Grupo1
2
3
4
5 DIDSR-CGOBT-INPE-MCTIC-GOV-BR
Afiliação1 Universidade Estadual Paulista (UNESP)
2 Universidade Federal de Alagoas (UFAL)
3 Instituto Militar de Engenharia (IME)
4 Universidade Estadual Paulista (UNESP)
5 Instituto Nacional de Pesquisas Espaciais (INPE)
Endereço de e-Mail do Autor1
2
3
4
5 luciano.dutra@inpe.br
RevistaInternational Journal of Digital Earth
Volume2018
Histórico (UTC)2019-01-02 13:07:31 :: simone -> administrator :: 2018
2019-01-14 17:06:42 :: administrator -> simone :: 2018
3. Conteúdo e estrutura
É a matriz ou uma cópia?é a matriz
Estágio do Conteúdoconcluido
Transferível1
Tipo do ConteúdoExternal Contribution
Tipo de Versãopublisher
Palavras-ChavePolSAR
image classification
stochastic distance
minimum distance classifier
SVM
ResumoRegion-based classification of PolSAR data can be effectively performed by seeking for the assignment that minimizes a distance between prototypes and segments. Silva et al. [Classification of segments in PolSAR imagery by minimum stochastic distances between wishart distributions. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing 6 (3): 12631273] used stochastic distances between complex multivariate Wishart models which, differently from other measures, are computationally tractable. In this work we assess the robustness of such approach with respect to errors in the training stage, and propose an extension that alleviates such problems. We introduce robustness in the process by incorporating a combination of radial basis kernel functions and stochastic distances with Support Vector Machines (SVM). We consider several stochastic distances between Wishart: Bhatacharyya, Kullback-Leibler, Chi-Square, Rényi, and Hellinger. We perform two case studies with PolSAR images, both simulated and from actual sensors, and different classification scenarios to compare the performance of Minimum Distance and SVM classification frameworks. With this, we model the situation of imperfect training samples. We show that SVM with the proposed kernel functions achieves better performance with respect to Minimum Distance, at the expense of more computational resources and the need of parameter tuning. Code and data are provided for reproducibility.
ÁreaSRE
Arranjourlib.net > BDMCI > Fonds > Produção anterior à 2021 > DIDSR > Region-based classification of...
Conteúdo da Pasta docacessar
Conteúdo da Pasta sourcenão têm arquivos
Conteúdo da Pasta agreement
agreement.html 02/01/2019 11:06 1.0 KiB 
4. Condições de acesso e uso
Idiomaen
Arquivo Alvonegri_region.pdf
Grupo de Usuáriossimone
Grupo de Leitoresadministrator
simone
Visibilidadeshown
Permissão de Leituradeny from all and allow from 150.163
Permissão de Atualizaçãonão transferida
5. Fontes relacionadas
Unidades Imediatamente Superiores8JMKD3MGPCW/3ER446E
Lista de Itens Citandosid.inpe.br/mtc-m21/2012/07.13.14.53.50 1
DivulgaçãoWEBSCI; PORTALCAPES; SCOPUS.
Acervo Hospedeirourlib.net/www/2017/11.22.19.04
6. Notas
Campos Vaziosalternatejournal archivingpolicy archivist callnumber copyholder copyright creatorhistory descriptionlevel e-mailaddress format isbn label lineage mark mirrorrepository month nextedition notes number pages parameterlist parentrepositories previousedition previouslowerunit progress project rightsholder schedulinginformation secondarydate secondarykey secondarymark session shorttitle sponsor subject tertiarymark tertiarytype url
7. Controle da descrição
e-Mail (login)simone
atualizar 

1. Identificação
Tipo de ReferênciaArtigo em Revista Científica (Journal Article)
Siteplutao.sid.inpe.br
Código do Detentorisadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S
IdentificadorJ8LNKAN8RW/3D545NA
Repositóriodpi.inpe.br/plutao/2012/11.28.19.14.50
Última Atualização2013:03.21.17.02.44 (UTC) marciana
Repositório de Metadadosdpi.inpe.br/plutao/2012/11.28.19.14.51
Última Atualização dos Metadados2018:06.05.00.02.13 (UTC) administrator
Chave SecundáriaINPE--PRE/
DOI10.1007/978-3-642-33275-3_98
ISSN0302-9743
Rótulolattes: 9840759640842299 2 NegriDutrSant:2012:StApMi
Chave de CitaçãoNegriDutrSant:2012:StApMi
TítuloStochastic Approaches of Minimum Distance Method for Region Based Classification
Ano2012
Data de Acesso25 abr. 2024
Tipo SecundárioPRE PI
Número de Arquivos1
Tamanho2090 KiB
2. Contextualização
Autor1 Negri, Rogerio Galanti
2 Dutra, Luciano Vieira
3 Sant'Anna, Sidnei JoÃo Siqueira
Identificador de Curriculo1
2 8JMKD3MGP5W/3C9JHMA
3 8JMKD3MGP5W/3C9JJ8N
Grupo1 DPI-OBT-INPE-MCTI-GOV-BR
2 DPI-OBT-INPE-MCTI-GOV-BR
3 DPI-OBT-INPE-MCTI-GOV-BR
Afiliação1 Instituto Nacional de Pesquisas Espaciais (INPE)
2 Instituto Nacional de Pesquisas Espaciais (INPE)
3 Instituto Nacional de Pesquisas Espaciais (INPE)
Endereço de e-Mail do Autor1
2 dutra@dpi.inpe.br
Endereço de e-Maildutra@dpi.inpe.br
RevistaLecture Notes in Computer Science
Volume7441
Número2012
Páginas797-804
Nota SecundáriaC_ADMINISTRAÇÃO,_CIÊNCIAS_CONTÁBEIS_E_TURISMO C_ASTRONOMIA_/_FÍSICA C_BIOTECNOLOGIA B5_CIÊNCIAS_BIOLÓGICAS_I C_CIÊNCIAS_BIOLÓGICAS_III B1_CIÊNCIAS_SOCIAIS_APLICADAS_I B3_DIREITO C_EDUCAÇÃO C_ENGENHARIAS_I B3_ENGENHARIAS_II C_ENGENHARIAS_III B4_ENSINO_DE_CIÊNCIAS_E_MATEMATICA B5_GEOCIÊNCIAS B2_INTERDISCIPLINAR B5_MATEMÁTICA_/_PROBABILIDADE_E_ESTATÍSTICA B3_MEDICINA_I B3_MEDICINA_II B3_PSICOLOGIA
Histórico (UTC)2012-11-28 23:06:35 :: lattes -> administrator :: 2012
2012-11-29 13:42:22 :: administrator -> marciana :: 2012
2012-12-03 12:48:46 :: marciana -> administrator :: 2012
2013-01-20 15:55:31 :: administrator -> marciana :: 2012
2013-03-21 17:02:45 :: marciana -> administrator :: 2012
2018-06-05 00:02:13 :: administrator -> marciana :: 2012
3. Conteúdo e estrutura
É a matriz ou uma cópia?é a matriz
Estágio do Conteúdoconcluido
Transferível1
Tipo do ConteúdoExternal Contribution
Tipo de Versãofinaldraft
Palavras-ChaveClassification process
Image simulations
Minimum average distance
Minimum distance
Region-based
Remote sensing image classification
Second variation
Simple approach
Simulation studies
Stochastic approach
stochastic distances
Imagens de Sensoriamento Remoto
Reconhecimento de Padroes
Segmentação de imagens
ResumoNormally remote sensing image classification is performed pixelwise which produces a noisy classification. One way of improving such results is dividing the classification process in two steps. First, uniform regions by some criterion are detected and afterwards each unlabeled region is assigned to class of the "nearest" class using a so-called stochastic distance. The statistics are estimated by taking in account all the reference pixels. Three variations are investigated. The first variation is to assign to the unlabeled region a class that has the minimum average distance between this region and each one of reference samples of that class. The second is to assign the class of the closest reference sample. The third is to assign the most frequent class of the k closest reference regions. A simulation study is done to assess the performances. The simulations suggested that the most robust and simple approach is the second variation.
ÁreaSRE
Arranjourlib.net > Produção anterior à 2021 > DIDPI > Stochastic Approaches of...
Conteúdo da Pasta docacessar
Conteúdo da Pasta sourcenão têm arquivos
Conteúdo da Pasta agreementnão têm arquivos
4. Condições de acesso e uso
URL dos dadoshttp://urlib.net/ibi/J8LNKAN8RW/3D545NA
URL dos dados zipadoshttp://urlib.net/zip/J8LNKAN8RW/3D545NA
Idiomaen
Arquivo AlvoPaper-PublishedVersion-74410797.pdf
Grupo de Usuáriosadministrator
lattes
marciana
Visibilidadeshown
Política de Arquivamentodenypublisher denyfinaldraft12
Permissão de Atualizaçãonão transferida
5. Fontes relacionadas
Unidades Imediatamente Superiores8JMKD3MGPCW/3EQCCU5
Lista de Itens Citandosid.inpe.br/mtc-m21/2012/07.13.15.00.20 2
DivulgaçãoWEBSCI; PORTALCAPES; COMPENDEX.
Acervo Hospedeirodpi.inpe.br/plutao@80/2008/08.19.15.01
6. Notas
Notas17th Iberoamerican Congress on Progress in Pattern Recognition, Image Analysis, Computer Vision, and Applications, CIARP 2012
Buenos Aires
3 September 2012through6 September 2012
Code92323
Campos Vaziosalternatejournal archivist callnumber copyholder copyright creatorhistory descriptionlevel format isbn lineage mark mirrorrepository month nextedition orcid parameterlist parentrepositories previousedition previouslowerunit progress project readergroup readpermission rightsholder schedulinginformation secondarydate session shorttitle sponsor subject tertiarymark tertiarytype typeofwork url
7. Controle da descrição
e-Mail (login)marciana
atualizar 

1. Identificação
Tipo de ReferênciaArtigo em Evento (Conference Proceedings)
Siteplutao.sid.inpe.br
Código do Detentorisadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S
IdentificadorJ8LNKAN8RW/3D53LNG
Repositóriodpi.inpe.br/plutao/2012/11.28.16.49.08
Última Atualização2015:03.16.19.30.22 (UTC) administrator
Repositório de Metadadosdpi.inpe.br/plutao/2012/11.28.16.49.09
Última Atualização dos Metadados2018:06.05.00.02.06 (UTC) administrator
Chave SecundáriaINPE--PRE/
ISBN16113349
13: 9783642332746
ISSN03029743
Rótulolattes: 8201805132981288 1 NegriDutrSant:2012:StApMi
Chave de CitaçãoNegriDutrSant:2012:StApMi
TítuloStochastic Approaches of Minimum Distance Method for Region Based Classification
FormatoPapel
Ano2012
Data de Acesso25 abr. 2024
Tipo SecundárioPRE CI
Número de Arquivos1
Tamanho2090 KiB
2. Contextualização
Autor1 Negri, Rogério Galante
2 Dutra, Luciano Vieira
3 Sant'Anna, Sidinei João Siqueira
Identificador de Curriculo1
2 8JMKD3MGP5W/3C9JHMA
Grupo1 DPI-OBT-INPE-MCTI-GOV-BR
2 DPI-OBT-INPE-MCTI-GOV-BR
3 DPI-OBT-INPE-MCTI-GOV-BR
Afiliação1 Instituto Nacional de Pesquisas Espaciais (INPE)
2 Instituto Nacional de Pesquisas Espaciais (INPE)
3 Instituto Nacional de Pesquisas Espaciais (INPE)
Endereço de e-Mail do Autor1 rogerio@dpi.inpe.br
2 dutra@dpi.inpe.br
3 sidnei@dpi.inpe.br
Editoral, Alvarez et
Endereço de e-Mailrogerio@dpi.inpe.br
Nome do EventoProgress in Pattern Recognition, Image Analysis, Computer Vision, and Applications;Iberoamerican Congress, 17 (CIARP).
Localização do EventoBuenos Aires Berlin
Data2012
Editora (Publisher)Springer-Verlag
Volume7441
Páginas797-804
Título do LivroProceedings
Tipo TerciárioPaper
Histórico (UTC)2012-11-28 23:06:29 :: lattes -> marciana :: 2012
2013-01-18 16:05:29 :: marciana -> administrator :: 2012
2018-06-05 00:02:06 :: administrator -> :: 2012
3. Conteúdo e estrutura
É a matriz ou uma cópia?é a matriz
Estágio do Conteúdoconcluido
Transferível1
Tipo do ConteúdoExternal Contribution
Tipo de Versãopublisher
Palavras-ChaveComputer vision
Image analysis
Image reconstruction
Remote sensing
Stochastic systems
Classification process
Image simulations
Minimum average distance
Minimum distance
Region-based
Simple approach
Simulation studies
Stochastic approach
stochastic distances
ResumoNormally remote sensing image classification is performed pixelwise which produces a noisy classification. One way of improving such results is dividing the classification process in two steps. First, uniform regions by some criterion are detected and afterwards each unlabeled region is assigned to class of the "nearest" class using a so-called stochastic distance. The statistics are estimated by taking in account all the reference pixels. Three variations are investigated. The first variation is to assign to the unlabeled region a class that has the minimum average distance between this region and each one of reference samples of that class. The second is to assign the class of the closest reference sample. The third is to assign the most frequent class of the k closest reference regions. A simulation study is done to assess the performances. The simulations suggested that the most robust and simple approach is the second variation.
ÁreaSRE
Arranjourlib.net > BDMCI > Fonds > Produção anterior à 2021 > DIDPI > Stochastic Approaches of...
Conteúdo da Pasta docacessar
Conteúdo da Pasta sourcenão têm arquivos
Conteúdo da Pasta agreementnão têm arquivos
4. Condições de acesso e uso
URL dos dadoshttp://urlib.net/ibi/J8LNKAN8RW/3D53LNG
URL dos dados zipadoshttp://urlib.net/zip/J8LNKAN8RW/3D53LNG
Idiomaen
Arquivo Alvonegri_stochastic.pdf
Grupo de Usuárioslattes
marciana
Grupo de Leitoresadministrator
marciana
Visibilidadeshown
Permissão de Leituraallow from all
Permissão de Atualizaçãonão transferida
5. Fontes relacionadas
Unidades Imediatamente Superiores8JMKD3MGPCW/3EQCCU5
URL (dados não confiáveis)http://www.springerlink.com/content/kuv75681m5806613/
DivulgaçãoCOMPENDEX
Acervo Hospedeirodpi.inpe.br/plutao@80/2008/08.19.15.01
6. Notas
NotasLecture Notes in Computer Science
Volume 7441 2012
Campos Vaziosarchivingpolicy archivist callnumber copyholder copyright creatorhistory descriptionlevel doi edition lineage mark mirrorrepository nextedition numberofvolumes orcid organization parameterlist parentrepositories previousedition previouslowerunit progress project publisheraddress rightsholder schedulinginformation secondarydate secondarymark serieseditor session shorttitle sponsor subject tertiarymark type

1. Identificação
Tipo de ReferênciaArtigo em Revista Científica (Journal Article)
Sitemtc-m21b.sid.inpe.br
Código do Detentorisadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S
Identificador8JMKD3MGP3W34P/3NFKS65
Repositóriosid.inpe.br/mtc-m21b/2017/03.07.13.53
Última Atualização2017:03.07.13.53.24 (UTC) administrator
Repositório de Metadadossid.inpe.br/mtc-m21b/2017/03.07.13.53.24
Última Atualização dos Metadados2018:06.04.02.27.21 (UTC) administrator
DOI10.3390/rs9010077
ISSN2072-4292
Chave de CitaçãoReisDutrSantEsca:2017:ExMuCh
TítuloExamining multi-legend change detection in amazon with pixel and region based methods
Ano2017
Data de Acesso25 abr. 2024
Tipo de Trabalhojournal article
Tipo SecundárioPRE PI
Número de Arquivos1
Tamanho33934 KiB
2. Contextualização
Autor1 Reis, Mariane Sousa
2 Dutra, Luciano Vieira
3 Sant'Anna, Sidnei João Siqueira
4 Escada, Maria Isabel Sobral
Identificador de Curriculo1
2 8JMKD3MGP5W/3C9JHMA
3 8JMKD3MGP5W/3C9JJ8N
4 8JMKD3MGP5W/3C9JHRG
Grupo1 SER-SRE-SESPG-INPE-MCTIC-GOV-BR
2 DIDPI-CGOBT-INPE-MCTIC-GOV-BR
3 DIDPI-CGOBT-INPE-MCTIC-GOV-BR
4 DIDPI-CGOBT-INPE-MCTIC-GOV-BR
Afiliação1 Instituto Nacional de Pesquisas Espaciais (INPE)
2 Instituto Nacional de Pesquisas Espaciais (INPE)
3 Instituto Nacional de Pesquisas Espaciais (INPE)
4 Instituto Nacional de Pesquisas Espaciais (INPE)
Endereço de e-Mail do Autor1 mariane.reis@inpe.br
2 luciano.dutra@inpe.br
3 sidnei.santanna@inpe.br
4 isabel.escada@inpe.br
RevistaRemote Sensing
Volume9
Número1
Nota SecundáriaB3_GEOGRAFIA B3_ENGENHARIAS_I B4_GEOCIÊNCIAS B4_CIÊNCIAS_AMBIENTAIS B5_CIÊNCIAS_AGRÁRIAS_I
Histórico (UTC)2017-03-07 13:53:24 :: simone -> administrator ::
2017-03-07 13:53:24 :: administrator -> simone :: 2016
2017-03-07 13:53:42 :: simone -> administrator :: 2016 -> 2017
2017-03-10 07:38:43 :: administrator -> simone :: 2017
2017-06-02 15:06:13 :: simone -> administrator :: 2017
2018-06-04 02:27:21 :: administrator -> simone :: 2017
3. Conteúdo e estrutura
É a matriz ou uma cópia?é a matriz
Estágio do Conteúdoconcluido
Transferível1
Tipo do ConteúdoExternal Contribution
Tipo de Versãopublisher
Palavras-ChaveAmazon
Change detection
Multi-legend
Pixel based classification
Region based classification
ResumoPost-classification comparison is one of the most widely used change detection methods. However, it presents several operational problems that are often ignored, such as the occurrence of impossible transitions, difficulties in accuracy assessment and results not accurate enough for the purpose. This work aims to evaluate post-classification comparison change detection results obtained from LANDSAT5/TM data in a region of the Brazilian Amazon, using three legends in different levels of detail and both pixel wise and region based classifiers. A distinctive characteristic of the used approach is that each change mapping is the result of the combination of 100 land cover classifications for each date, obtained using varied training samples. This approach allowed to account for the training samples choice into the methodology, as well as the construction of confidence mappings. We presented and discussed different approaches for evaluating change results, such as the likelihood of land cover transitions occurring within the study area and time gap, the use of rectangular matrices to incorporate the occurrence of impossible or non evaluable changes and classification uncertainty. In general, change mappings obtained from region based classifications showed better results than the ones obtained from pixel based classifications. Globally, the use of region based approaches, in contrast to pixel based ones, led to an increase in accuracy of 15.5% for the change mapping from the most detailed legend, 7.8% for the one with the legend with intermediate level of detail and 3.6% for the less detailed one. In addition, individual transitions between land cover classes were better identified using region based approaches, with the exception of transitions from a non agriculture class to an agricultural one. The proposed quality mappings are useful to help to evaluate the change mappings, mainly in legend levels with higher level of detail and if reference samples are unreliable or unavailable. It was possible to access, in a spatially explicit way, that at least 29.0% of the pixel based change mapping and 21.9% of the region based one from the most detailed legend were erroneous classified, without ground truth information on the evaluated date. These values decreased to 0.5% and 1.4% (respectively the pixel and region based approaches) for results with the legend with the intermediate level of detail and are non existent in the results from the less detailed legend. The more generalized the legend (lower number of classes), the most similar are the accuracy of region and pixel based change mappings. These accuracy values also increase as fewer classes are considered in the legend, since similar classes are assembled during clustering, which reduces the overlap between groups. However, this accuracy is still low for operational purposes in areas with few changes, even considering the very high accuracy of the land cover classifications used to generate the change mappings (land cover classification with Overall Accuracy higher than 0.98 resulted in change mappings with Overall Accuracy around 0.83).
ÁreaSRE
Arranjo 1urlib.net > DIDPI > Examining multi-legend change...
Arranjo 2urlib.net > BDMCI > Fonds > SER > Examining multi-legend change...
Conteúdo da Pasta docacessar
Conteúdo da Pasta sourcenão têm arquivos
Conteúdo da Pasta agreement
agreement.html 07/03/2017 10:53 1.0 KiB 
4. Condições de acesso e uso
URL dos dadoshttp://urlib.net/ibi/8JMKD3MGP3W34P/3NFKS65
URL dos dados zipadoshttp://urlib.net/zip/8JMKD3MGP3W34P/3NFKS65
Idiomaen
Arquivo Alvoreis_examining.pdf
Grupo de Usuáriossimone
Grupo de Leitoresadministrator
simone
Visibilidadeshown
Política de Arquivamentoallowpublisher allowfinaldraft
Permissão de Atualizaçãonão transferida
5. Fontes relacionadas
Vinculação8JMKD3MGP5W34M/3GJ7LFB
Repositório Espelhosid.inpe.br/mtc-m21b/2013/09.26.14.25.22
Unidades Imediatamente Superiores8JMKD3MGPCW/3EQCCU5
8JMKD3MGPCW/3F3NU5S
Lista de Itens Citandosid.inpe.br/mtc-m21/2012/07.13.14.53.50 2
sid.inpe.br/bibdigital/2013/09.09.15.05 2
sid.inpe.br/bibdigital/2013/10.18.22.34 1
DivulgaçãoWEBSCI; PORTALCAPES; MGA; COMPENDEX; SCOPUS.
Acervo Hospedeirosid.inpe.br/mtc-m21b/2013/09.26.14.25.20
6. Notas
Campos Vaziosalternatejournal archivist callnumber copyholder copyright creatorhistory descriptionlevel e-mailaddress format isbn label lineage mark month nextedition notes orcid pages parameterlist parentrepositories previousedition previouslowerunit progress project readpermission rightsholder schedulinginformation secondarydate secondarykey session shorttitle sponsor subject tertiarytype url
7. Controle da descrição
e-Mail (login)simone
atualizar 

1. Identificação
Tipo de ReferênciaArtigo em Evento (Conference Proceedings)
Sitemarte.sid.inpe.br
Código do Detentorisadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S
Repositóriosid.inpe.br/deise/1999/02.11.14.26
Última Atualização2005:02.11.21.19.42 (UTC) administrator
Repositório de Metadadossid.inpe.br/banon/2001/03.14.09.49.47
Última Atualização dos Metadados2018:06.06.02.48.48 (UTC) administrator
Chave SecundáriaINPE-6952-PRE/2914
ISBN85-17-00015-3
Rótulo8256
Chave de CitaçãoRennóFreiSant:1998:SyReIm
TítuloA system for region image classification based on textural measures
Formato[CD-ROM]
Ano1998
Data Secundária19981229
Data de Acesso25 abr. 2024
Tipo SecundárioPRE CN
Número de Arquivos1
Tamanho509 KiB
2. Contextualização
Autor1 Rennó, Camilo Daleles
2 Freitas, Corina da Costa
3 Sant'Anna, Sidnei João Siqueira
Identificador de Curriculo1 8JMKD3MGP5W/3C9JGN2
Grupo1 DPI-INPE-MCT-BR
2 DPI-INPE-MCT-BR
3 DPI-INPE-MCT-BR
Afiliação1 Instituto Nacional de Pesquisas Espaciais (INPE)
2 Instituto Nacional de Pesquisas Espaciais (INPE)
3 Instituto Nacional de Pesquisas Espaciais (INPE)
Endereço de e-Mail do Autor1 camilo@dpi.inpe.br
2 corina@dpi.inpe.br
3 sidnei@dpi.inpe.br
EditorKrug, Thelma
Rudorff, Bernardo Friedrich Theodor
Freitas, Ubirajara Moura de
Endereço de e-Mailerich@sid.inpe.br
Nome do EventoSimpósio Brasileiro de Sensoriamento Remoto, 9 (SBSR).
Localização do EventoSantos
Data11-18 set. 1998
Editora (Publisher)INPE
Cidade da EditoraSão José dos Campos
Páginas1195-1202
Título do LivroAnais
Tipo TerciárioSessão Especial II Jornada de Radar
OrganizaçãoInstituto Nacional de Pesquisas Espaciais
Histórico (UTC)2005-01-13 18:25:51 :: lise -> administrator ::
2005-03-30 14:29:16 :: administrator -> lise ::
2005-04-09 19:11:01 :: lise -> administrator ::
2009-06-30 13:58:17 :: administrator -> erich@sid.inpe.br ::
2010-05-14 02:54:06 :: erich@sid.inpe.br -> marciana ::
2011-02-16 12:55:46 :: marciana -> administrator :: 1998
2018-06-06 02:48:48 :: administrator -> :: 1998
3. Conteúdo e estrutura
É a matriz ou uma cópia?é a matriz
Estágio do Conteúdoconcluido
Transferível1
Palavras-ChavePROCESSAMENTO DIGITAL DE IMAGENS
RADAR DE ABERTURA SINTETICA
SAR
CLASSIFICACAO DE IMAGENS
JERS-1
ANALISE DE TEXTURAS
IMAGENS DE RADAR
ResumoThis work presents a system for region classification using textural measures. the user can extract and analyze any kind of textural measures provide by this system and thus classify a group of region sample based on a set of selected measures. The system was developed using IDL and resources from ENVI, providing a user-friendly environment. An example of application of this system for a JERS-1 image is presented in this paper.
ÁreaSRE
TipoRadar - Processamento e Aplicações
Arranjourlib.net > BDMCI > Fonds > Produção anterior à 2021 > DIDPI > A system for...
Conteúdo da Pasta docacessar
Conteúdo da Pasta sourcenão têm arquivos
Conteúdo da Pasta agreementnão têm arquivos
4. Condições de acesso e uso
URL dos dadoshttp://urlib.net/ibi/sid.inpe.br/deise/1999/02.11.14.26
URL dos dados zipadoshttp://urlib.net/zip/sid.inpe.br/deise/1999/02.11.14.26
IdiomaEn
Arquivo Alvo10_211o.pdf
Grupo de Usuáriosadministrator
erich@sid.inpe.br
Visibilidadeshown
Permissão de Leituraallow from all
5. Fontes relacionadas
Repositório Espelhodpi.inpe.br/marte@80/2007/10.17.19.59
Unidades Imediatamente Superiores8JMKD3MGPCW/3EQCCU5
Lista de Itens Citandosid.inpe.br/mtc-m21/2012/07.13.14.42 1
Divulgação<E>
Acervo Hospedeirodpi.inpe.br/banon/2003/12.10.19.30
6. Notas
NotasArtigo apresentado em Sessões Orais, na II Jornada de Radar, ocorrida paralelamente ao IX SBSR, Santos, 1998.
Campos Vaziosarchivingpolicy archivist callnumber contenttype copyholder copyright creatorhistory descriptionlevel documentstage doi edition identifier issn lineage mark nextedition numberofvolumes orcid parameterlist parentrepositories previousedition previouslowerunit progress project readergroup rightsholder schedulinginformation secondarymark serieseditor session shorttitle sponsor subject tertiarymark url versiontype volume

1. Identificação
Tipo de ReferênciaArtigo em Evento (Conference Proceedings)
Siteplutao.sid.inpe.br
Código do Detentorisadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S
IdentificadorJ8LNKAN8RW/3D53LN8
Repositóriodpi.inpe.br/plutao/2012/11.28.16.49
Última Atualização2015:03.16.19.28.13 (UTC) administrator
Repositório de Metadadosdpi.inpe.br/plutao/2012/11.28.16.49.04
Última Atualização dos Metadados2018:06.05.00.02.06 (UTC) administrator
Chave SecundáriaINPE--PRE/
Rótulolattes: 8201805132981288 1 NegriDutrSant:2012:SuVeMa
Chave de CitaçãoNegriDutrSant:2012:SuVeMa
TítuloSupport Vector Machine and Bathacharrya Kernel Function for Region Based Classification
FormatoDVD
Ano2012
Data de Acesso25 abr. 2024
Tipo SecundárioPRE CI
Número de Arquivos1
Tamanho1721 KiB
2. Contextualização
Autor1 Negri, Rogério Galante
2 Dutra, Luciano Vieira
3 Sant'Anna, Sidinei João Siqueira
Identificador de Curriculo1
2 8JMKD3MGP5W/3C9JHMA
Grupo1 DPI-OBT-INPE-MCTI-GOV-BR
2 DPI-OBT-INPE-MCTI-GOV-BR
3 DPI-OBT-INPE-MCTI-GOV-BR
Afiliação1 Instituto Nacional de Pesquisas Espaciais (INPE)
2 Instituto Nacional de Pesquisas Espaciais (INPE)
3 Instituto Nacional de Pesquisas Espaciais (INPE)
Endereço de e-Mail do Autor1 rogerio@dpi.inpe.br
2 dutra@dpi.inpe.br
3 sidnei@dpi.inpe.br
Endereço de e-Mailrogerio@dpi.inpe.br
Nome do EventoIEEE International Geoscience and Remote Sensing Symposium, 32 (IGARSS).
Localização do EventoMunich
Data2012
Título do LivroProceedings
Tipo TerciárioPaper
Histórico (UTC)2012-11-28 23:06:29 :: lattes -> marciana :: 2012
2012-12-03 16:19:00 :: marciana -> administrator :: 2012
2018-06-05 00:02:06 :: administrator -> :: 2012
3. Conteúdo e estrutura
É a matriz ou uma cópia?é a matriz
Estágio do Conteúdoconcluido
Transferível1
Tipo do ConteúdoExternal Contribution
Tipo de Versãopublisher
Palavras-ChaveRegion Based Classification
Support Vector Machine
Stochastic Distance
Bhattacharyya Kernel Function
ResumoRegion based methods are indicated to classify image with strong heterogeneity, where only the spectral information is not enough. Different approaches have been proposed to perform this kind of classification. This study presents a new approach for region based classification that consists in use the Support Vector Machine (SVM) method with Bhattacharyya kernel function. A high resolution IKONOS image was classified. The classification results shows that SVM method using the Bhattacharyya kernel is better than Minimum Distance Classifier and conventional SVM.
ÁreaSRE
ArranjoSupport Vector Machine...
Conteúdo da Pasta docacessar
Conteúdo da Pasta sourcenão têm arquivos
Conteúdo da Pasta agreementnão têm arquivos
4. Condições de acesso e uso
URL dos dadoshttp://urlib.net/ibi/J8LNKAN8RW/3D53LN8
URL dos dados zipadoshttp://urlib.net/zip/J8LNKAN8RW/3D53LN8
Idiomaen
Arquivo Alvonegri_support.pdf
Grupo de Usuárioslattes
marciana
Grupo de Leitoresadministrator
marciana
Visibilidadeshown
Permissão de Leituraallow from all
Permissão de Atualizaçãonão transferida
5. Fontes relacionadas
Unidades Imediatamente Superiores8JMKD3MGPCW/3EQCCU5
Acervo Hospedeirodpi.inpe.br/plutao@80/2008/08.19.15.01
6. Notas
Campos Vaziosarchivingpolicy archivist callnumber copyholder copyright creatorhistory descriptionlevel dissemination doi edition editor isbn issn lineage mark mirrorrepository nextedition notes numberofvolumes orcid organization pages parameterlist parentrepositories previousedition previouslowerunit progress project publisher publisheraddress rightsholder schedulinginformation secondarydate secondarymark serieseditor session shorttitle sponsor subject tertiarymark type url volume