Classificação de imagens do radar de abertura sintética do SIPAM com síntese genética de redes neurais artificiais

• Main Author: Sena, Edinelson Ferreira de
• Other Authors: Santa Rosa, Antônio Nuno de Castro
• Language: Portuguese
• Published: 2011
• Subjects: Redes neurais (Computação); Recursos hídricos; Geociências
• Online Access: http://repositorio.unb.br/handle/10482/9144

Dissertação (mestrado)—Universidade de Brasília, Instituto de Geociências, 2011. === Submitted by Jaqueline Ferreira de Souza ([e-mail]) on 2011-08-02T11:54:53Z No. of bitstreams: 1 2011_EdinelsonFerreiradeSena.pdf: 24385979 bytes, checksum: c075faa6236a0e753bdb26acd6084c0e (MD5) === Approved for entry into archive by Jaqueline Ferreira de Souza([e-mail]) on 2011-08-02T12:38:47Z (GMT) No. of bitstreams: 1 2011_EdinelsonFerreiradeSena.pdf: 24385979 bytes, checksum: c075faa6236a0e753bdb26acd6084c0e (MD5) === Made available in DSpace on 2011-08-02T12:38:48Z (GMT). No. of bitstreams: 1 2011_EdinelsonFerreiradeSena.pdf: 24385979 bytes, checksum: c075faa6236a0e753bdb26acd6084c0e (MD5) === O presente trabalho trata da utilização dos recursos nacionais para produção de conhecimento sobre a região administrativa de Planaltina no DF. Esses recursos são imagens da banda L do radar de abertura sintética do SIPAM (SAR/R99) e um classificador não-supervisionado de síntese genética de redes neurais artificiais. O objetivo principal foi avaliar o potencial desse classificador para designação de alvos terrestres. A metodologia adotada envolveu técnicas de processamento digital de imagens, classificação e análise dos resultados. Os resultados indicaram que, dentro dos parâmetros estudados, o classificador atendeu às necessidades propostas e tem aplicação de forma auxiliar nas tarefas de interpretação de imagens, visando apoio à decisão em diversos ramos profissionais. _______________________________________________________________________________ ABSTRACT === This paper deals with the use of national resources for the production of knowledge about the administrative region of Planaltina DF. These features are images of the SIPAM’s L-band Synthetic Aperture Radar (SAR/R99) and an unsupervised classifier for gene synthesis of artificial neural networks. The main objective was to evaluate the potential of these classifiers for the designation of ground targets. The adopted methodology included techniques of digital image processing, classification and analysis of results. With that, we reached the conclusion that the classification has real application in the task of image interpretation, decision support aimed at various professions.