[en] COMPARING AUTOMATIC IMAGE CLASSIFICATION TECHNIQUES OF REMOTE SENSING IMAGES
[pt] Neste trabalho, diversas técnicas de classificação automática de imagens de sensoriamento remoto são investigadas. Na análise, incluem-se um método não- paramétrico, denominado K-Médias. Adaptativos Hierárquico (KMAH), e seis paramétricos: o Classificador de Máxima Verossimilhança (MV), o d...
| Main Author: | |
|---|---|
| Other Authors: | |
| Language: | pt |
| Published: |
MAXWELL
2006
|
| Subjects: | |
| Online Access: | https://www.maxwell.vrac.puc-rio.br/Busca_etds.php?strSecao=resultado&nrSeq=8870@1 https://www.maxwell.vrac.puc-rio.br/Busca_etds.php?strSecao=resultado&nrSeq=8870@2 http://doi.org/10.17771/PUCRio.acad.8870 |
| Summary: | [pt] Neste trabalho, diversas técnicas de classificação
automática de imagens de sensoriamento remoto são
investigadas. Na análise, incluem-se um método não-
paramétrico, denominado K-Médias. Adaptativos Hierárquico
(KMAH), e seis paramétricos: o Classificador de Máxima
Verossimilhança (MV), o de Máxima Probabilidade a
Posteriori (MAP), o MAP Adaptativo (MAPA), por Subimagens
(MAPSI), o Contextual Tilton-Swain (CXTS) e o Contextual
por Subimagens (CXSI). O treinamento necessário à
implementação das técnicas paramétricas foi realizado de
forma não-supervisionada, usando-se para tanto a
classificação efetuada pelo KMAH. Considerações a respeito
das vantagens e desvantagens dos classificadores, de
acordo com a observação das taxas de erros e dos tempos de
processamento, apontaram as técnicas MAPA e MAPSI com as
mais convenientes === [en] In this thesis, several techniques of automatic
classfication of remote sensing impeages are investigated.
Included in the analysis are ane non-parametric method,
known as Adaptative hierarchical K-means (KMAH), and six
parametric ones: the Maximum Likelihood (MV), the Maximum
a Posteriori Probability (MAP), the Adaptative MAP (MAPA),
the Subimages MAP (MAPSI), the tilton-Swain Contextual,
(CXTS) and the Subimages Contextual (CXSI) classifiers.
The necessary training for the parametric case was done in
a non-supervised form, by using the KMAH classification.
Considerations about the advantages and disadvantages of
the classifiers were made and, based on the observation of
the error rates and processing time, the MAPA and MAPSI
have shown the best performances. |
|---|