Close
Metadata

Reference TypeThesis
Identifier8JMKD3MGP8W/35BB8KP
Repositorysid.inpe.br/mtc-m18@80/2009/05.18.17.23
Metadatasid.inpe.br/mtc-m18@80/2009/05.18.17.23.51
Sitemtc-m16c.sid.inpe.br
Secondary KeyINPE--TDI/
Holder Codeisadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S
Citation KeyMalinski:2000:UsTePo
AuthorMalinski, Paulo Roberto
GroupCAP-SPG-INPE-MCT-BR
TitleUso da teoria de possibilidade e de algoritmo genético para construção de um classificador supervisionado com aplicação em imagens de radar de abertura sintética (SAR)
Year2000
CommitteeSandri, Sandra Aprecida (presidente)
Freitas, Corina (orientadora)
Monteiro, Antonio Miguel Vieira
Fernandes, David
Oliveira, Pedro Paulo Baldi de
Date2000-09-06
Alternate Titlex
UniversityInstituto Nacional de Pesquisas Espaciais (INPE)
CitySão José dos Campos
KeywordsAlgoritmo genético, classificador supervisionado, abertura sintética.
AbstractO objetivo de estudo deste trabalho é a concepção, projeto, implementação e testes de um classificador supervisionado de imagens digitais, que utiliza a teoria possibilidades para o modelamento da incerteza derivada da classificação dos pixels das amostras da imagem. Nopresente trabalho, são utilizados algoritmos genéticos para obter um parâmetro que faz o particionamento inicial dos níveis de cinza em classes. o modelo proposto faz uma primeira classificação não determinística da imagem, para em seguida refinar esta classificação usando heurística contextuais de pós-processamento que levam em consideração a classificação dos vizinhos de cada pixel. Na primeira classificação, utiliza-se os histogramas das amostras das classe para obter distribuições de possibilidades, que indicam o quanto cada nível de cinza é compatível com uma dada classe. Definidas as distribuições de possibilidades, aplica-se o algoritmo genético sobre as amostras para determinar um limiar (grau de possibilidades) para cada classe, que é tal que se um nível de cinza tem grau de possibilidade (em relação aquela classe) superior ou igual ao limiar da classe, ele é considerado como possivelmente pertencente aquela classe. Submete-se então a imagem á classificação com base nos limiares fornecidos pelo algoritmo genético, obtendo-se como resultado uma imagem classificada em termos de classes puras e compostas (composição de classes puras). Em seguida, a imagem é submetida a algoritmos de pós-processamento que levam em conta a vizinhança de cada pixel, para a classificação final da imagem em termos de classes puras. o pós-processamento compreende duas faces, uma para eliminação das classes compostas e outra para refinamento da imagem que considera o entorno de cada pixel. O presente trabalho tem enfoque voltado para imagens de radar de aberturas sintética (SAR), porém não existe nenhuma restrição ao uso das técnicas desenvolvidas para aplicação em dados obtidos por outros sensores imageadore. ABSTRACT: The subject of this work is the conception, project, implementation and tests of a classifier of digital images, that uses possibility theory to model the uncertainty derived from the classification of the pixels from image samples. In the present work, genetic algorithms are employed to obtain a parameter that makes the initial coarse partitioning of the gray levels into classes. The proposed model first performs a non-deterministic classification of the image, and then refines this classification by means of contextual heuristic that take into sccount the neighbors od each pixel. In the first classification, the image samples histograms are used to obtain possibility distributions, that indicate how much each grey level is compatible with a given class. After definition of the possibility distribuitions, a genetic algorithm is used to determine a threashold (possibility degree) for each class, which is such that if a grey level has its possibiity degree (in relation to a class) higher than or equal to the class therashold then it is considered as possibily belonging to that class. The image is then classified using these threasholds, with each pixel assigned to a single class ( a "pure" class) or to a set of classes ( a "composed"classes). Next, the image the pixels to obtain a final classification solely in terms of pure classes. The post-processing comprehends two phases, one for the elimination of composed classes and another to eventually pixels using the classification of the neighbors. The present work is phocused synthetic radar aperture images (SAR), but there is no restrictions to the use of the techniques presented here for other sensor types.
Number of Pages108
Languagept
Thesis TypeDissertação (Mestrado em Computação Aplicada)
Secondary TypeTDI
DisseminationNTRSNASA; BNDEPOSITOLEGAL.
AreaCOMP
CourseCAP-SPG-INPE-MCT-BR
Metadata Last Update2020:08.01.20.38.01 sid.inpe.br/mtc-m18@80/2008/03.17.15.17 simone {D 2000}
Document Stagecompleted
Mirrorsid.inpe.br/mtc-m18@80/2008/03.17.15.17.24
e-Mail Addressalessandra@sid.inpe.br
e-Mail (login)sergio
User Groupadministrator alessandra@sid.inpe.br sergio
Visibilityshown
Transferable1
Host Collectionsid.inpe.br/mtc-m18@80/2008/03.17.15.17
Document Stagesergio
Rightsholderoriginalauthor yes locatedauthor no
Read Permissiondeny from all and allow from 150.163
Next Higher Units8JMKD3MGPCW/3F2PHGS
source Directory Contentthere are no files
agreement Directory Contentthere are no files
History2009-06-09 19:29:44 :: alessandra@sid.inpe.br -> marciana ::
2009-06-10 12:47:25 :: marciana -> alessandra@sid.inpe.br ::
2009-06-17 16:54:50 :: alessandra@sid.inpe.br -> marciana ::
2009-06-24 19:12:07 :: marciana -> administrator ::
2009-07-07 16:15:45 :: administrator -> alessandra@sid.inpe.br ::
2010-01-11 21:26:02 :: alessandra@sid.inpe.br -> administrator ::
2010-05-11 01:42:01 :: administrator -> viveca@sid.inpe.br ::
2012-02-29 17:43:45 :: viveca@sid.inpe.br -> administrator ::
2020-04-28 17:48:38 :: administrator -> simone :: 2000
2020-08-01 20:38:01 :: simone -> sergio :: 2000
Empty Fieldsacademicdepartment affiliation archivingpolicy archivist callnumber contenttype copyholder copyright creatorhistory descriptionlevel doi electronicmailaddress format isbn issn label lineage mark nextedition notes number numberoffiles orcid parameterlist parentrepositories previousedition previouslowerunit progress readergroup resumeid secondarydate secondarymark session shorttitle size sponsor subject targetfile tertiarymark tertiarytype url versiontype
Access Date2020, Aug. 03
update 

Close