@MastersThesis{Malinski:2000:UsTePo,
author = "Malinski, Paulo Roberto",
title = "Uso da teoria de possibilidade e de algoritmo gen{\'e}tico para
constru{\c{c}}{\~a}o de um classificador supervisionado com
aplica{\c{c}}{\~a}o em imagens de radar de abertura
sint{\'e}tica (SAR)",
school = "Instituto Nacional de Pesquisas Espaciais (INPE)",
year = "2000",
address = "S{\~a}o Jos{\'e} dos Campos",
month = "2000-09-06",
keywords = "Algoritmo gen{\'e}tico, classificador supervisionado, abertura
sint{\'e}tica.",
abstract = "O objetivo de estudo deste trabalho {\'e} a
concep{\c{c}}{\~a}o, projeto, implementa{\c{c}}{\~a}o e testes
de um classificador supervisionado de imagens digitais, que
utiliza a teoria possibilidades para o modelamento da incerteza
derivada da classifica{\c{c}}{\~a}o dos pixels das amostras da
imagem. Nopresente trabalho, s{\~a}o utilizados algoritmos
gen{\'e}ticos para obter um par{\^a}metro que faz o
particionamento inicial dos n{\'{\i}}veis de cinza em classes. o
modelo proposto faz uma primeira classifica{\c{c}}{\~a}o
n{\~a}o determin{\'{\i}}stica da imagem, para em seguida
refinar esta classifica{\c{c}}{\~a}o usando heur{\'{\i}}stica
contextuais de p{\'o}s-processamento que levam em
considera{\c{c}}{\~a}o a classifica{\c{c}}{\~a}o dos vizinhos
de cada pixel. Na primeira classifica{\c{c}}{\~a}o, utiliza-se
os histogramas das amostras das classe para obter
distribui{\c{c}}{\~o}es de possibilidades, que indicam o quanto
cada n{\'{\i}}vel de cinza {\'e} compat{\'{\i}}vel com uma
dada classe. Definidas as distribui{\c{c}}{\~o}es de
possibilidades, aplica-se o algoritmo gen{\'e}tico sobre as
amostras para determinar um limiar (grau de possibilidades) para
cada classe, que {\'e} tal que se um n{\'{\i}}vel de cinza tem
grau de possibilidade (em rela{\c{c}}{\~a}o aquela classe)
superior ou igual ao limiar da classe, ele {\'e} considerado como
possivelmente pertencente aquela classe. Submete-se ent{\~a}o a
imagem {\'a} classifica{\c{c}}{\~a}o com base nos limiares
fornecidos pelo algoritmo gen{\'e}tico, obtendo-se como resultado
uma imagem classificada em termos de classes puras e compostas
(composi{\c{c}}{\~a}o de classes puras). Em seguida, a imagem
{\'e} submetida a algoritmos de p{\'o}s-processamento que levam
em conta a vizinhan{\c{c}}a de cada pixel, para a
classifica{\c{c}}{\~a}o final da imagem em termos de classes
puras. o p{\'o}s-processamento compreende duas faces, uma para
elimina{\c{c}}{\~a}o 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 sint{\'e}tica (SAR), por{\'e}m n{\~a}o existe nenhuma
restri{\c{c}}{\~a}o ao uso das t{\'e}cnicas desenvolvidas para
aplica{\c{c}}{\~a}o 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.",
committee = "Sandri, Sandra Aprecida (presidente) and Freitas, Corina
(orientadora) and Monteiro, Antonio Miguel Vieira and Fernandes,
David and Oliveira, Pedro Paulo Baldi de",
copyholder = "SID/SCD",
englishtitle = "x",
language = "pt",
pages = "108",
ibi = "8JMKD3MGP8W/35BB8KP",
url = "http://urlib.net/ibi/8JMKD3MGP8W/35BB8KP",
targetfile = "publicacao.pdf",
urlaccessdate = "04 maio 2024"
}