@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"
}