Combinação de modelos de campos aleatórios markovianos para classificação contextual de imagens multiespectrais

• Processo: 06/01711-4
• Linha de fomento: Bolsas no Brasil - Doutorado
• Vigência (Início): 01 de março de 2007
• Vigência (Término): 28 de fevereiro de 2010
• Área do conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Matemática da Computação
• Pesquisador responsável: Nelson Delfino d'Ávila Mascarenhas
• Beneficiário: Alexandre Luís Magalhães Levada
• Instituição-sede: Instituto de Física de São Carlos (IFSC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Assunto(s): Sensoriamento remoto Reconhecimento de padrões

Resumo

A classificação de imagens é uma ferramenta de fundamental importância em diversas aplicações nas áreas de processamento de imagens e reconhecimento de padrões, como por exemplo, em sensoriamento remoto ou no diagnóstico de doenças a partir da análise de imagens médicas de ressonância magnética e tomografia computadorizada. A proposta deste trabalho consiste em utilizar a combinação de diferentes modelos de campos aleatórios markovianos na classificação supervisionada de imagens multiespectrais, com o intuito de tentar obter melhoria no desempenho do classificador, incorporando informações contextuais no processo. Cada um dos diferentes modelos de campos aleatórios define justamente como esse contexto é levado em consideração através de parâmetros que controlam a dependência entre os elementos do campo (pixels). Para o sistema de combinação considera-se a utilização de combinadores baseados em regras, como regras de média, máximo, mínimo e produto, além da possibilidade de esquemas baseados na definição de perfis de decisão (Decision Templates), avaliando os resultados obtidos através do erro estimado de classificação e coeficiente Kappa. (AU)

Publicações científicas

(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)

SALVADEO, DENIS H. P.; MASCARENHAS, NELSON D. A.; MOREIRA, JANDER; LEVADA, ALEXANDRE L. M.; CORREA, DEBORA C. Improving Face Recognition Performance Using RBPCA MaxLike and Information Fusion. COMPUTING IN SCIENCE & ENGINEERING, v. 13, n. 3, p. 14-21, MAY-JUN 2011. Citações Web of Science: 0.

LEVADA, ALEXANDRE L. M.; MASCARENHAS, NELSON D. A.; TANNUS, ALBERTO. A novel MAP-MRF approach for multispectral image contextual classification using combination of suboptimal iterative algorithms. PATTERN RECOGNITION LETTERS, v. 31, n. 13, SI, p. 1795-1808, OCT 1 2010. Citações Web of Science: 11.

LEVADA, ALEXANDRE L. M.; MASCARENHAS, NELSON D. A.; TANNUS, ALBERTO. Pseudo-likelihood equations for Potts model on higher-order neighborhood systems: A quantitative approach for parameter estimation in image analysis. BRAZILIAN JOURNAL OF PROBABILITY AND STATISTICS, v. 23, n. 2, p. 120-140, DEC 2009. Citações Web of Science: 3.

Publicações acadêmicas

(Referências obtidas automaticamente das Instituições de Ensino e Pesquisa do Estado de São Paulo)

LEVADA, Alexandre Luís Magalhães. Combinação de modelos de campos aleatórios markovianos para classificação contextual de imagens multiespectrais. 2010. Tese de Doutorado - Universidade de São Paulo (USP). Instituto de Física de São Carlos São Carlos.