Busca avançada
Ano de início
Entree

Classificação de imagens de sensoriamento remoto via rotulação de agrupamentos por distâncias estocásticas

Processo: 16/06242-4
Linha de fomento:Bolsas no Brasil - Iniciação Científica
Vigência (Início): 01 de junho de 2016
Vigência (Término): 31 de maio de 2017
Área do conhecimento:Ciências Exatas e da Terra - Geociências
Pesquisador responsável:Rogério Galante Negri
Beneficiário:Gabriela Ribeiro Sapucci
Instituição-sede: Instituto de Ciência e Tecnologia (ICT). Universidade Estadual Paulista (UNESP). Campus de São José dos Campos. São José dos Campos , SP, Brasil
Assunto(s):Análise de imagens   Sensoriamento remoto   Mapeamento do solo   Cobertura do solo   Classificação de dados

Resumo

Classificação de imagens de sensoriamento remoto é uma das mais importantes aplicações de Reconhecimento de Padrões em estudos ambientais. Métodos de classificação de imagens geralmente possuem aprendizado supervisionado ou não-supervisionado. Enquanto os métodos de aprendizado supervisionado realizam a classificação por meio de uma função ou regra de decisão modelada através de informações fornecidas a priori, o aprendizado não-supervisionado constrói seu conhecimento em função de analogias observadas sobre os dados. No entanto, ambos os métodos apresentam restrições. A qualidade dos resultados da classificação supervisionada está diretamente relacionada à qualidade do conjunto de padrões treinamento fornecidos a priori, o que nem sempre pode ser garantido. Com relação à classificação não-supervisionada, há necessidade de interpretar a relação entre os agrupamentos identificados e as diferentes classes existentes no problema, o que pode ser uma tarefa complexa. Uma alternativa para lidar com as fragilidades de ambos paradigmas é oferecida pelo aprendizado semissupervisionado, cuja motivação é combinar conceitos dos aprendizados com e sem supervisão. Neste contexto, este projeto de pesquisa propõe a formalização e implementação de um método de classificação semissupervisionada que combina ferramentas clássicas da área de Reconhecimento de Padrões: o Algoritmo Hierárquico Divisivo, K-Médias e distâncias estocásticas. A partir de um conjunto de agrupamentos, definidos pela combinação entre o Algoritmo Hierárquico Divisivo e K-Médias, de forma não supervisionada, as distâncias estocásticas são empregadas para rotulação de cada um destes agrupamentos. Estudos de caso sobre a classificação do uso e cobertura do solo em uma região Amazônica serão realizados a fim de comparar o método proposto com outros métodos de classificação já conhecidos na literatura. (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)
SAPUCCI, GABRIELA RIBEIRO; NEGRI, ROGERIO GALANTE. Hierarchical clustering and stochastic distance for indirect semi-supervised remote sensing image classification. SN APPLIED SCIENCES, v. 1, n. 3 MAR 2019. Citações Web of Science: 0.

Por favor, reporte erros na lista de publicações científicas escrevendo para: cdi@fapesp.br.