Busca avançada
Ano de início
Entree

Classificação de imagens SAR polarimétricas multi-look utilizando os modelos de mistura de distribuições com aprendizado semi-supervisionado e Inferência Bayesiana

Processo: 09/14270-4
Linha de fomento:Bolsas no Brasil - Pós-Doutorado
Vigência (Início): 01 de janeiro de 2010
Vigência (Término): 31 de dezembro de 2012
Área do conhecimento:Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
Pesquisador responsável:Nelson Delfino d'Ávila Mascarenhas
Beneficiário:Michelle Matos Horta Tenca
Instituição-sede: Centro de Ciências Exatas e de Tecnologia (CCET). Universidade Federal de São Carlos (UFSCAR). São Carlos , SP, Brasil
Assunto(s):Inferência bayesiana   Reconhecimento de padrões

Resumo

Os proponentes deste projeto desenvolveram um método de aprendizado não supervisionado que aplica os modelos de mistura de distribuições à classificação (ou segmentação) de imagens SAR polarimétricas (PolSAR) multi-look. Dentro deste contexto, utilizou-se o algoritmo SEM em conjunto com os estimadores obtidos pelo método dos momentos para calcular as estimativas dos parâmetros do modelo de mistura de distribuições Wishart, KP ou G0P . Com os resultados, verificou-se que o método SEM proposto é viável e efetivo ao aprendizado não supervisionado de imagens PolSAR multi-look. Esta pesquisa inicial torna-se um ponto de partida a novas pesquisas com imagens PolSAR multi-look, pois o método proposto é flexível a modelos de mistura com famílias diversificadas, como as três famílias analisadas. No método SEM proposto, três pontos importantes não foram investigados: (1) o aprendizado semi-supervisionado, utilizando tanto as amostras de treinamento quanto os dados não rotulados, para analisar se há melhorias na convergência do classificador com o acréscimo das amostras de treinamento; (2) a inferência Bayesiana com a análise contextual, em que se analisará a influência da dependência espacial na aplicação proposta; (3) a inferência Bayesiana considerando os parâmetros como variáveis aleatórias, em que se analisará a viabilidade de se incluir densidades de probabilidade a priori dos parâmetros do modelo, assim como a sua influência na classificação. O objetivo desta monografia é apresentar um projeto de pós-doutorado para a investigação destes três pontos explicitados.

Mapa da distribuição dos acessos desta página
Para ver o sumário de acessos desta página, clique aqui.