Busca avançada
Ano de início
Entree
(Referência obtida automaticamente do Web of Science, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores.)

A Soft Computing Framework for Image Classification Based on Recurrence Plots

Texto completo
Autor(es):
Menini, Nathalia [1] ; Almeida, Alexandre E. [1] ; Lamparelli, Rubens [2] ; le Maire, Guerric [3] ; dos Santos, Jefersson A. [4] ; Pedrini, Helio [1] ; Hirota, Marina [5, 6] ; Torres, Ricardo da S. [1]
Número total de Autores: 8
Afiliação do(s) autor(es):
[1] Univ Estadual Campinas, Inst Comp, BR-13083872 Campinas, SP - Brazil
[2] Univ Estadual Campinas, Nucleo Interdisciplinar Planejamento Energet, BR-13083896 Campinas, SP - Brazil
[3] Univ Montpellier, CIRAD, UMR Eco & Sols, INRA, IRD, Montpellier SupAgro, F-75116 Montpellier - France
[4] Univ Fed Minas Gerais, Dept Comp Sci, BR-31270901 Belo Horizonte, MG - Brazil
[5] Univ Estadual Campinas, Inst Biol, BR-13083862 Campinas, SP - Brazil
[6] Univ Fed Santa Catarina, Dept Phys, BR-88036000 Florianopolis, SC - Brazil
Número total de Afiliações: 6
Tipo de documento: Artigo Científico
Fonte: IEEE Geoscience and Remote Sensing Letters; v. 16, n. 2, p. 320-324, FEB 2019.
Citações Web of Science: 0
Resumo

Suitable time series representations play an important role in classification tasks. In this letter, we investigate the use of recurrence-plot-(RP)-based representations in the classification of eucalyptus regions in remote sensing images. The proposed framework is composed of three steps. First, time series associated with image pixels are represented by RP images; next, RP images are characterized by means of visual description approaches; finally, we use a soft computing framework based on genetic programing to discover an effective combination of time series dissimilarity functions to combine extracted features. Performed experiments in a eucalyptus classification problem demonstrated that the proposed framework is effective when compared to approaches based on the use of time series itself. (AU)

Processo FAPESP: 14/12236-1 - AnImaLS: Anotação de Imagem em Larga Escala: o que máquinas e especialistas podem aprender interagindo?
Beneficiário:Alexandre Xavier Falcão
Linha de fomento: Auxílio à Pesquisa - Temático
Processo FAPESP: 14/50715-9 - Characterizing and predicting biomass production in sugarcane and eucalyptus plantations in Brazil
Beneficiário:Rubens Augusto Camargo Lamparelli
Linha de fomento: Auxílio à Pesquisa - Parceria para Inovação Tecnológica - PITE
Processo FAPESP: 13/50169-1 - Towards an understanding of tipping points within tropical South American biomes
Beneficiário:Ricardo da Silva Torres
Linha de fomento: Auxílio à Pesquisa - Parceria para Inovação Tecnológica - PITE
Processo FAPESP: 15/02105-0 - Identificando mudanças temporais na vegetação tropical sul-americana: uma abordagem via detecção de ponto de parada
Beneficiário:Alexandre Esteves Almeida
Linha de fomento: Bolsas no Brasil - Mestrado
Processo FAPESP: 17/12646-3 - Déjà vu: coerência temporal, espacial e de caracterização de dados heterogêneos para análise e interpretação de integridade
Beneficiário:Anderson de Rezende Rocha
Linha de fomento: Auxílio à Pesquisa - Temático
Processo FAPESP: 16/26170-8 - Detecção de structural breaks em séries temporais e seu uso na definição de medidas de estabilidade
Beneficiário:Nathália Menini Cardoso dos Santos
Linha de fomento: Bolsas no Brasil - Mestrado
Processo FAPESP: 13/50155-0 - Combining new technologies to monitor phenology from leaves to ecosystems
Beneficiário:Leonor Patricia Cerdeira Morellato
Linha de fomento: Auxílio à Pesquisa - Programa de Pesquisa sobre Mudanças Climáticas Globais - PITE
Processo FAPESP: 18/06918-3 - Quantificando a resiliência da Amazônia através da detecção de structural breaks associados a eventos extremos climáticos
Beneficiário:Nathália Menini Cardoso dos Santos
Linha de fomento: Bolsas no Exterior - Estágio de Pesquisa - Mestrado