Classificador neural híbrido para imagens obtidas por sensoriamento remoto

AUTOR(ES)
FONTE

IBICT - Instituto Brasileiro de Informação em Ciência e Tecnologia

DATA DE PUBLICAÇÃO

12/08/2011

RESUMO

O sensoriamento remoto de uma tecnologia de extrema importância na atualidade, permitindo a captação de dados da superfície terrestre que são utilizados com diversas finalidades, entre as quais, fiscalização ambiental, acompanhamento de uso dos recursos naturais, prospecçãao geológica e monitoramento de catástrofes. Uma das aplicações principais do sensoriamento remoto é a geração de mapas temáticos e posterior levantamento de áreas a partir de imagens geradas por sensores orbitais ou sub-orbitais. Métodos de classicação de padrões são utilizados na implementação de rotinas computacionais que automatizem essa atividade. As redes neurais artificiais apresentam-se como métodos alternativos viáveis aos classicadores estatísticos tradicionais, principalmente em aplicações cujos dados apresentem alta dimensionalidade como os provenientes de sensores hiperespectrais. Este trabalho tem como objetivo principal desenvolver um classicador baseado nas redes neurais de função de base radial e Growing Neural Gas e que apresenta algumas vantagens em relação à utilização individual de redes neurais. A idéia principal é utilizar as características incrementais da rede Growing Neural Gas para determinar a quantidade e a escolha de centros da rede de função de base radial com o intuito de obter um classificador altamente ecaz. Para atestar o desempenho do classicador são apresentados três estudos de caso juntamente com os resultados obtidos

ASSUNTO(S)

redes neurais artificiais sensoriamento remoto classificação de padrões growing neural gas engenharia eletrica artificial neural networks remote sensing pattern classiffication growing neural gas

ACESSO AO ARTIGO

Documentos Relacionados