DeteÃÃo de manchas de Ãleo em imagens SAR atravÃs da combinaÃÃo de caracterÃsticas e de classificadores. / Detection of oil spill in images SAR through the characteristics and classifier

AUTOR(ES)
FONTE

IBICT - Instituto Brasileiro de Informação em Ciência e Tecnologia

DATA DE PUBLICAÇÃO

14/12/2007

RESUMO

O mapeamento da poluiÃÃo de Ãleo no mar utilizando imagens de Radar de Abertura SintÃtica (SAR, do inglÃs Synthetic Aperture Radar) à uma importante Ãrea de interesse na Ãrea da vigilÃncia ambiental. Pode-se utilizar imagens SAR para extrair caracterÃsticas atravÃs de diferentes mÃtodos com o objetivo de predizer atravÃs de Redes Neurais Artificiais (RNAs) se uma regiÃo especÃfica contÃm ou nÃo uma mancha de Ãleo. O principal problema dessa abordagem à a ocorrÃncia de excessivos alarmes falsos decorrentes de erros de classificaÃÃo. Manchas de Ãleo sÃo eventos raros e a pequena disponibilidade de imagens contendo manchas à um fator limitante do desempenho dos classificadores. Este trabalho propÃe a utilizaÃÃo de mÃltiplos conjuntos de caracterÃsticas e mÃtodos de combinaÃÃo de classificadores para minimizar o nÃmero de alarmes falsos a fim de possibilitar a reduÃÃo de custos operacionais de sistemas automÃticos de deteÃÃo de manchas de Ãleo. As imagens SAR utilizadas neste trabalho nÃo estÃo limitadas a um Ãnico sistema de imageamento e diferentes conjuntos de caracterÃsticas baseados na geometria e textura das manchas foram testados. Os desempenhos de generalizaÃÃo de mÃtodos de combinaÃÃo de classificadores, como boosting e bagging, foram comparados com aqueles obtidos com classificadores individuais, como Perceptron Multi-Camadas (MLP, do inglÃs Multi-Layer Perceptron) e MÃquina de Vetor de Suporte (SVM, do inglÃs Support Vector Machine). Os resultados experimentais sugerem que a caracterizaÃÃo das manchas de Ãleo pode ser significativamente melhorada atravÃs do uso do boosting,mesmo quando poucas imagens amostrais estÃo disponÃveis.

ASSUNTO(S)

teleinformatica redes neurais comità de classificadores magens sar manchas de Ãleo neural networks classifier committee sar imagens oil spill

ACESSO AO ARTIGO

Documentos Relacionados