Aviris
Mostrando 1-12 de 26 artigos, teses e dissertações.
-
1. CLASS-BASED AFFINITY PROPAGATION FOR HYPERSPECTRAL IMAGE DIMENSIONALITY REDUCTION AND IMPROVEMENT OF MAXIMUM LIKELIHOOD CLASSIFICATION ACCURACY
Resumo Este artigo investiga um método de classificação alternativo que integra o algoritmo de clusterização propagação de afinidade baseado nas classes (PAC) e o Classificador Máxima Verossimilhança (MAXVER) com a finalidade de superar as limitações do MAXVER na classificação de dados de alta dimensionalidade e, assim, melhorar a sua acurácia.
Bol. Ciênc. Geod.. Publicado em: 18/04/2019
-
2. Estimativas dos ruidos nas imagens hiperespectrais de Sensoriamento Remoto baseadas na regressão linear múltipla e transformada "wavelet"
Estimativa do ruído de imagens hiperespectrais de sensoriamento remote é importante para o pós-processamento e aplicações. Nesta pesquisa, não somente a remoção da correlação espectral é considerada, como também a remoção da correlação espacial pela transformada wavelet . Portanto, um novo método baseado na regressão linear múltipla (MLR)
Bol. Ciênc. Geod.. Publicado em: 2013-12
-
3. On the classification of classes with nearly equal spectral response in remote sensing hyperspectral image data
It is well known that high-dimensional image data allows for the separation of classes that are spectrally very similar, i.e., possess nearly equal first-order statistics, provided that their second-order statistics differ significantly. The aim of this study is to contribute to a better understanding, from a more geometrically oriented point of view, of the
Publicado em: 2011
-
4. Caracterização minerológica de solos tropicais por sensoriamento remoto hiperespectral.
Dados hiperespectrais coletados no Brasil pelo sensor AVIRIS (Airborne Visible/Infrared Imaging Spectrometer) foram utilizados para a caracterização espectral de uma típica cena agropastoril e para testar o uso da técnica Spectral Feature Fitting (SFF) na identificação de minerais argilosos na imagem. Utilizou-se um modelo linear de mistura espectral,
Pesquisa Agropecuária Brasileira. Publicado em: 2011
-
5. Support vector machines na classificação de imagens hiperespectrais / Hyperspectral image classification with support vector machines
É de conhecimento geral que, em alguns casos, as classes são espectralmente muito similares e que não é possível separá-las usando dados convencionais em baixa dimensionalidade. Entretanto, estas classes podem ser separáveis com um alto grau de acurácia em espaço de alta dimensão. Por outro lado, classificação de dados em alta dimensionalidade po
Publicado em: 2009
-
6. Classificação de dados imagens em alta dimensionalidade, empregando amostras semi-rotuladas e estimadores para as probabilidades a priori / Classification of high dimensionality image data, using semilabeled samples and estimation of the a priori probabilities
Em cenas naturais, ocorrem com certa freqüência classes espectralmente muito similares, isto é, os vetores média são muito próximos. Em situações como esta dados de baixa dimensionalidade (LandSat-TM, Spot) não permitem uma classificação acurada da cena. Por outro lado, sabe-se que dados em alta dimensionalidade tornam possível a separação dest
Publicado em: 2008
-
7. Análise de dados hiperespectrais em mina de manganês laterítico, São João da Aliança (GO)
O objetivo do presente trabalho foi desenvolver uma metodologia para identificação de lateritas manganesíferas por espectroscopia de imageamento. Nesse estudo foi utilizada a imagem do Airborne Visible/InfraRed Imaging Spectrometer (AVIRIS). O AVIRIS é um sensor que mede o espectro solar refletido de 400 nm para 2500 nm em intervalos de 10 nm. A área de
Revista Brasileira de Geofísica. Publicado em: 2007-06
-
8. Utilização de semivariogramas como redutor de dimensionalidade no reconhecimento de padrões em imagens digitais hiperespectrais
Com o advento dos sensores hiperespectrais se tornou possível em sensoriamento remoto, uma serie de diferentes aplicações. Uma delas, é a possibilidade de se discriminar classes com comportamentos espectrais quase idênticas. Porém um dos principais problemas encontrados quando se trabalha com dados de alta dimensionalidade, é a dificuldade em estimar
Publicado em: 2007
-
9. Uso da análise discriminante regularizada (RDA) no reconhecimento de padrões em imagens digitais hiperespectral de sensoriamento remoto
Em cenas naturais, ocorrem com certa freqüência classes espectralmente muito similares, isto é, os vetores média são muito próximos. Em situações como esta, dados de baixa dimensionalidade (LandSat-TM, Spot) não permitem uma classificação acurada da cena. Por outro lado, sabe-se que dados em alta dimensionalidade [FUK 90] tornam possível a separa
Publicado em: 2007
-
10. Extração de feições em dados imagem com alta dimensão por otimização da distância de Bhattacharyya em um classificador de decisão em árvore
Neste trabalho é investigada uma abordagem para extração de feições baseada na otimização da distância de Bhattacharyya em um classificador hierárquico de estrutura binária. O objetivo é mitigar os efeitos do fenômeno de Hughes na classificação de dados imagem hiper-espectrais. A utilização de um classificador em múltiplo-estágio, analisand
Publicado em: 2007
-
11. Comparação da discriminação logística com o método da máxima verossimilhança gaussiana na classificação de imagens digitais
A tradicional técnica de regressão logística, muito conhecida e utilizada em estudos médicos, permitia apenas a modelagem de variáveis-resposta binárias. A extensão do modelo logístico para variáveis-resposta multinominais ampliou em muito as áreas de aplicação de regressão logística. Na área de reconhecimento de padrões o modelo logístico m
Publicado em: 2007
-
12. Triagem de amostras e mÃltiplas medidas de similaridade espectral para seleÃÃo de membros de referÃncia em imagens hiperespectrais.
O objetivo do presente trabalho foi desenvolver um processo semi-automÃtico para identificaÃÃo de Membros de ReferÃncia (MR) em imagens hiperespectrais. O processo faz inicialmente a triagem das amostras espectrais gerando um conjunto de amostras candidatas a MR. A triagem consiste em: determinar uma vizinhanÃa espacialmente uniforme em torno da amostra
Publicado em: 2007