Publicação
Classificação de Imagens de Satélite com Recurso a Informação Multi-fonte e Multi-resolução
| Resumo: | A principal finalidade da metodologia apresentada neste documento é o desenvolvimento e a validação, através da aplicação a um caso de estudo, de uma forma eficiente de classificação de imagens de satélite, que integra informação auxiliar (dados dos Censos, do Plano Director Municipal e a rede viária) e dados provenientes de Detecção Remota, num Sistema de Informação Geográfica. O procedimento desenvolvido segue uma estratégia de classificação por níveis, sendo composto por três estágios principais: 1) Estratificação pré-classificação; 2) Aplicação dos classificadores de Bayes e da Máxima Verosimilhança (MV); 3) Aplicação de regras de pósclassificação. As abordagens comuns incorporam os dados auxiliares antes, durante ou depois da classificação. No método proposto recorre-se a esse tipo de informação em todas as etapas. O método consegue, globalmente, melhores resultados que os classificadores clássicos: Mínima Distância, Paralelepípedo e Máxima Verosimilhança. Além disso, melhora substancialmente a exactidão das classes onde o processo de classificação faz uso da informação auxiliar. |
|---|---|
| Autores principais: | Rocha, Jorge |
| Outros Autores: | Tenedório, José A. |
| Assunto: | Sistemas de Informação Geográfica Detecção remota Informação auxiliar Censos |
| Ano: | 2001 |
| País: | Portugal |
| Tipo de documento: | capítulo de livro |
| Tipo de acesso: | acesso aberto |
| Instituição associada: | Universidade de Lisboa |
| Idioma: | português |
| Origem: | Repositório da Universidade de Lisboa |
| Resumo: | A principal finalidade da metodologia apresentada neste documento é o desenvolvimento e a validação, através da aplicação a um caso de estudo, de uma forma eficiente de classificação de imagens de satélite, que integra informação auxiliar (dados dos Censos, do Plano Director Municipal e a rede viária) e dados provenientes de Detecção Remota, num Sistema de Informação Geográfica. O procedimento desenvolvido segue uma estratégia de classificação por níveis, sendo composto por três estágios principais: 1) Estratificação pré-classificação; 2) Aplicação dos classificadores de Bayes e da Máxima Verosimilhança (MV); 3) Aplicação de regras de pósclassificação. As abordagens comuns incorporam os dados auxiliares antes, durante ou depois da classificação. No método proposto recorre-se a esse tipo de informação em todas as etapas. O método consegue, globalmente, melhores resultados que os classificadores clássicos: Mínima Distância, Paralelepípedo e Máxima Verosimilhança. Além disso, melhora substancialmente a exactidão das classes onde o processo de classificação faz uso da informação auxiliar. |
|---|