Close
Metadata

Reference TypeThesis
Identifier6qtX3pFwXQZ3r59YD6/GPipS
Repositorysid.inpe.br/iris@1912/2005/07.20.11.21   (restricted access)
Metadatasid.inpe.br/iris@1912/2005/07.20.11.21.51
Sitemtc-m12.sid.inpe.br
Label8281
Secondary KeyINPE-6889-TDI/650
Holder Codeisadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S
Citation KeySoares:1998:ClTeIm
AuthorSoares, Sérgio Monteiro
GroupSER-SPG-INPE-MCT-BR
TitleClassificação textural de imagens SAR, por modelagem autorregressiva
Year1998
CommitteeDutra, Luciano Vieira (presidente/orientador)
Yanasse, Corina da Costa Freitas
Banon, Gerald Jean Francis
Santos, João Roberto dos
Waldecir, João Perrela
Date1998-05-19
Alternate TitleSar image textural classification by autorregressive modelling
UniversityInstituto Nacional de Pesquisas Espaciais (INPE)
CitySao Jose dos Campos
Keywordsprocessamento digital de imagens, análise de imagens, imagem de radar, filtros de radar, técnicas de imagens de radar, análise de regressão, processos autorregressivos.
AbstractO propósito deste trabalho consiste em apresentar um método extração de atributos de textura, por modelagem autorregressiva, para classificação supervisionada de imagens SAR, utilizando amostras unidimensionais, formadas pela concatenação de suas linhas. A classificação e executada usando um procedimento bidimensional, pelo mapeamento dos elementos dos filtros. Os parâmetros autorregressivos são estimados pelo algoritmo de Levinson-Durbin, os quais sao usados como elementos dos filtros inversos autorregressivos. Depois da filtragem autorregressiva dois outros procedimentos de filtragens (atributos de branqueamento obtidos pelo calculo da função de autocorrelação local de "lags" (1,0) e (0,1) e um filtro de energia local) são aplicados, em paralelo, sobre a imagem SAR original, filtrada pelo filtro inverso autorregressivo, para melhoria de bordas das feições identificadas. O método e testado sobre imagens SAR JERS-1 e RADARSAT da Floresta Nacional do Tapajos (FLONA). As classes identificadas para um mosaico JERS-1 foram Floresta Primaria Densa e Floresta Primaria Ondulada. Para as imagens JERS-1 continua e RADARSAT foram identificadas as classes Floresta Primaria, Floresta Secundaria (aqui chamada simplesmente de Rebrota) e Solo Exposto (englobando: Pasto, Pasto Sujo e Solo Exposto). Para as imagens acima, uma imagem Landsat TM, na composição colorida RGB-543, da mesma região, foi utilizada como "verdade de campo". Para testar o modelo em outra área, que não a Floresta Amazônica, foi utilizada uma imagem SAR-580, de uma região da Alemanha, na qual foram identificadas as classes Floresta, Cultura (restos de culturas agrícolas) e Solo Exposto. Depois da seleção das amostras de classes (amostras de treinamento e teste), em cada imagem, o método foi testado resultando num conjunto de bandas filtradas, para cada imagem. Sobre estes conjuntos de bandas filtradas, foi usado o classificador de Máxima Verossimilhança multibandas. Os resultados das classificações, de cada imagem, foram testados utilizando-se a Matriz de Confusão. ABSTRACT: The aim of this work is to present a method of textural feature extraction by autorregressive modelling to supervised SAR image classification. The classification is performed using a bidimensional processing. The autorregressive parameters are estimated using the Levinson-Durbin algorithm and they are used as the inverse filters elements. After that, two other approaches (whitening features by local autocorrelation function with lags (1,0) and (0,1) calculation and energy filter achievement) were applyed over the original filtered SAR image, as a way to improve the classification on the edges of the classes. The method was tested over JERS-1 (L band) SAR image and RADARSAT (C band) image from "Floresta Nacional do Tapajós" (FLONA). The identified classes for JERS-1 mosacic were Dense Primary Forest and Undulate Primary Forest. For continuous JERS-1 image and RADARSAT image the identified classes were Primary Forest, Secondary Forest and Bare Soil. For JERS-1 and RADARSAT images a Landsat TM image in color composition RGB-543, from the same area was used as ground truth. To experiment this modelling in other area a SAR-580 SAR image, from a Germany region, was also used, with identified classes Forest, Agricultural Area and Bare Soil. After the selection of samples from those classes (training and test regions) the method was tested, resulting a set of filtered bands from the original SAR image. Over this set of bands the Maximum Likelihood multibands classifier was used. The results were analysed using the confusion matrix.
Number of Pages194
Languagept
Thesis TypeDissertação (Mestrado em Sensoriamento Remoto)
Secondary TypeTDI
AreaSRE
CourseSER-SPG-INPE-MCT-BR
Size5869 KiB
Number of Files1
Target Filepublicacao.pdf
Last Update2005:08.09.03.00.00 sid.inpe.br/banon/2001/04.06.10.52 simone
Metadata Last Update2020:01.24.14.13.08 sid.inpe.br/banon/2001/04.06.10.52 simone {D 1998}
Document Stagecompleted
Is the master or a copy?is the master
e-Mail (login)simone
User Groupadministrator jefferson pubtc@inpe.br simone
Copy HolderSID/SCD
Visibilityshown
Transferable1
Host Collectionsid.inpe.br/banon/2001/04.06.10.52
Document Stagenot transferred
Secondary Date19990119
Read Permissiondeny from all
Next Higher Units8JMKD3MGPCW/3F3NU5S
source Directory Content
publicacao-24.pdf 06/02/2014 11:30 4.5 MiB
agreement Directory Contentthere are no files
History2005-07-20 11:21:52 :: administrator -> jefferson ::
2006-03-27 19:06:02 :: jefferson -> marciana ::
2006-04-17 21:06:35 :: marciana -> banon ::
2006-04-17 21:07:31 :: banon -> administrator ::
2009-07-08 19:36:48 :: administrator -> jefferson ::
2010-07-07 18:52:59 :: jefferson -> administrator ::
2011-03-16 19:30:41 :: administrator -> marciana :: 1998
2012-02-07 16:56:54 :: marciana -> administrator :: 1998
2013-10-18 22:46:50 :: administrator -> luis.cpv@hotmail.com :: 1998
2014-02-06 13:30:57 :: luis.cpv@hotmail.com -> administrator :: 1998
2018-06-05 00:52:50 :: administrator -> pubtc@inpe.br :: 1998
2020-01-24 13:56:08 :: pubtc@inpe.br -> simone :: 1998
Empty Fieldsacademicdepartment affiliation archivingpolicy archivist callnumber contenttype copyright creatorhistory descriptionlevel dissemination doi e-mailaddress electronicmailaddress format isbn issn lineage mark mirrorrepository nextedition notes number orcid parameterlist parentrepositories previousedition previouslowerunit progress readergroup resumeid rightsholder secondarymark session shorttitle sponsor subject tertiarymark tertiarytype url versiontype
Access Date2020, Sep. 28
update 

Close