@MastersThesis{Soares:1998:ClTeIm,
               author = "Soares, S{\'e}rgio Monteiro",
                title = "Classifica{\c{c}}{\~a}o textural de imagens SAR, por modelagem 
                         autorregressiva",
               school = "Instituto Nacional de Pesquisas Espaciais (INPE)",
                 year = "1998",
              address = "Sao Jose dos Campos",
                month = "1998-05-19",
             keywords = "processamento digital de imagens, an{\'a}lise de imagens, imagem 
                         de radar, filtros de radar, t{\'e}cnicas de imagens de radar, 
                         an{\'a}lise de regress{\~a}o, processos autorregressivos.",
             abstract = "O prop{\'o}sito deste trabalho consiste em apresentar um 
                         m{\'e}todo extra{\c{c}}{\~a}o de atributos de textura, por 
                         modelagem autorregressiva, para classifica{\c{c}}{\~a}o 
                         supervisionada de imagens SAR, utilizando amostras 
                         unidimensionais, formadas pela concatena{\c{c}}{\~a}o de suas 
                         linhas. A classifica{\c{c}}{\~a}o e executada usando um 
                         procedimento bidimensional, pelo mapeamento dos elementos dos 
                         filtros. Os par{\^a}metros autorregressivos s{\~a}o 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 
                         fun{\c{c}}{\~a}o de autocorrela{\c{c}}{\~a}o local de 
                         {"}lags{"} (1,0) e (0,1) e um filtro de energia local) s{\~a}o 
                         aplicados, em paralelo, sobre a imagem SAR original, filtrada pelo 
                         filtro inverso autorregressivo, para melhoria de bordas das 
                         fei{\c{c}}{\~o}es identificadas. O m{\'e}todo 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 
                         composi{\c{c}}{\~a}o colorida RGB-543, da mesma regi{\~a}o, foi 
                         utilizada como {"}verdade de campo{"}. Para testar o modelo em 
                         outra {\'a}rea, que n{\~a}o a Floresta Amaz{\^o}nica, foi 
                         utilizada uma imagem SAR-580, de uma regi{\~a}o da Alemanha, na 
                         qual foram identificadas as classes Floresta, Cultura (restos de 
                         culturas agr{\'{\i}}colas) e Solo Exposto. Depois da 
                         sele{\c{c}}{\~a}o das amostras de classes (amostras de 
                         treinamento e teste), em cada imagem, o m{\'e}todo foi testado 
                         resultando num conjunto de bandas filtradas, para cada imagem. 
                         Sobre estes conjuntos de bandas filtradas, foi usado o 
                         classificador de M{\'a}xima Verossimilhan{\c{c}}a multibandas. 
                         Os resultados das classifica{\c{c}}{\~o}es, de cada imagem, 
                         foram testados utilizando-se a Matriz de Confus{\~a}o. 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 Tapaj{\'o}s{"} (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.",
            committee = "Dutra, Luciano Vieira (presidente/orientador) and Yanasse, Corina 
                         da Costa Freitas and Banon, Gerald Jean Francis and Santos, 
                         Jo{\~a}o Roberto dos and Waldecir, Jo{\~a}o Perrela",
           copyholder = "SID/SCD",
         englishtitle = "SAR image textural classification by autorregressive modelling",
                label = "8281",
             language = "pt",
                pages = "194",
                  ibi = "6qtX3pFwXQZ3r59YD6/GPipS",
                  url = "http://urlib.net/ibi/6qtX3pFwXQZ3r59YD6/GPipS",
           targetfile = "publicacao.pdf",
        urlaccessdate = "04 maio 2024"
}