@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"
}