Avaliação de medidas texturais na discriminação de classes de uso utilizando imagens SIR-C/X-SAR do perímetro irrigado de Bebedouro, Petrolina, PE
Ano de defesa: | 1995 |
---|---|
Autor(a) principal: | |
Orientador(a): | |
Banca de defesa: | , , |
Tipo de documento: | Dissertação |
Tipo de acesso: | Acesso aberto |
Idioma: | por |
Instituição de defesa: |
Instituto Nacional de Pesquisas Espaciais (INPE)
|
Programa de Pós-Graduação: |
Programa de Pós-Graduação do INPE em Sensoriamento Remoto
|
Departamento: |
Não Informado pela instituição
|
País: |
BR
|
Resumo em Inglês: | The texture is an important characterestic used for visual image interpretation. For this reason, the performance of digital classifiers can be improved with texture measurements, specially for high resolution images. However, the quantification of image texture is very difficult, since there is no consensus in the definition of what texture is, as well as a precise mathematical formulation of it. Several texture measures can be found in the literature. Usually the choice of the best set of these measures is done empirically. This work proposes a methodology for texture measures selection that maximize the discrimination between land use classes in SAR images. The used images were SIR-C/X-SAR, L and C bands, and HH, HV and VV polarizations. The results show that the classification based only on the tonal means achieved kappa values slightly higher than 0.50. The use of texture measures improved the classification, obtaining kappa values higher than 0.90, when 15 measures were used simultaneosly. Even when images only one band and one polarization were used, the kappa values obtained were higher than 0.85, making use of more than 20 texture measures. The results confirmed that texture information in radar image may help the discrimination of agriculture crops, and that the proposed methodology is appropriate for this purpose. |
Link de acesso: | http://urlib.net/sid.inpe.br/jeferson/2004/03.05.11.22 |
Resumo: | A textura é uma importante característica utilizada na interpretação visual de imagens e por esta razão, o uso de medidas de textura pode aumentar o desempenho de classificadores digitais, principalmente em imagens com alta resolução espacial. No entanto, a textura de uma imagem é muito difícil de ser quantificada, uma vez que não há um consenso na definição deste termo, nem tampouco uma formulação matemática precisa. Na literatura, pode-se encontrar muitas medidas de textura, sendo que a escolha de um conjunto de medidas de textura é quase sempre feita empiricamente. Este trabalho propõe uma metodologia para seleção das medidas texturais que maximize a discriminação entre classes de uso em imagens SAR. Para tanto, foram utilizadas imagens SIR-C/X-SAR, bandas L e C, e polarizações HH, HV e VV. Os resultados mostraram que classificações baseadas apenas na média tonal conseguiram valores de kappa pouco acima de 0,50. O uso de medidas de textura resultou numa melhoria na classificação, obtendo-se valores de kappa superiores a 0,90 quando 15 medidas foram utilizadas simultaneamente. Mesmo quando imagens de apenas uma banda e uma polarização foram empregadas, conseguiram-se, em geral, valores de kappa superiores a 0,85 com a utilização de mais de 20 medidas de textura. Os resultados comprovaram que a informação textural presente em imagens de radar podem ajudar na discriminação de alvos agrícolas e que a metodologia proposta mostrou-se adequada a este propósito. |
id |
INPE_6c11bcb2b05d48e65f9cbe9604b3a9f4 |
---|---|
oai_identifier_str |
oai:urlib.net:sid.inpe.br/jeferson/2004/03.05.11.22.21-0 |
network_acronym_str |
INPE |
network_name_str |
Biblioteca Digital de Teses e Dissertações do INPE |
spelling |
info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisAvaliação de medidas texturais na discriminação de classes de uso utilizando imagens SIR-C/X-SAR do perímetro irrigado de Bebedouro, Petrolina, PEAn valuation of the texture features for Land-use discrimination using SIR-C/X-SAR data in the Bebedouro irrigation project, Petrolina, PE1995-12-22Joao Vianei SoaresCorina da Costa Freitas YanasseAntonio Roberto FormaggioNelson Delfino d'Avila MascarenhasCamilo Daleles RennóInstituto Nacional de Pesquisas Espaciais (INPE)Programa de Pós-Graduação do INPE em Sensoriamento RemotoINPEBRsensoriamento remotoradar de abertura sintética (SAR)shuttle imaging radar (SIR-C)seleção de atributostexturaclassificaçãoPetrolina (PE)remote sensingsynthetic aperture radarshuttle imaging radarfeature extractiontexturesclassificationsPetrolina (PE)A textura é uma importante característica utilizada na interpretação visual de imagens e por esta razão, o uso de medidas de textura pode aumentar o desempenho de classificadores digitais, principalmente em imagens com alta resolução espacial. No entanto, a textura de uma imagem é muito difícil de ser quantificada, uma vez que não há um consenso na definição deste termo, nem tampouco uma formulação matemática precisa. Na literatura, pode-se encontrar muitas medidas de textura, sendo que a escolha de um conjunto de medidas de textura é quase sempre feita empiricamente. Este trabalho propõe uma metodologia para seleção das medidas texturais que maximize a discriminação entre classes de uso em imagens SAR. Para tanto, foram utilizadas imagens SIR-C/X-SAR, bandas L e C, e polarizações HH, HV e VV. Os resultados mostraram que classificações baseadas apenas na média tonal conseguiram valores de kappa pouco acima de 0,50. O uso de medidas de textura resultou numa melhoria na classificação, obtendo-se valores de kappa superiores a 0,90 quando 15 medidas foram utilizadas simultaneamente. Mesmo quando imagens de apenas uma banda e uma polarização foram empregadas, conseguiram-se, em geral, valores de kappa superiores a 0,85 com a utilização de mais de 20 medidas de textura. Os resultados comprovaram que a informação textural presente em imagens de radar podem ajudar na discriminação de alvos agrícolas e que a metodologia proposta mostrou-se adequada a este propósito.The texture is an important characterestic used for visual image interpretation. For this reason, the performance of digital classifiers can be improved with texture measurements, specially for high resolution images. However, the quantification of image texture is very difficult, since there is no consensus in the definition of what texture is, as well as a precise mathematical formulation of it. Several texture measures can be found in the literature. Usually the choice of the best set of these measures is done empirically. This work proposes a methodology for texture measures selection that maximize the discrimination between land use classes in SAR images. The used images were SIR-C/X-SAR, L and C bands, and HH, HV and VV polarizations. The results show that the classification based only on the tonal means achieved kappa values slightly higher than 0.50. The use of texture measures improved the classification, obtaining kappa values higher than 0.90, when 15 measures were used simultaneosly. Even when images only one band and one polarization were used, the kappa values obtained were higher than 0.85, making use of more than 20 texture measures. The results confirmed that texture information in radar image may help the discrimination of agriculture crops, and that the proposed methodology is appropriate for this purpose.http://urlib.net/sid.inpe.br/jeferson/2004/03.05.11.22info:eu-repo/semantics/openAccessporreponame:Biblioteca Digital de Teses e Dissertações do INPEinstname:Instituto Nacional de Pesquisas Espaciais (INPE)instacron:INPE2021-07-31T06:52:55Zoai:urlib.net:sid.inpe.br/jeferson/2004/03.05.11.22.21-0Biblioteca Digital de Teses e Dissertaçõeshttp://bibdigital.sid.inpe.br/PUBhttp://bibdigital.sid.inpe.br/col/iconet.com.br/banon/2003/11.21.21.08/doc/oai.cgiopendoar:32772021-07-31 06:52:55.991Biblioteca Digital de Teses e Dissertações do INPE - Instituto Nacional de Pesquisas Espaciais (INPE)false |
dc.title.pt.fl_str_mv |
Avaliação de medidas texturais na discriminação de classes de uso utilizando imagens SIR-C/X-SAR do perímetro irrigado de Bebedouro, Petrolina, PE |
dc.title.alternative.en.fl_str_mv |
An valuation of the texture features for Land-use discrimination using SIR-C/X-SAR data in the Bebedouro irrigation project, Petrolina, PE |
title |
Avaliação de medidas texturais na discriminação de classes de uso utilizando imagens SIR-C/X-SAR do perímetro irrigado de Bebedouro, Petrolina, PE |
spellingShingle |
Avaliação de medidas texturais na discriminação de classes de uso utilizando imagens SIR-C/X-SAR do perímetro irrigado de Bebedouro, Petrolina, PE Camilo Daleles Rennó |
title_short |
Avaliação de medidas texturais na discriminação de classes de uso utilizando imagens SIR-C/X-SAR do perímetro irrigado de Bebedouro, Petrolina, PE |
title_full |
Avaliação de medidas texturais na discriminação de classes de uso utilizando imagens SIR-C/X-SAR do perímetro irrigado de Bebedouro, Petrolina, PE |
title_fullStr |
Avaliação de medidas texturais na discriminação de classes de uso utilizando imagens SIR-C/X-SAR do perímetro irrigado de Bebedouro, Petrolina, PE |
title_full_unstemmed |
Avaliação de medidas texturais na discriminação de classes de uso utilizando imagens SIR-C/X-SAR do perímetro irrigado de Bebedouro, Petrolina, PE |
title_sort |
Avaliação de medidas texturais na discriminação de classes de uso utilizando imagens SIR-C/X-SAR do perímetro irrigado de Bebedouro, Petrolina, PE |
author |
Camilo Daleles Rennó |
author_facet |
Camilo Daleles Rennó |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Joao Vianei Soares |
dc.contributor.referee1.fl_str_mv |
Corina da Costa Freitas Yanasse |
dc.contributor.referee2.fl_str_mv |
Antonio Roberto Formaggio |
dc.contributor.referee3.fl_str_mv |
Nelson Delfino d'Avila Mascarenhas |
dc.contributor.author.fl_str_mv |
Camilo Daleles Rennó |
contributor_str_mv |
Joao Vianei Soares Corina da Costa Freitas Yanasse Antonio Roberto Formaggio Nelson Delfino d'Avila Mascarenhas |
dc.description.abstract.por.fl_txt_mv |
A textura é uma importante característica utilizada na interpretação visual de imagens e por esta razão, o uso de medidas de textura pode aumentar o desempenho de classificadores digitais, principalmente em imagens com alta resolução espacial. No entanto, a textura de uma imagem é muito difícil de ser quantificada, uma vez que não há um consenso na definição deste termo, nem tampouco uma formulação matemática precisa. Na literatura, pode-se encontrar muitas medidas de textura, sendo que a escolha de um conjunto de medidas de textura é quase sempre feita empiricamente. Este trabalho propõe uma metodologia para seleção das medidas texturais que maximize a discriminação entre classes de uso em imagens SAR. Para tanto, foram utilizadas imagens SIR-C/X-SAR, bandas L e C, e polarizações HH, HV e VV. Os resultados mostraram que classificações baseadas apenas na média tonal conseguiram valores de kappa pouco acima de 0,50. O uso de medidas de textura resultou numa melhoria na classificação, obtendo-se valores de kappa superiores a 0,90 quando 15 medidas foram utilizadas simultaneamente. Mesmo quando imagens de apenas uma banda e uma polarização foram empregadas, conseguiram-se, em geral, valores de kappa superiores a 0,85 com a utilização de mais de 20 medidas de textura. Os resultados comprovaram que a informação textural presente em imagens de radar podem ajudar na discriminação de alvos agrícolas e que a metodologia proposta mostrou-se adequada a este propósito. |
dc.description.abstract.eng.fl_txt_mv |
The texture is an important characterestic used for visual image interpretation. For this reason, the performance of digital classifiers can be improved with texture measurements, specially for high resolution images. However, the quantification of image texture is very difficult, since there is no consensus in the definition of what texture is, as well as a precise mathematical formulation of it. Several texture measures can be found in the literature. Usually the choice of the best set of these measures is done empirically. This work proposes a methodology for texture measures selection that maximize the discrimination between land use classes in SAR images. The used images were SIR-C/X-SAR, L and C bands, and HH, HV and VV polarizations. The results show that the classification based only on the tonal means achieved kappa values slightly higher than 0.50. The use of texture measures improved the classification, obtaining kappa values higher than 0.90, when 15 measures were used simultaneosly. Even when images only one band and one polarization were used, the kappa values obtained were higher than 0.85, making use of more than 20 texture measures. The results confirmed that texture information in radar image may help the discrimination of agriculture crops, and that the proposed methodology is appropriate for this purpose. |
description |
A textura é uma importante característica utilizada na interpretação visual de imagens e por esta razão, o uso de medidas de textura pode aumentar o desempenho de classificadores digitais, principalmente em imagens com alta resolução espacial. No entanto, a textura de uma imagem é muito difícil de ser quantificada, uma vez que não há um consenso na definição deste termo, nem tampouco uma formulação matemática precisa. Na literatura, pode-se encontrar muitas medidas de textura, sendo que a escolha de um conjunto de medidas de textura é quase sempre feita empiricamente. Este trabalho propõe uma metodologia para seleção das medidas texturais que maximize a discriminação entre classes de uso em imagens SAR. Para tanto, foram utilizadas imagens SIR-C/X-SAR, bandas L e C, e polarizações HH, HV e VV. Os resultados mostraram que classificações baseadas apenas na média tonal conseguiram valores de kappa pouco acima de 0,50. O uso de medidas de textura resultou numa melhoria na classificação, obtendo-se valores de kappa superiores a 0,90 quando 15 medidas foram utilizadas simultaneamente. Mesmo quando imagens de apenas uma banda e uma polarização foram empregadas, conseguiram-se, em geral, valores de kappa superiores a 0,85 com a utilização de mais de 20 medidas de textura. Os resultados comprovaram que a informação textural presente em imagens de radar podem ajudar na discriminação de alvos agrícolas e que a metodologia proposta mostrou-se adequada a este propósito. |
publishDate |
1995 |
dc.date.issued.fl_str_mv |
1995-12-22 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
status_str |
publishedVersion |
format |
masterThesis |
dc.identifier.uri.fl_str_mv |
http://urlib.net/sid.inpe.br/jeferson/2004/03.05.11.22 |
url |
http://urlib.net/sid.inpe.br/jeferson/2004/03.05.11.22 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Instituto Nacional de Pesquisas Espaciais (INPE) |
dc.publisher.program.fl_str_mv |
Programa de Pós-Graduação do INPE em Sensoriamento Remoto |
dc.publisher.initials.fl_str_mv |
INPE |
dc.publisher.country.fl_str_mv |
BR |
publisher.none.fl_str_mv |
Instituto Nacional de Pesquisas Espaciais (INPE) |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações do INPE instname:Instituto Nacional de Pesquisas Espaciais (INPE) instacron:INPE |
reponame_str |
Biblioteca Digital de Teses e Dissertações do INPE |
collection |
Biblioteca Digital de Teses e Dissertações do INPE |
instname_str |
Instituto Nacional de Pesquisas Espaciais (INPE) |
instacron_str |
INPE |
institution |
INPE |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações do INPE - Instituto Nacional de Pesquisas Espaciais (INPE) |
repository.mail.fl_str_mv |
|
publisher_program_txtF_mv |
Programa de Pós-Graduação do INPE em Sensoriamento Remoto |
contributor_advisor1_txtF_mv |
Joao Vianei Soares |
_version_ |
1706805029659213824 |