[en] A FUZZY MODEL FOR MULTITEMPORAL IMAGE CLASSIFICATION

• Ano de defesa: 2006
• Autor(a) principal: MARIA CLARA DE OLIVEIRA COSTA
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: MAXWELL
• Palavras-chave em Português: [pt] ALGORITMO GENETICO; [pt] PROCESSAMENTO DIGITAL DE IMAGENS; [pt] IMAGEM DE SATELITE; [pt] SENSORIAMENTO REMOTO; [pt] LOGICA FUZZY; [en] GENETIC ALGORITHM; [en] DIGITAL PROCESSING OF IMAGES; [en] SATELLITE IMAGE; [en] REMOTE SENSING; [en] FUZZY LOGIC
• Link de acesso: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=8953&idi=1; https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=8953&idi=2; http://doi.org/10.17771/PUCRio.acad.8953

[pt] O presente trabalho apresenta a modelagem de conhecimento multitemporal para a classificação automática de cobertura do solo para imagens de satélite. O procedimento de classificação agrega os conhecimentos espectral e multitemporal utilizando conjuntos nebulosos e suas pertinências de classe como informação prévia. O método se baseia no conceito de Redes de Markov Nebulosas, um sistema com um conjunto de estados que a cada instante de tempo troca o estado corrente de acordo com possibilidades associadas a cada um. No caso deste trabalho cada estado representa uma classe, e as possibilidades são estimadas automaticamente a partir de dados históricos de uma mesma região geográfica, empregando algoritmos genéticos. A avaliação experimental utilizou um conjunto de imagens Landsat-5 da cidade do Rio de Janeiro, obtidas em cinco datas separadas por aproximadamente quatro anos. Os resultados indicaram que o uso do conhecimento multitemporal, conforme modelado pelo método proposto traz um significante aumento da eficiência de classificação em comparação à classificação puramente espectral, além de flexibilizar o procedimento de classificação no que diz respeito aos dados necessários para o treinamento do modelo.