Busca avançada
Ano de início
Entree

Estudo e desenvolvimento de novas funções Kernel com aplicações em classificação de imagens de sensoriamento remoto

Resumo

Reconhecimento de Padrões é uma área da Ciência da Computação voltada ao tratamento de problemas de classificação. A classificação de imagens de Sensoriamento Remoto é uma das mais importantes aplicações de Reconhecimento de Padrões em estudos ambientais. A importância de se obter resultados de classificação cada vez mais precisos motiva progressivamente o desenvolvimento e o aprimoramento das técnicas de classificação de imagens. O surgimento das funções kernel revolucionou as pesquisas em Reconhecimento de Padrões, e consequentemente nas aplicações em classificação de imagens, possibilitando ampliar ainda mais as pesquisas na área. Este projeto de pesquisa propõe o estudo e o desenvolvimento de novas funções kernel para a aplicação em classificação de imagens, visando produzir resultados mais acurados em comparação às propostas usuais. A verificação da validade das funções kernel que esperam ser obtidas com esta pesquisa será realizada a partir de estudos com imagens simuladas e por meio de aplicações práticas relacionadas à classificação do uso e cobertura do solo da Amazônia. (AU)

Matéria(s) publicada(s) na Agência FAPESP sobre o auxílio:
Matéria(s) publicada(s) em Outras Mídias (0 total):
Mais itensMenos itens
VEICULO: TITULO (DATA)
VEICULO: TITULO (DATA)

Publicações científicas (7)
(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)
NEGRI, ROGERIO GALANTE; DA SILVA, ERIVALDO ANTONIO; CASACA, WALLACE. Inducing Contextual Classifications With Kernel Functions Into Support Vector Machines. IEEE Geoscience and Remote Sensing Letters, v. 15, n. 6, p. 962-966, . (17/03595-6, 14/08822-2, 14/14830-8, 13/07375-0)
NEGRI, R. G.; DUTRA, L. V.; SANT'ANNA, S. J. S.; LU, D.. Examining region-based methods for land cover classification using stochastic distances. International Journal of Remote Sensing, v. 37, n. 8, p. 1902-1921, . (14/14830-8)
NEGRI, ROGERIO G.; FRERY, ALEJANDRO C.; SILVA, WAGNER B.; MENDES, TATIANA S. G.; DUTRA, LUCIANO V.. Region-based classification of PolSAR data using radial basis kernel functions with stochastic distances. INTERNATIONAL JOURNAL OF DIGITAL EARTH, v. 12, n. 6, p. 699-719, . (14/14830-8)
E SILVA, R. A.; NEGRI, R. G.; DE MATTOS VIDAL, D.. A new image-based technique for measuring pore size distribution of nonwoven geotextiles. GEOSYNTHETICS INTERNATIONAL, v. 26, n. 3, p. 261-272, . (14/14830-8)
SAPUCCI, GABRIELA RIBEIRO; NEGRI, ROGERIO GALANTE. Hierarchical clustering and stochastic distance for indirect semi-supervised remote sensing image classification. SN APPLIED SCIENCES, v. 1, n. 3, . (18/01033-3, 16/06242-4, 14/14830-8)
NEGRI, R. G.; DUTRA, L. V.; SANT'ANNA, S. J. S.. Comparing support vector machine contextual approaches for urban area classification. REMOTE SENSING LETTERS, v. 7, n. 5, p. 485-494, . (14/14830-8)
NEGRI, ROGERIO GALANTE; DUTRA, LUCIANO VIEIRA; FREITAS, CORINA DA COSTA; LU, DENGSHENG. Exploring the Capability of ALOS PALSAR L-Band Fully Polarimetric Data for Land Cover Classification in Tropical Environments. IEEE JOURNAL OF SELECTED TOPICS IN APPLIED EARTH OBSERVATIONS AND REMOTE SENSING, v. 9, n. 12, 1, SI, p. 5369-5384, . (07/02139-5, 14/14830-8)

Por favor, reporte erros na lista de publicações científicas escrevendo para: cdi@fapesp.br.