[en] AN APPROACH TO MODEL MULTITEMPORAL KNOWLEDGE IN AUTOMATIC INTERPRETATION PROCESS OF REMOTELY SENSED IMAGES

• Ano de defesa: 2006
• Autor(a) principal: VANESSA DE OLIVEIRA CAMPOS
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: MAXWELL
• Palavras-chave em Português: [pt] ALGORITMO GENETICO; [pt] INTERPRETACAO BASEADA EM CONHECIMENTO; [pt] PROCESSAMENTO DIGITAL DE IMAGEM; [pt] SENSORIAMENTO REMOTO; [en] GENETIC ALGORITHM; [en] KNOWLEDGE BASED INTERPRETATION; [en] IMAGE DIGITAL PROCESSING; [en] REMOTE SENSING
• Link de acesso: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=7963&idi=1; https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=7963&idi=2; http://doi.org/10.17771/PUCRio.acad.7963

[pt] O presente trabalho apresenta uma metodologia para modelagem do conhecimento multitemporal para a interpretação automática de imagens de sensores remotos. O procedimento de interpretação utilizado combina os conhecimentos multitemporal e espectral usando técnicas da lógica nebulosa. O método utiliza diagramas de transição de estado para representar as possibilidades de mudanças de classe dentro de um determinado intervalo de tempo. As possibilidades de mudança são estimadas a partir de dados históricos da mesma região usando algoritmos genéticos. O método foi validado experimentalmente usando como base um conjunto de imagens Landsat-5 da cidade do Rio de Janeiro, obtidas em 5 datas separadas por aproximadamente 4 anos. Os resultados experimentais indicaram que o uso do conhecimento multitemporal, conforme modelado pelo método proposto traz uma melhora importante de desempenho da classificação em comparação à classificação puramente espectral.