@InProceedings{DutraMasc:1989:AnTeIm,
               author = "Dutra, Luciano Vieira and Mascarenhas, Nelson Delfino 
                         d'{\'A}vila",
          affiliation = "{Instituto Nacional de Pesquisas Espaciais (INPE)} and {Instituto 
                         Nacional de Pesquisas Espaciais (INPE)}",
                title = "An{\'a}lise de texturas em imagens de radar usando modelos ARMA",
            booktitle = "Anais...",
                 year = "1989",
               editor = "Banon, Gerald Jean Francis and Braga, Raul and Carvalho, Jo{\~a}o 
                         Marques de and Cunha, Gilberto Jos{\'e} da and Furuie, 
                         S{\'e}rgio Shiguemi and Gomes, Jonas de Miranda and Hess, Lilia 
                         and Massola, Ant{\^o}nio Marcos Aguirra and Mello, Rubens 
                         Nascimento and Persiano, Ronaldo Marinho and Tozzi, Cl{\'e}sio 
                         Luis",
                pages = "77--88",
         organization = "Simp{\'o}sio Brasileiro de Computa{\c{c}}{\~a}o Gr{\'a}fica e 
                         Processamento de Imagens, 2. (SIBGRAPI)",
            publisher = "Sociedade Brasileira de Computa{\c{c}}{\~a}o",
              address = "Porto Alegre",
             keywords = "ARMA, an{\'a}lise de texturas, imagens de radar, modelos ARMA.",
             abstract = "Este trabalho apresenta o desenvolvimento de um m{\'e}todo para 
                         caracteriza{\c{c}}{\~a}o de texturas aleat{\'o}rias utilizando 
                         modelos estat{\'{\i}}sticos autorregressivos e m{\'e}dia 
                         m{\'o}vel (ARMA), bem como a utiliza{\c{c}}{\~a}o desses 
                         modelos para melhorar o resultado da classifica{\c{c}}{\~a}o 
                         pontual de m{\'a}xima verossimilhan{\c{c}}a de imagens de radar 
                         de abertura sint{\'e}tica (SAR). Sob o ponto de vista 
                         estat{\'{\i}}stico uma imagem {\'e} representada como um 
                         processo estoc{\'a}stico bidimensional. Foi utilizada, 
                         entretanto, uma vers{\~a}o linearizada da imagem concatenando-se 
                         segmentos de linhas da imagem formando assim uma sequ{\^e}ncia 
                         inidimensional. Um ou mais modelos ARMA s{\~a}o ajustados a essas 
                         sequencias obtidas por classes. Tais modelos representam o 
                         processo de forma{\c{c}}{\~a}o de cada textura do ponto de vista 
                         estat{\'{\i}}stico. A imagem original {\'e} filtrada por 
                         filtros inversos derivados dos modelos obtidos para cada classe, 
                         obtendo-se assim tantos canais quantas classes texturais foram 
                         definidas a priori. O treinamento e a de canais, que se adaptam 
                         melhor {\`a}s condi{\c{c}}{\~o}es para o qual o classificador 
                         de m{\'a}xima verossimilhan{\c{c}}a foi projetado, promovendo 
                         assim uma melhoria na precis{\~a}o da classifica{\c{c}}{\~a}o. 
                         Testes foram efetuados nas imagens de radar. Essas imagens de 
                         certa forma m{\'a}scara a textura natural do terreno. Mesmo 
                         assim, foi observada uma melhoria no desempenho global do 
                         classificador.",
  conference-location = "{\'A}guas de Lind{\'o}ia, SP, Brazil",
      conference-year = "26-28 Apr. 1989",
                 isbn = "978-85-7669-267-6",
             language = "pt",
                  ibi = "8JMKD3MGPBW34M/3CG2QHS",
                  url = "http://urlib.net/ibi/8JMKD3MGPBW34M/3CG2QHS",
           targetfile = "7 ANALISE DE TEXTURAS DE IMAGENS.pdf",
                 type = "Padr{\~o}es Gr{\'a}ficos (artigos)",
        urlaccessdate = "2024, Apr. 29"
}