%0 Conference Proceedings
%4 sid.inpe.br/sibgrapi/2012/08.22.02.10
%2 sid.inpe.br/sibgrapi/2012/08.22.02.10.09
%@isbn 978-85-7669-267-6
%T Análise de texturas em imagens de radar usando modelos ARMA
%D 1989
%A Dutra, Luciano Vieira,
%A Mascarenhas, Nelson Delfino d'Ávila,
%@affiliation Instituto Nacional de Pesquisas Espaciais (INPE)
%@affiliation Instituto Nacional de Pesquisas Espaciais (INPE)
%E Banon, Gerald Jean Francis,
%E Braga, Raul,
%E Carvalho, João Marques de,
%E Cunha, Gilberto José da,
%E Furuie, Sérgio Shiguemi,
%E Gomes, Jonas de Miranda,
%E Hess, Lilia,
%E Massola, Antônio Marcos Aguirra,
%E Mello, Rubens Nascimento,
%E Persiano, Ronaldo Marinho,
%E Tozzi, Clésio Luis,
%B Simpósio Brasileiro de Computação Gráfica e Processamento de Imagens, 2 (SIBGRAPI)
%C Águas de Lindóia, SP, Brazil
%8 26-28 Apr. 1989
%I Sociedade Brasileira de Computação
%J Porto Alegre
%P 77-88
%S Anais
%K ARMA, análise de texturas, imagens de radar, modelos ARMA.
%X Este trabalho apresenta o desenvolvimento de um método para caracterização de texturas aleatórias utilizando modelos estatísticos autorregressivos e média móvel (ARMA), bem como a utilização desses modelos para melhorar o resultado da classificação pontual de máxima verossimilhança de imagens de radar de abertura sintética (SAR). Sob o ponto de vista estatístico uma imagem é representada como um processo estocástico bidimensional. Foi utilizada, entretanto, uma versão linearizada da imagem concatenando-se segmentos de linhas da imagem formando assim uma sequência inidimensional. Um ou mais modelos ARMA são ajustados a essas sequencias obtidas por classes. Tais modelos representam o processo de formação de cada textura do ponto de vista estatístico. A imagem original é 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 às condições para o qual o classificador de máxima verossimilhança foi projetado, promovendo assim uma melhoria na precisão da classificação. Testes foram efetuados nas imagens de radar. Essas imagens de certa forma máscara a textura natural do terreno. Mesmo assim, foi observada uma melhoria no desempenho global do classificador.
%9 Padrões Gráficos (artigos)
%@language pt
%3 7 ANALISE DE TEXTURAS DE IMAGENS.pdf