| Revista: | Boletim de ciencias geodesicas |
| Base de datos: | PERIÓDICA |
| Número de sistema: | 000316217 |
| ISSN: | 1413-4853 |
| Autores: | Moraes, Denis Altieri de Oliveira1 Haertel, Vitor |
| Instituciones: | 1Universidade Federal do Rio Grande do Sul, Centro Estadual de Pesquisas em Sensoriamento Remoto e Meteorologia, Porto Alegre, Rio Grande do Sul. Brasil |
| Año: | 2006 |
| Periodo: | Jul-Dic |
| Volumen: | 12 |
| Número: | 2 |
| Paginación: | 261-274 |
| País: | Brasil |
| Idioma: | Portugués |
| Tipo de documento: | Artículo |
| Enfoque: | Aplicado, descriptivo |
| Resumen en inglés | In this paper we investigate a method for the classification of high-dimensional image data using a multi-stage classifier structured as a binary tree, and employing a reduced number of features at each node, in order to mitigate the Hughes phenomenon. The selected method for feature reduction is based on the optimization of Bhattacharyya distance at each individual node of the tree. As the Bhattacharyya distance is defined for a pair of classes, the binary tree approach allows the extraction of an optimal sub- set of features at each individual node. Experiments were performed using an AVI RIS image data set, varying the number of training samples and also the number of selected features at each node. The results have shown an improvement in th e accuracy of the thematic image, as compared to more traditional methods for feature selection and extraction |
| Resumen en portugués | Neste estudo é investigado um método para fins de classificação de dados imagem em alta dimensionalidade, por meio de um classificador em estágio múltiplo. Esse classificador, estruturado na forma de árvore binária, emprega um número reduzidode feições em cada nó visando reduzir os efeitos do fenômeno de Hughes. O método para redução de feições consiste na otimização da distância de Bhattacharyya em cada nó individual da árvore. O classificador hierárquico estruturado em árvore binária oferece as condições adequadas para implementação deste método, pois a distância de Bhattacharyya está definida para um par declasses, permitindo desta forma a extração de um subconjunto ótimo de feições em cada nó individual. Foram desenvolvidos experimentos empregando dados da imagem AVIRIS, envolvendo diferentes números de amostras de treinamento e de feições extraídas. Os resultados mostraram que sob certas condições a metodologia investigada apresenta resultados mais acurados do que aquelas mais comumente utilizadas para fins de redução na dimensionalidade dos dados |
| Disciplinas: | Geociencias |
| Palabras clave: | Cartografía, Reconocimiento de patrones, Imágenes hiperespectrales, Arboles de decisión, Distancia de Bhattacharyya |
| Keyword: | Earth sciences, Pattern recognition, Hyperspectral images, Decision trees, Bhattacharyya distance, Cartography |
| Texto completo: | Texto completo (Ver HTML) |
