UMA ABORDAGEM HBRIDA PARA CLASSIFICAO DE IMAGENS DE SENSORIAMENTO REMOTO
Aluno: Sandro Luiz Jailson Lopes TincoOrientador: David Menotti Gomes
Organizao do TrabalhoObjetivoImagens HiperespectraisAbordagem PropostaKNNKmeansExperimentos e ResultadosConcluso
Introduo
Objetivo:Diminuir o conjunto de treinamento do KNN e reduzir o tempo de execuo do algoritmo, mantendo ou melhorando a preciso.
Imagens Hiperespectrais
Abordagem PropostaPasso 1:Separar os pixels rotulados em conjuntos.Cada conjunto representando uma classe.
Abordagem Proposta
Abordagem PropostaPasso 2:Fazer a classificao no supervisionada de cada conjunto com um algoritmo de clusterizao, como o Kmeans.
Abordagem Proposta
Abordagem PropostaPasso 3Criar novos conjuntos de treinamento formados pelos centros encontrados
Abordagem Proposta
Abordagem PropostaPasso 4Fazer a classificao com um algoritmo de classificao supervisionada, como o KNN, utilizando os novos conjuntos de treinamento.
Abordagem Proposta
Balanceamento das ClassesK = quantidade de clustersC = quantidade de classesQ = quantidade de elementos de cada classeM = mediana{Q1, Q2, ..., Qn}, com n = 1,2, ..., C, R = M/KNKn = Qn/R NK = quantidade de clusters para cada classe
Validao Cruzada
ExperimentosCdigo MatlabImagens dos sensores Aviris e Rosis
Aviris Rosis
Mapa temtico: Aviris, 3-NN
Mapa temtico: Aviris, 1-NN e 60 centros
Mapa temtico: Rosis, 3-NN
Mapa temtico: Rosis, 1-NN e 60 centros
Resultados: Preciso Geral
Resultados: Tempo de Execuo
AnliseA preciso da abordagem proposta est abaixo da preciso do KNN, em torno de 2% para imagens AVIRIS e 4% para imagens ROSIS.O tempo de execuo da abordagem proposta chega a ser 10 vezes menor para imagens ROSIS e 2 vezes menor para imagens AVIRIS
Resultados: Preciso Mdia por Classe - Aviris
Resultados: Preciso Mdia por Classe - Rosis
Concluso e Trabalhos FuturosA abordagem se mostrou promissora, uma vez que diminui o tempo de execuo do KNN.Pesquisar algoritmos de reduo de dimensionalidade.
Obrigado!
Perguntas?
*