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?

*