ESTATÍSTICA EXPERIMENTAL APLICADA NA AVALIAÇÃO DA EFICIÊNCIA DE MÉTODOS BASEADOS EM CLASSIFICAÇÃO SUPERVISIONADA DE IMAGENS
Conteúdo do artigo principal
Resumo
A finalidade deste trabalho é avaliar por intermédio do índice Kappa, os métodos de classificação de imagens: Ãrvore de Decisões, Lógica Fuzzy, Distância de Mahalanobis, Maxver, as Redes Neurais Artificiais (RNA), os modelos de segmentação Bhattacharya e Orientado a Objeto. A metodologia empregada foi baseada na revisão de literatura, coleta de dados do índice Kappa e o teste de hipóteses a partir do Delineamento em Blocos ao Acaso com repetições. Os métodos que apresentaram maior eficiência no índice Kappa foram: a Lógica Fuzzy (média 0,845), a Ãrvore de Decisões (média 0,839) e as Redes Neurais Artificiais (média 0,819). Em segundo plano, os que tiveram desempenho satisfatório foram: o Maxver (média 0,782), o modelo de segmentação Orientado a Objeto (média 0,777) e o Bhattacharya (com média 0,777). A classificação baseada na Distância de Mahalanobis (média 0,739) foi aquela com eficiência mais baixa entre os procedimentos testados. Na escolha do modelo de classificação adequado deve ser levada em consideração a destreza dos operadores com o método a ser adotado, o volume de dados, a capacidade do computador, a agilidade do aplicativo computacional, a escala demandada conforme com o modelo de classificação e a resolução espacial da imagem. Em todos os modelos faz-se necessário o pós-processamento com objetivo de diminuir confusões.
Downloads
Não há dados estatísticos.
Métricas
Carregando Métricas ...
Detalhes do artigo
Como Citar
FONSECA, D. de S. R.; CLEMENTE, C. M. S.; REIS, D. de C.; CARDOSO, T. de R.; DE MELO, W. J.; FRANÇA, M. A. ESTATÍSTICA EXPERIMENTAL APLICADA NA AVALIAÇÃO DA EFICIÊNCIA DE MÉTODOS BASEADOS EM CLASSIFICAÇÃO SUPERVISIONADA DE IMAGENS. Revista Brasileira de Cartografia, [S. l.], v. 66, n. 3, 2014. DOI: 10.14393/rbcv66n3-44760. Disponível em: https://seer.ufu.br/index.php/revistabrasileiracartografia/article/view/44760. Acesso em: 6 out. 2024.
Seção
Artigos
Esta obra está licenciado com uma Licença Creative Commons Attribution 3.0 Unported License.
Autores que publicam nesta revista concordam com os seguintes termos:
- Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Atribuição que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
- Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
- Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado (veja "O Efeito do Acesso Aberto").