CLASSIFICADOR ADAPTATIVO PARA O RECONHECIMENTO DE ALVOS EM IMAGENS CCD/CBERS

Abstract

Este trabalho apresenta um classificador neural integrado que visa aumentar a acurácia no reconhecimento de diferentes feições em imagens do sensor CCD/CBERS. Entre essas feições encontram-se capões nativos e áreas de reflorestamento de Araucaria angustifolia localizados dentro e aos arredores da Floresta Nacional de São Francisco de Paula. Essa FLONA é considerada a unidade de conservação mais antiga do estado do Rio Grande do Sul, Brasil. O classificador neural proposto é dito integrado pelo fato de ser constituído por três modelos de redes neurais agrupados através de duas abordagens distintas de integração: abordagem 2/3 e abordagem pelo critério da credibilidade. Os classificadores neurais utilizados foram: Perceptron de Múltiplas Camadas com Retropropagação de Erros, Quantização Vetorial por Aprendizagem e Rede de Função de Base Radial. Os experimentos desenvolvidos mostram que o modelo neural integrado, pelo critério de credibilidade, contribui para aumentar a acurácia na identificação de feições, mostrando-se promissor para outras aplicações, tais como o monitoramento em tempo real de alvos da superfície terrestre.