Skip navigation
Use este identificador para citar ou linkar para este item: http://repositorio.unb.br/handle/10482/11076
Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
ARTIGO_MisturaEspectralClassificadores.pdf111,41 kBAdobe PDFVisualizar/Abrir
Registro completo de metadados
Campo DCValorIdioma
dc.contributor.authorCarvalho Júnior, Osmar Abílio de-
dc.contributor.authorCarvalho, Ana Paula Ferreira de-
dc.contributor.authorGuimarães, Renato Fontes-
dc.contributor.authorMeneses, Paulo Roberto-
dc.contributor.authorShimabukuro, Yosio Edemir-
dc.date.accessioned2012-08-23T14:46:38Z-
dc.date.available2012-08-23T14:46:38Z-
dc.date.issued2003-
dc.identifier.citationCARVALHO JÚNIOR, Osmar Abílio de et al. Mistura espectral: (II) classificadores espectrais para identificação. Espaço & Geografia, v. 6, n. 1, p. 175-197, 2003. Disponível em:<http://www.lsie.unb.br/espacoegeografia/index.php/espacoegeografia/article/view/113/111>. Acesso em: 11 jun. 2012.en
dc.identifier.urihttp://repositorio.unb.br/handle/10482/11076-
dc.description.abstractO presente trabalho possui como objetivo apresentar uma revisão sobre os métodos desenvolvidos para classificação espectral. Os classificadores espectrais que visam à identificação realizam uma comparação do espectro da imagem (EI) com um espectro de referência (ER), proveniente de bibliotecas espectrais ou de membros finais das imagens. As principais diferenças entre os métodos são basicamente duas: (a) opção do emprego da remoção do contínuo e (b) o critério de similaridade a partir do ajuste linear. A remoção do contínuo tem como propósito enfatizar as feições de absorção a partir da retirada do background utilizando uma função matemática, geralmente, ospline cúbico. Os critérios de similaridade são oriundos da regressão linear e do ajuste por mínimos quadrados sendo assim utilizadas formulações do coeficiente de correlação e do erro padrão. Serão descritos os algoritmos dos principais métodos existentes: Spectral Angle Mapper (SAM), Spectral Feature Fitting (SFF), Spectral CorrelationMapper (SCM) e o coeficiente de determinação utilizado pelo Tricorder e Tetracorder. _________________________________________________________________________________ ABSTRACTen
dc.description.abstractThis present work has as objective to present a review about the methods developed for spectral classification. The spectral classifiers that focus in the identification perform a comparison of spectrum (EI) of the image with a referencespectrum (ER), obtained from the spectral library or the image endmembers. The maindifferences between these methods are basically two: (a) the option to employ continuum removal, and (b) the similarity criterion based on linear fitting. Continuum removal hasas purpose to emphasize the absorption features from the background removal utilizing a mathematical function, generally, the cubic spline. The similarity criteria are originatedfrom linear regression and by minimum squares fitting so utilizing formulations of thecorrelation coefficient and the standard error. It will be described the algorithms of the main existing methods: Spectral Angle Mapper (SAM), Spectral Feature Fitting (SFF), Spectral Correlation Mapper (SCM), and coefficient of determination utilized by Tricorderand Tetracorder.en
dc.language.isoPortuguêsen
dc.publisherPrograma de Pós-Graduação em Geografia do Departamento de Geografiaen
dc.rightsAcesso Abertoen
dc.titleMistura espectral : (II) classificadores espectrais para identificaçãoen
dc.typeArtigoen
dc.subject.keywordAnálise espectralen
dc.subject.keywordSensoriamento remotoen
dc.rights.licenseEspaço & Geografia está licenciado sob uma licença Creative Commons (Atribuição-Uso não-comercial-Vedada a criação de obras derivadas 3.0 Unported). Fonte: http://www.lsie.unb.br/espacoegeografia/index.php/espacoegeografia/article/view/113/111. Acesso em: 11 jun. 2012.en
Aparece nas coleções:GEA - Artigos publicados em periódicos

Mostrar registro simples do item Recomendar este item Visualizar estatísticas



Este item está licenciada sob uma Licença Creative Commons Creative Commons