English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Tools annual

Global: Zendy Free Plan

Global: Zendy Tools monthly

Global: Zendy Plus monthly

Este artigo investiga uma abordagem para o problema da deteccao de mudancas em imagens multitemporais de sensoriamento remoto empregando Support Vector Machines (SVM) com o uso do kernel RBF (Radial Base Function) aliado a uma nova metrica de pertinencia denominada Delta b. A proposta metodologica esta baseada na diferenca das imagens-fracao produzidas para cada data. Em imagens de cenas naturais, a diferenca nas fracoes de solo e vegetacao tende a apresentar uma distribuicao simetrica em torno da media de seus pixels . Este fato pode ser usado para modelar duas distribuicoes normais multivariadas: mudanca e nao-mudanca. O algoritmo Expectation-Maximization (EM) e implementado para estimar os parâmetros (vetor de medias, matriz de covariância e probabilidade a priori ) associados a estas duas distribuicoes. Amostras aleatorias sao extraidas a partir destas duas distribuicoes e usadas ​​para treinar um classificador SVM baseado no kernel RBF. A metodologia proposta e testada usando conjuntos de dados multitemporais de imagens multiespectrais Landsat-TM que cobrem a mesma cena, localizada no estado de Roraima, em duas datas diferentes. Amostras de teste sao obtidas pelo uso da tecnica Change Vector Analysis (CVA) e usadas para validar o metodo de estimacao de pertinencia. Espera-se que esta metodologia possa ser aplicada ao monitoramento agricola e de desmatamentos florestais, entre outros estudos de carater ambiental.

DETECÇÃO DE MUDANÇAS EM IMAGENS MULTITEMPORAIS DE SENSORIAMENTO REMOTO EMPREGANDO SVM COM KERNEL RBF E NOVA MÉTRICA DE PERTINÊNCIA