Campos Aleatórios para Classificação de Imagens Multiespectrais - Levada, Alexandre
42,99 €
inkl. MwSt.
Versandkostenfrei*
Versandfertig in 1-2 Wochen
  • Broschiertes Buch

A classificação de imagens multiespectrais é uma tarefa desafiadora devido à presença de ruídos nos dados observados. Modelos de campos aleatórios Markovianos são ferramentas matemáticas que nos permitem incorporar conhecimento a priori na forma de restrições de suavidade. O problema é que a introdução de tais modelos faz com que não seja possível a obtenção de soluções analíticas. Dessa forma, torna-se necessário a aplicação de métodos iterativos de otimização combinatória. Como esses algoritmos são sub-ótimos, no sentido de que não garantem o ótimo global, neste trabalho é proposto uma…mehr

Andere Kunden interessierten sich auch für
Produktbeschreibung
A classificação de imagens multiespectrais é uma tarefa desafiadora devido à presença de ruídos nos dados observados. Modelos de campos aleatórios Markovianos são ferramentas matemáticas que nos permitem incorporar conhecimento a priori na forma de restrições de suavidade. O problema é que a introdução de tais modelos faz com que não seja possível a obtenção de soluções analíticas. Dessa forma, torna-se necessário a aplicação de métodos iterativos de otimização combinatória. Como esses algoritmos são sub-ótimos, no sentido de que não garantem o ótimo global, neste trabalho é proposto uma abordagem para a combinação de tais métodos, de modo a evitar ótimos locais. Além disso, a estimação dos parâmetros dos modelos Markovianos é fundamental para a obtenção de bons resultados. São propostas equações de máxima pseudo-verossimilhança para a estimação da temperatura inversa do modelo de Potts. Experimentos computacionais são desenvolvidos para demonstrar a viabilidade dos métodos propostos.
Hinweis: Dieser Artikel kann nur an eine deutsche Lieferadresse ausgeliefert werden.
Autorenporträt
Alexandre L. M. Levada é bacharel em Ciências da Computação pela UNESP, mestre em Ciências da Computação pela UFSCar e doutor em Física Computacional pela USP. Atualmente é professor adjunto do Departamento de Computação da UFSCar e atua nas áreas de reconhecimento de padrões, com ênfase no aprendizado de métricas, e processamento de imagens.