To cite this paper use one of the standards below:
O sensoriamento remoto por meio da classificação de imagens permite construir mapas de cobertura da terra que podem ser utilizados por diversas aplicações. Apesar da importância desses mapas não há abordagem única de classificação definida como ideal, visto que diversos fatores podem exercer influência na qualidade dos resultados. Diante disso, este trabalho foi concebido com o propósito de analisar a qualidade de duas abordagens de classificação de imagens hiperespectrais, uma baseada no mapeamento pelo ângulo espectral (SAM) e outra combinando o SAM com as máquinas de vetores de suporte (SVM). Essas estratégias de classificação foram utilizadas para construir mapas de cobertura da terra para imagens hiperespectrais pertencentes ao conjunto de dados HyRANK. O mapa produzido por meio do SAM atingiu um valor de exatidão global de 48%, enquanto que o mapa gerado por meio da abordagem combinada SAM/SVM apresentou exatidão global de 88%, o que evidencia a superioridade do método combinado.
With nearly 200,000 papers published, Galoá empowers scholars to share and discover cutting-edge research through our streamlined and accessible academic publishing platform.
Learn more about our products:
This proceedings is identified by a DOI , for use in citations or bibliographic references. Attention: this is not a DOI for the paper and as such cannot be used in Lattes to identify a particular work.
Check the link "How to cite" in the paper's page, to see how to properly cite the paper