UNIVERSIDADE DE BRASÍLIA / INSTITUTO DE GEOCIÊNCIAS

TESE DE DOUTORADO N^o 061

NILTON CORREA DA SILVA

DATA DA DEFESA: 20/06/2003
ÁREA DE CONCENTRAÇÃO: PROCESSAMENTO DE DADOS EM GEOLOGIA E ANÁLISE AMBIENTAL
ORIENTADOR: Prof.  ANTONIO NUNO DE CASTRO SANTA ROSA (UnB)
EXAMINADORES: Prof. AUGUSTO CÉSAR BITTENCOURT PIRES (UnB); Prof. PAULO ROBERTO MENESES (UNB); PROFA. LEILA MARIA GARCIA FONSECA (USP);Prof. PAULO MARTINS ENGEL (UFRGS)

Palavras-chave:  .

RESUMO

Este trabalho apresenta um método de classificação de imagens de sensoriamento remoto com um alto nível de independência de fatores externos ao método e aos dados. O objetivo principal deste método é gerar o conjunto de classes segundo as características espectrais de dados multidimensionais utilizando-se classificadores neurais não supervisionados. Os parâmetros livres dos classificadores neurais são submetidos a um ambiente de operadores genéticos, que têm como objetivo, a instanciação de valores que gerem conjuntos de classes otimizados, segundo as características espectrais dos alvos encontrados na imagem a ser classificada.
A população genética é composta por parâmetros de treinamentos de um dos seguintes tipos de Redes Neurais Artificiais: Mapas Auto-Organizáveis, ART2 – Modelo não-supervisionado baseado na Teoria da Ressonância Adaptativa ou Fuzzy-ART – Modelo não-supervisionado baseado na Teoria da Ressonância Adaptativa e Lógica Nebulosa. No caso dos Mapas Auto-Organizáveis, os parâmetros otimizados são a Taxa Inicial de Aprendizado, Decaimento da Taxa de Aprendizado, Decaimento da vizinhança, Geometria do Mapa (quantidade de linhas e de colunas) e a Seqüência de Treinamento (ordem de apresentação dos dados). Os parâmetros otimizados das redes ART2 e Fuzzy-ART são o Parâmetro de Vigilância e a Seqüência de Treinamento.
A população tem seus indivíduos avaliados por diferentes Funções Objeto (seleção da população interina) e Funções de Avaliação (escolha dos indivíduos para a nova geração) de acordo com o tipo de Redes Neurais que estão sendo otimizadas.
Todos os algoritmos pertinentes ao método e à manipulação de arquivos gráficos (imagens multidimensionais) estão incorporados no software SGRNA (Síntese Genética de Redes Neurais Artificiais), com o qual, foram realizados todos os trabalhos de classificações de imagens de Sensoriamento Remoto apresentados (JERS-I, RADARSAT, LANDSAT-TM5 e RADAR banda P).

     
UNIVERSITY OF BRASILIA / INSTITUTE OF GEOSCIENCES

PhD THESIS N^o 061

DATE OF ORAL PRESENTATION:  20/06/2003
TOPIC OF THE THESIS: GEOLOGICAL DATA PROCESSING AND ENVIRONMENTAL ANALYSIS
ADVISOR:  Prof.  ANTONIO NUNO DE CASTRO SANTA ROSA (UnB)
COMMITTEE MEMBERS: Prof. AUGUSTO CÉSAR BITTENCOURT PIRES (UnB); Prof. PAULO ROBERTO MENESES (UNB); PROFA. LEILA MARIA GARCIA FONSECA (USP);Prof. PAULO MARTINS ENGEL (UFRGS)

KeyWords: .

ABSTRACT

This work presents a clustering method of Remote Sensing Images with a high degree of independence of extern factors related to method and data. The main objective of this method is to obtain clusters sets according to the spectral characteristics of multi-dimensional data by using non supervised neural classifiers.
The free parameters of neural classifiers are submitted to an environment of genetic operators, which has as goal, the instantiation of values able to yield optimized clusters sets according to spectral characteristics found in the image to be clustered.
The genetic population individuals are formed by training parameters of one of the following Artificial Neural Network paradigms: Self-Organizing Maps, ART2 – non supervised models based on the Adaptive Ressonance Theory or Fuzzy-ART – non supervised models based on Adaptive Ressonance Theory and Fuzzy Logic. Considering the Self-Organizing Maps, the optimized parameters are the Initial Learning Rate, Decreasing of the Neighborhood Function, Decreasing of the Learning Rate, Geometry of the Map (quantity of lines and columns) and the Training Sequence (order of data presentation).
The optimized parameters of the ART2 and Fuzzy-ART models are the Vigilance Parameter and Training Sequence. The population has their individuals valued by different Object Functions (selection of interim population) and Evaluation Functions (choice of individuals to a new generation) according to the type of Neural Network, which are being optimized.
All the algorithms concerned to the method and to the manipulation of graphic files (multi-dimensional images) are in the software GSANN (Genetic Synthesis of Artificial Neural Networks). This software was used to obtain all the clustering works of Remote Sensing images noticed (JERS-I, RADARSAT, LANDSAT-TM5 and RADAR, P band).