Lorenzo Bruzzone IEEE Geoscience and remote sensing 38,1pp429

Presentación del tema: "Lorenzo Bruzzone IEEE Geoscience and remote sensing 38,1pp429"— Transcripción de la presentación:

1 Lorenzo Bruzzone IEEE Geoscience and remote sensing 38,1pp429
An approach to feature selection and classification of remote sensing images based on the Bayes rule for minimum cost Lorenzo Bruzzone IEEE Geoscience and remote sensing 38,1pp429

2 Resumen Aplicación: land-cover maps: mapas de utilización del suelo
Propone la construcción de clasificadores basados en la regla bayesiana de mínimo costo Minimización del costo: no todos los errores cuestan lo mismo: detección de riesgo de incendio

3 Reglas Bayesianas DE mínimo error De mínimo costo

4 Error vs costo BRME minimiza el error BRMC minimiza el costo

5 Selección de características
Imagen+información adicional Reducción de características Función de criterio de selección de características: separabilidad de las clases

6 Selección de características
No consideran el costo de las clases: Apropiadas para la minimización del error Reformulación teniendo en cuenta el costo

7 Sistema basado en BRMC Estimación de las probabilidades a posteriori (MLP) Cálculo de los costos de las clases Decisión

8

9

10 Experimentos Land-cover map para riesgo de incendios
Parte oeste de la isla de Elba. Canales 7,5,4 del Tematic Mapper. Existe ground truth: pixels Pixel level

11

12

13 Preproceso Calcula la matriz de coocurrencia de niveles de gris sobre una de las bandas (banda 5) Dist interpixel 1 Ventana 9x9 Angulo 0º 64 niveles de gris Añade un modelo del terreno Total 21 caract. Normalizadas en [0,1]

14 Matriz de costo 8 niveles de riesgo creciente
Costo de la equivocación proporcional a la diferencia de riesgos penalizando las equivocaciones de incremento de riesgo

15

16

17 Resultados Comparación de los métodos de selección de características:
Error de clasificación y costo producidos por ambos métodos de selección Distancia de Jeffreys-Matusita, distribuciones gausianas El clasificador no es el mismo en ambos casos (?) Branch and bound para buscar el subconjunto que da el máximo de las funciones criterio de selección de características

18 Escoge 9 características
en los dos casos porque es donde se satura la curva

19 Caracteristicas Para el costo son: MLP 9:24:16
Canales 1,3,4 del TM 5 caract. De textura: correlación, varianza de la diferencia, medida de información de la correlación y de la suma, varianza) Elevación del terreno MLP 9:24:16 Costo 6335, error de clasificación 18.8%

20 Características Para el error
Canales 1,3,4,7 del TM Cuatro caract. de textura: medida de la información de la correlación, varianza de las diferencias, suma promedio y varianza Elevación del terreno MLP idéntico: costo 8539, error de clasificación 15%

21

22

23

24

25