Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
Autor(es): dc.contributor | School of Mathematics and Statistics | - |
Autor(es): dc.contributor | Biomedical and Computer Engineering | - |
Autor(es): dc.contributor | Centre of Studies in Resources Engineering (CSRE) | - |
Autor(es): dc.creator | Negri, Rogerio G. | - |
Autor(es): dc.creator | Frery, Alejandro C. | - |
Autor(es): dc.creator | Casaca, Wallace | - |
Autor(es): dc.creator | Gamba, Paolo | - |
Autor(es): dc.creator | Bhattacharya, Avik | - |
Data de aceite: dc.date.accessioned | 2025-08-21T23:37:35Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T23:37:35Z | - |
Data de envio: dc.date.issued | 2025-04-29 | - |
Data de envio: dc.date.issued | 2023-12-31 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.1109/TGRS.2024.3442156 | - |
Fonte completa do material: dc.identifier | https://hdl.handle.net/11449/299147 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/299147 | - |
Descrição: dc.description | Change detection is a fundamental task that involves assessing changes in a given region over multiple time periods. It has been widely applied across various fields, including monitoring deforestation, urban expansion, and natural disaster analysis. In this article, we address the critical and complex issue of automatically identifying types of changes in land cover using remotely sensed imagery. While conventional unsupervised change detection methods typically focus on comparing pairs of images and making a binary decision between 'change' and 'nonchange,' our approach tackles the challenge of analyzing long image series and identifying the kind of change. Under this condition, the unsupervised change detection process allows for a more informative identification of the land cover dynamics. Moreover, our approach transforms input data to a new representation, capturing the target's spectral response changes over time. Through the utilization of stochastic distances and an optimized thresholding scheme, areas exhibiting minimal spectral response variance are classified as unchanged, effectively distinguishing them from regions undergoing modifications. Next, by applying autocorrelation analysis, regions exhibiting temporal modifications are segregated into periodic (i.e., seasonal) and aperiodic (i.e., permanent) change cases. Experimental validation using both simulated and real-world remote sensing image series demonstrates the effectiveness of the proposed approach. | - |
Descrição: dc.description | São Paulo State University (UNESP) Science and Technology Institute (ICT) | - |
Descrição: dc.description | Victoria University of Wellington School of Mathematics and Statistics | - |
Descrição: dc.description | Institute of Biosciences Letters and Exact Sciences (IBILCE) São Paulo State University (UNESP) | - |
Descrição: dc.description | Università di Pavia Telecommunications and Remote Sensing Laboratory Department of Electrical Biomedical and Computer Engineering | - |
Descrição: dc.description | Indian Institute of Technology Bombay Centre of Studies in Resources Engineering (CSRE) | - |
Descrição: dc.description | São Paulo State University (UNESP) Science and Technology Institute (ICT) | - |
Descrição: dc.description | Institute of Biosciences Letters and Exact Sciences (IBILCE) São Paulo State University (UNESP) | - |
Idioma: dc.language | en | - |
Relação: dc.relation | IEEE Transactions on Geoscience and Remote Sensing | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | Actual data | - |
Palavras-chave: dc.subject | classification | - |
Palavras-chave: dc.subject | feature extraction | - |
Palavras-chave: dc.subject | simulated data | - |
Palavras-chave: dc.subject | statistical modeling | - |
Palavras-chave: dc.subject | time series | - |
Título: dc.title | Unsupervised Multitemporal Triclass Change Detection | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositório Institucional - Unesp |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: