Análise de Componentes Principais - (PCA)

ALOS_PCA

Análise de Componentes Principais (PCA) é utilizada para reduzir a dimensionalidade do conjunto de dados de uma imagem, ou seja, reduzir a redundância de informações espectrais das bandas do satélite.
A matriz do componente puro é transformada em espaço, por meio da utilização do número apropriado de autovetores, os dados do pixel são transformados em espaço PCA, as soluções são encontradas, e as frações resultantes são armazenadas.
A relação linear é usada para representar a mistura espectral dos componentes, dentro do elemento de resolução do sensor orbital. Assim, a resposta de cada pixel em qualquer banda espectral pode ser definida como uma combinação linear das respostas de cada componente, assumido estar no alvo sensoriado. Desse modo, cada pixel da imagem, que pode assumir qualquer valor dentro da escala de cinza, contém informações sobre a proporção e a resposta espectral de cada componente dentro de cada elemento de resolução.
Neste sentido para qualquer imagem de satélite multispectral, se as respostas espectrais dos componentes são conhecidas, então as proporções ou respostas espectrais dos componentes podem ser estimadas.
As imagens fração podem ser consideradas como uma forma de realçamento dessas informações.
Benefícios:
• Realce dos dados provenientes de sensores orbitais para Mapeamentos de Espécies Vegetais.
• Eliminação ou redução de informações desnecessárias para o mapeamento como  albedo e as sombras causadas pela topografia, o que pode aprimorar a  classificação temática em áreas montanhosas.
• Excelente solução na geração de produtos e análises para Agricultura
• Excelente solução na geração de produtos e análises para indústria de Exploração Mineral

Análise de Componentes Principais (PCA) é utilizada para reduzir a dimensionalidade do conjunto de dados de uma imagem, ou seja, reduzir a redundância de informações espectrais das bandas do satélite.

A matriz do componente puro é transformada em espaço, por meio da utilização do número apropriado de autovetores, os dados do pixel são transformados em espaço PCA, as soluções são encontradas, e as frações resultantes são armazenadas. 

A relação linear é usada para representar a mistura espectral dos componentes, dentro do elemento de resolução do sensor orbital. Assim, a resposta de cada pixel em qualquer banda espectral pode ser definida como uma combinação linear das respostas de cada componente, assumido estar no alvo sensoriado. Desse modo, cada pixel da imagem, que pode assumir qualquer valor dentro da escala de cinza, contém informações sobre a proporção e a resposta espectral de cada componente dentro de cada elemento de resolução. 

Neste sentido para qualquer imagem de satélite multispectral, se as respostas espectrais dos componentes são conhecidas, então as proporções ou respostas espectrais dos componentes podem ser estimadas.

As imagens fração podem ser consideradas como uma forma de realçamento dessas informações.

Benefícios:

• Realce dos dados provenientes de sensores orbitais para Mapeamentos de Espécies Vegetais.
• Eliminação ou redução de informações desnecessárias para o mapeamento como  albedo e as sombras causadas pela topografia, o que pode aprimorar a  classificação temática em áreas montanhosas.
• Excelente solução na geração de produtos e análises para Agricultura
• Excelente solução na geração de produtos e análises para indústria de Exploração Mineral
 


 
Solicite um Orçamento
Nome (*)
Email (*)
Telefone
Endereço (*)
Estado (*)
Cidade (*)
Alguma Duvida?
Se tiver Alguma duvida, ou deseja informar algo mais. Escreva aqui.

Please update your Flash Player to view content.