Skip navigation
Please use this identifier to cite or link to this item: https://repositorio.ufpe.br/handle/123456789/7128
Title: Modeling synthetic aperture radar image data
Authors: Matthew Pianto, Donald
Keywords: Speckle;G 0 A distribution;Synthetic aperture radar (SAR);Coherent imaging;Maximum likelihood;Bootstrap;Resampling;Monotone likelihood
Issue Date: 31-Jan-2008
Publisher: Universidade Federal de Pernambuco
Citation: Matthew Pianto, Donald; Cribari Neto, Francisco. Modeling synthetic aperture radar image data. 2008. Tese (Doutorado). Programa de Pós-Graduação em Matemática Computacional, Universidade Federal de Pernambuco, Recife, 2008.
Abstract: Nessa tese estudamos a estimação por máxima verossimilhança (MV) do parâmetro de aspereza da distribuição G 0 A de imagens com speckle (Frery et al., 1997). Descobrimos que, satisfeita uma certa condição dos momentos amostrais, a função de verossimilhança é monótona e as estimativas MV são infinitas, implicando uma região plana. Implementamos quatro estimadores de correção de viés em uma tentativa de obter estimativas MV finitas. Três dos estimadores são obtidos da literatura sobre verossimilhança monótona (Firth, 1993; Jeffreys, 1946) e um, baseado em reamostragem, é proposto pelo autor. Fazemos experimentos numéricos de Monte Carlo para comparar os quatro estimadores e encontramos que não existe um favorito claro, a menos quando um parâmetro (dado a priori da estimação) toma um valor específico. Também aplicamos os estimadores a dados reais de radar de abertura sintética. O resultado desta análise mostra que os estimadores precisam ser comparados com base em suas habilidades de classificar regiões corretamente como ásperas, planas, ou intermediárias e não pelos seus vieses e erros quadráticos médios
URI: https://repositorio.ufpe.br/handle/123456789/7128
Appears in Collections:Teses de Doutorado - Matemática Computacional

Files in This Item:
File Description SizeFormat 
arquivo4274_1.pdf4.91 MBAdobe PDFView/Open


This item is protected by original copyright



Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.