Use este identificador para citar ou linkar para este item: http://bdex.eb.mil.br/jspui/handle/123456789/9107
Registro completo de metadados
Campo DCValorIdioma
dc.contributor.advisorSilva, Wagner Barreto da-
dc.contributor.authorSantiago, Luiz Felipe Parente-
dc.date.accessioned2021-05-18T18:32:30Z-
dc.date.available2021-05-18T18:32:30Z-
dc.date.issued2017-
dc.identifier.urihttp://bdex.eb.mil.br/jspui/handle/123456789/9107-
dc.descriptionDissertação (Mestrado em Engenharia Cartográfica) - Instituto Militar de Engenhariapt_BR
dc.description.abstractO objetivo deste trabalho é avaliar o desempenho dos métodos de classificação digital de imagens por regiões, Máquina de Vetores Suporte (SVM) e Distância Estocástica Mínima (SMD), e compará-los aos métodos de classificação digital de imagens por pixel, SVM e Máxima Verossimilhança (MaxVer), aplicados a imagens de alta resolução do satélite sensor RapidEye. A avaliação será segundo os critérios de matriz de confusão (matriz de erro) e Coeficiente de Concordância Kappa (Κ^ ). Este estudo se justifica pois a classificação por pixel em imagens de alta resolução, em áreas urbanas, pode apresentar resultados não satisfatórios, devido a alta heterogeneidade e complexidade destas áreas, e métodos de classificação por regiões são alternativas que demonstram algumas vantagens nestes casos. As imagens utilizadas são do satélite sensor RapidEye, do estado de Rondônia e apresentam resolução espacial de cinco metros. São utilizados também, para fins de aquisição de amostras, alguns resultados, da aquisição manual sobre as imagens, cedidos pela 5ª Divisão de Levantamento (5ª DL). Para realizar as classificações por regiões é necessário que a imagem seja segmentada, pois esta é utilizada para classificar a imagem original. Para realizar os testes foram feitas 6 segmentações para cada área de estudo. Analisando os dados da aquisição manual da 5ª DL, observa-se que a classe “campo” é muito genérica, visualmente é possível identificar distinção entre possíveis diferentes classes dentro da chamada classe "campo". Por isso, foi feito um estudo de separabilidade dessas classes considerando 3 tipos diferentes de campo. Com os 3 campos identificados nas regiões de interesse (ROI), foram calculadas as distâncias Bhattacharyya de forma a ir agrupando os campos conforme estejam mais próximos. Isso ocorre agrupando dois campos por vez até que sobre apenas um campo. A imagem é classificada com todos os campos identificados primeiramente e depois reclassificada a medida que os campos são agrupados. Cada imagem estudada foi classificada nos métodos por regiões citados e também pelos métodos SVM por pixel e MaxVer por pixel para fins de comparação entre os métodos de classificação por regiões e por pixel. Os testes mostraram que as classificações por regiões foram em média 13% superiores à classificação SVM por pixel e 34% superiores à classificação MaxVer por pixel na Área 1, 3% e 11 % na Área 2 e 10% e 11% na Área 3, indicando que para as imagens analisadas os classificadores por regiões foram mais bem-sucedidos, tanto visual quanto quantitativamente, que os classificadores por pixel.pt_BR
dc.language.isopt_BRpt_BR
dc.subjectRapidEyept_BR
dc.subjectClassificação digitalpt_BR
dc.subjectImagens de alta resoluçãopt_BR
dc.titleAvaliação de métodos de classificação por regiões em imagens de alta resolução do sensor rapideyept_BR
dc.typeDissertaçãopt_BR
dc.rights.licenseEste exemplar é de propriedade do Instituto Militar de Engenharia, que poderá incluí-lo em base de dados, armazenar em computador, micro filmar ou adotar qualquer forma de arquivamento. É permitida a menção, reprodução parcial ou integral e a transmissão entre bibliotecas deste trabalho, sem modificação de seu texto, em qualquer meio que esteja ou venha a ser fixado, para pesquisa acadêmica, comentários e citações, desde que sem finalidade comercial e que seja feita a referência bibliográfica completa. Os conceitos expressos neste trabalho são de responsabilidade do autor e dos orientadores.pt_BR
Aparece nas coleções:DCT: IME: PUBLICAÇÕES ACADÊMICAS

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
Dissertação - Luiz Parente 2017.pdf43,88 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.