Skip navigation
Use este identificador para citar ou linkar para este item: http://repositorio.unb.br/handle/10482/13435
Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
2013_DenilsonPereiraPasso.pdf9,07 MBAdobe PDFVisualizar/Abrir
Título: Análise da qualidade de classificadores para identificação de alvos urbanos em imagens de alta resolução espacial : uma aplicação com as imagens do satélite Worldview II
Autor(es): Passo, Denilson Pereira
Orientador(es): Bias, Edilson de Souza
Assunto: Satélites
Sensoriamento remoto
Data de publicação: 28-Jun-2013
Referência: PASSO, Denilson Pereira. Análise da qualidade de classificadores para identificação de alvos urbanos em imagens de alta resolução espacial: uma aplicação com as imagens do satélite Worldview II. 2013. xvi, 106 f., il. Dissertação (Mestrado em Geociências)—Universidade de Brasília, Brasília, 2013.
Resumo: O desenvolvimento tecnológico em sensoriamento remoto vem proporcionando um grande incremento na qualidade das imagens orbitais, permitindo uma melhor visão dos ambientes intra-urbanos. Um exemplo notável é o satélite WorldView II. Lançado em 2009, suas imagens começaram a ser distribuídas comercialmente em 2010. O satélite possui uma resolução de 50cm na banda pancromática e 2m nas outras 8 bandas espectrais. Apesar deste extraordinário avanço em termos de resolução espacial e espectral, os sistemas tradicionais de processamento de imagens disponibilizam métodos de classificação que sofrem muita influência da mistura espectral devido à multiplicidade de feições observadas nas imagens de alta resolução. Grande parte dessas dificuldades está relacionada às limitações dos classificadores que somente levam em consideração a informação espectral, pois estes não conseguem tratar de forma satisfatória a variabilidade dos diferentes alvos urbanos. Na busca por uma solução, surgiram recentemente pacotes de software que possibilitam a classificação de imagens com base em objetos e que facilitam a representação e processamento de conhecimento humano sobre as características específicas dos alvos de interesse. No entanto, a maioria dos pacotes de software com estas características são proprietários e de difícil acesso devido ao alto custo de suas licenças. Uma alternativa surgiu com a iniciativa de desenvolvimento open source do software InterIMAGE. No presente trabalho, o objetivo foi avaliar as potencialidades e acurácia das classificações geradas pelas metodologias por pixel Maximum Likelihood (Maxver) e Spectral Angle Mapper (SAM), por região (Bhattacharyya) e baseada em objetos, quantificando as variações entre os resultados de cada classificador por meio de coeficientes de concordância total e por classe, destacando a capacidade identificação de alvos urbanos sobre imagens provenientes do satélite WorldView II, sobre três áreas teste localizadas na cidades satélites de Brasília, Sobradinho I e II. A classificação baseada em objetos foi a mais eficiente para mapear a cobertura de áreas urbanas, apresentando valores de exatidão global e índices Kappa e Tau superiores a 86%, apresentando superioridade aos métodos tradicionais. _______________________________________________________________________________________ ABSTRACT
Recent technological developments in remote sensing have made possible a large increase in the quality of the satellite images, supporting a clearer view of intra-urban environments. A notable example is the satellite WorldView II. Launched in 2009, its images became commercially available in 2010. This orbital Earth observation system delivers a 50cm resolution for the panchromatic band and 2m in its 8 spectral bands. Despite this extraordinary advance in terms of spatial and spectral resolutions, traditional image processing systems offer classification methods that suffer great influence of the multiplicity of features observed in high resolution images. An important source of these difficulties has to do with the limitations of pixel-based classifiers that only take in consideration the spectral information, since they cannot tackle satisfactorily the spectral variability of different urban targets. In search of a solution, a new class of software packages has emerge, which enable object-based image classification and facilitate the representation and processing of human knowledge associated to specific characteristics of the targets. However, most of those software packages with such characteristics are proprietary and of difficult access due to the high cost of their licenses. In this study, the objective was to evaluate the potentials and the accuracy of classifications generated by the pixel Maximum Likelihood (Maxver) and Spectral Angle Mapper (SAM) methodologies by region (Bhattacharyya) and object-based, quantifying the variations among the results of each classifier by means of overall and by class accuracy, highlighting the capacity of identifying the urban targets on images from the WorldView II satellite, using three area-tests located in the cities of Brasília, Sobradinho I and II. The classification based on objects was the most efficient to map urban area coverage, with overall accuracy values and Kappa and Tau indices above 87%, superior to the ones found in traditional methods.
Informações adicionais: Dissertação (mestrado)—Universidade de Brasília, Instituto de Geociências, 2013.
Licença: A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.
Aparece nas coleções:Teses, dissertações e produtos pós-doutorado

Mostrar registro completo do item Visualizar estatísticas



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