| |
| |
Tipo de Mídia:
Texto
|
|
Formato:
.pdf
|
Tamanho:
3,31
MB
|
|
|
| |
|
|
| |
|
|
| |
|
|
| |
Título: |
|
Uso de informações contextuais no processo de classificação de imagens do sensoriamento remoto |
Autor: |
|
Leonardo Campos de Assis
 |
Categoria: |
|
Teses e Dissertações |
Idioma: |
|
Português |
Instituição:/Parceiro |
|
[cp] Programas de Pós-graduação da CAPES
|
Instituição:/Programa |
|
UFV/ENGENHARIA CIVIL |
Área Conhecimento |
|
ENGENHARIA CIVIL |
Nível |
|
Mestrado
|
Ano da Tese |
|
2008 |
Acessos: |
|
332 |
Resumo |
|
A utilização de informações exclusivamente espectrais para classificação de imagens tem se mostrado pouco eficiente frente aos complexos cenários que o avanço tecnológico de observação terrestre oferece. Por esse motivo; a pesquisa apresentada nesta dissertação propõe a consideração de informações contextuais para auxiliar no processo de classificação de imagens digitais do sensoriamento remoto. Para demonstrar a viabilidade da proposta; aplicou-se a metodologia no estudo de caso para determinação de áreas de vegetação no Município de Belo Horizonte MG. Através de contato com órgãos da Prefeitura de Belo Horizonte; provedores dos dados espaciais; foram estabelecidas as classes informacionais a serem discriminadas pelo processo. Os dados constavam de planos de informação vetoriais e imagens multiespectrais do satélite artificial QuickBird 2. Após edição de parte dos dados vetoriais e posterior conversão para o formato raster; aliada ao processo de atenuação dos efeitos atmosféricos e ortorretificação das imagens; iniciou-se a aplicação do método. Primeiramente foram levantadas quais informações contextuais seriam úteis à identificação das classes informacionais almejadas; em seguida realizaram-se procedimentos para se obtê-las. Optou-se então por tratar a modelagem do contexto por meio de duas abordagens distintas: uma direta e outra indireta. A modelagem direta caracterizou-se por operações de intersecção de imagens com tipo de dados booleanos; enquanto a modelagem indireta forneceu a opção de manipular tipos de dados contínuos. A modelagem direta foi aplicada para obtenção da ocorrência de áreas de vegetação em vias e em quadras; conseguida a partir da variável de ambiente espectral NDVI. Após; foi realizada operação de intersecção com imagens de vegetação; de vias e de quadras. Para aplicação da modelagem indireta; as informações contextuais foram definidas para melhor caracterizar tipos de vegetação (floresta nativa; floresta plantada; cerrado; campo cerrado e campo plantado); em termos das variáveis de ambiente topográficas MDEHC; MDD; MDN; e MDL; e variável da ambiente espectral NDVI. Para cada classe informacional; uma combinação particular de informações contextuais foi estabelecida e utilizada em procedimento de Regressão Logística Binomial; para determinar valores iniciais de maior verossimilhança para sua ocorrência. Desse modo; foram geradas imagens; uma para cada classe informacional; com valores de verossimilhança definidos pela operação de regressão. Aplicou-se então o paradigma Bayesiano; através de modelo probabilístico Bayesiano; para se obter imagens fundamentadas em valores atualizados de probabilidade com base no conhecimento especialista. O modelo probabilístico Bayesiano adotado foi o Beta-Binomial; cuja indexação foi feita pelos valores dos hiperparâmetros α e β; que expressam a opinião do analista acerca da posição e dispersão da distribuição; respectivamente. Os valores adotados para os hiperparâmetros foram obtidos por simulações e iterações; seguidas de análises intermediárias dos resultados; realizadas sucessivamente até que se obtivesse uma representação mais apropriada da realidade. As imagens fundamentadas em valores de probabilidade; determinadas pelo modelo Bayesiano; foram utilizadas como valores iniciais de probabilidade no método de classificação pela máxima verossimilhança. Para verificar a eficácia do método de inclusão de informações contextuais; denominado de Classificação Contextual; comparou-se com o método de Classificação Tradicional pelo algoritmo Classificador da Máxima Verossimilhança. Os resultados dos dois procedimentos foram avaliados por matrizes de contingência; geradas pela comparação entre as imagens temáticas produzidas e uma imagem de referência. A imagem de referência foi obtida a partir das amostras de treinamento refinadas (ou purificadas) pelo algoritmo da distância estatística de Mahalanobis; com um valor arbitrado de 50% como critério de semelhança. A partir das matrizes de contingência foi estimado o valor do coeficiente Kappa; que apresentou diferença de aproximadamente 6;5% entre os métodos de Classificação; com superioridade para o Contextual (0;9199) em relação ao Tradicional (0;8528). Para certificar que essa diferença foi; contudo; significativa; aplicou-se o teste Z bilateral entre os métodos ao nível de significância de 5%. Pelos valores Z observou-se que; ao nível de confiança de 95%; a hipótese de nulidade (de equivalência entre métodos) foi rejeitada e; portanto; os métodos foram constatados diferentes. Empregou-se então; o método de Classificação Contextual para geração da imagem temática de vegetação do Município de Belo Horizonte - MG. Concluí-se daí que; a partir dos dados disponíveis e hipóteses simplificativas assumidas; o método de Classificação Contextual foi realmente superior ao método de Classificação Tradicional; logo; sua aplicação é recomendada. |
| |
|
|
| |
|
 |
|
|
|