Integraçao de variáveis espectrais e forma na classificaçao de imagens de alta resoluçao utilizando redes neurais artificiais

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorCenteno, Jorge Antonio Silva, 1963--
Autor(es): dc.contributorUniversidade Federal do Paraná. Setor de Ciências da Terra. Programa de Pós-Graduação em Ciências Geodésicas-
Autor(es): dc.creatorAndrade, Andréa Faria-
Data de aceite: dc.date.accessioned2019-08-21T23:02:44Z-
Data de disponibilização: dc.date.available2019-08-21T23:02:44Z-
Data de envio: dc.date.issued2015-11-05-
Data de envio: dc.date.issued2015-11-05-
Data de envio: dc.date.issued2003-
Fonte completa do material: dc.identifierhttp://hdl.handle.net/1884/37405-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/1884/37405-
Descrição: dc.descriptionOrientador : Jorge A.S. Centeno-
Descrição: dc.descriptionDissertaçao (mestrado) - Universidade Federal do Paraná, Setor de Ciencias da Terra, Programa de Pós-Graduaçao em Ciencias Geodésicas. Defesa: Curitiba, 2003-
Descrição: dc.descriptionInclui bibliografia-
Descrição: dc.descriptionResumo: A classificação de imagens tem sido um importante processo para a produção de mapas temáticos, e uma das principais fontes de dados para os Sistemas de Informações Geográficas (SIG). Com o surgimento dos sensores de alta resolução espacial, as aplicações não serão mais restritas aos estudos de clima e monitoramento de florestas, mas pode ser estendido para outras áreas onde há a necessidade de uma descrição mais detalhada da superfície terrestre, como telecomunicações, planejamento urbano, mapas de arruamentos e cadastro e planejamento de traçados de rodovias, ferrovias e dutos. No entanto, para o completo aproveitamento das novas imagens, com melhor resolução espacial, abaixo de 5 metros, toma-se necessário disponibilizar de novas ferramentas, que se estendam além da análise dos pixels isoladamente, possibilitando a modelagem de objetos, levando em consideração outros atributos da imagem, além dos espectrais. Na classificação orientada ao objeto aplicada a imagens de alta resolução espacial, a imagem é primeiramente segmentada e posteriormente os segmentos, que correspondem a objetos, ou parte deles são classificados usando informações espectrais, espaciais, como a forma ou a orientação dos segmentos, e a textura. O presente trabalho tem como objetivo a inserção da forma no processo de classificação, por considerar que ela é relevante na identificação de objetos presentes na imagem. Para isto, o efeito de vários parâmetros de forma é avaliado usando uma imagem urbana IKONOS, com resolução espacial de 1 metro. O algoritmo de classificação se baseia no princípio das Redes Neurais Artificiais. A utilização de Redes Neurais Artificiais emerge como uma alternativa vantajosa aos classificadores baseados em conceitos estatísticos, uma vez que nenhuma hipótese prévia sobre a distribuição dos dados a serem classificados é exigida. A análise de forma comprovou ser uma poderosa ferramenta para a discriminação de objetos que possuem a mesma aparência espectral. Os resultados são comparados com métodos de classificação convencionais baseados em dados puramente espectrais, para fins de avaliação do ganho obtido no processo, incluindo a forma.-
Descrição: dc.descriptionAbstract: Remote sensing image classification has been an important step for the production of thematic maps, and one of the main data sources for the geographical information systems (GIS). With the development of high spatial resolution sensors, the applications of remote sensing are no more restricted to climate studies and environmeltal monitoring, but can be extended to other areas that need a more detailed description of the earth's surface, such as telecommunication and urban planning. However, for the complete use of the higher spatial resolution images, new tools are necessary, that enable to extend the analysis further than the pixel based classification. Approaches like the object oriented image analysis enable the modeling of objects, taking into account other attributes of the image than the spectral ones. In the object oriented classification approach, the image is segmented and later the segments that correspond to objects, or parts of them, are classified using spectral and spatial attributes, as the form or the orientation of the segments, and the texture. The present work deals with the insertion of shape information in the classification process, since it is important for identifying the objects in the image. For this purpose, the effect of the inclusion of several shape parameters into the classification schema is evaluated, using an urban IKONOS image, with spatial resolution of 1 meter. The classification algorithm is based on the neural network approach. The use of artificial neural nets emerges as an advantageous alternative to the statistical classifiers, since any previous hypothesis about the distribution of the data is demanded. The analysis of shape is a powerful tool for the discrimination of objects that possess the same spectral appearance. The results are compared to the results of a pixel based spectral classification, in order to evaluate the contribution of the inclusion of shape parameters in the process. A comparison to other classification algorithms is also presented.-
Formato: dc.format112f. : il., tabs.-
Formato: dc.formatapplication/pdf-
Formato: dc.formatapplication/pdf-
Relação: dc.relationDisponível em formato digital-
Palavras-chave: dc.subjectTeses-
Palavras-chave: dc.subjectProcessamento de imagens-
Palavras-chave: dc.subjectSistemas de informação geografica-
Palavras-chave: dc.subjectSensoriamento remoto-
Palavras-chave: dc.subjectRedes neurais (Computação)-
Palavras-chave: dc.subjectGeodesia-
Título: dc.titleIntegraçao de variáveis espectrais e forma na classificaçao de imagens de alta resoluçao utilizando redes neurais artificiais-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositório Institucional - Rede Paraná Acervo

Não existem arquivos associados a este item.