Avaliação de métodos de segmentação de imagens aplicadas na classificação de culturas cafeeiras

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorLacerda, Wilian Soares-
Autor(es): dc.contributorVolpato, Margarete Marin Lordelo-
Autor(es): dc.contributorSaúde, André Vital-
Autor(es): dc.contributorAlves, Helena Maria Ramos-
Autor(es): dc.creatorMarujo, Rennan de Freitas Bezerra-
Data de aceite: dc.date.accessioned2026-02-09T12:37:24Z-
Data de disponibilização: dc.date.available2026-02-09T12:37:24Z-
Data de envio: dc.date.issued2015-02-19-
Data de envio: dc.date.issued2015-02-19-
Data de envio: dc.date.issued2015-02-19-
Data de envio: dc.date.issued2013-04-10-
Fonte completa do material: dc.identifierhttps://repositorio.ufla.br/handle/1/5097-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/1165018-
Descrição: dc.descriptionO presente trabalho avalia métodos de segmentação em imagens de satélite visando a construção de uma árvore de processos automatizada para a classificação de áreas cafeeiras. As imagens passaram por diferentes métodos de segmentação, caracterização de atributos espaciais, espectrais, forma e textura, uma vez que este tipo de cultivo, devido as suas características instrinsicas é facilmente confundido com a mata nativa em processos de classificação automática onde consideram-se apenas as variações espectrais. Foram usados algoritmos segmentadores de imagens, algoritmos de aprendizagem supervisionada e imagens do satélite Rapideye, que possuem alta resolução espacial e radiométrica. A avaliação da segmentação foi feita comparando 3 algoritmos: Chess board, Quad tree e Multi-resolution segmentation, em 2 níveis hierárquicos, utilizando o algoritmo do vizinho mais próximo para a classificação da imagem através das amostras coletadas. As acurácias foram comparadas com o algoritmo de classificação pixel a pixel de máxima verossimilhança que é um método baseado puramente em valores espectrais, O método mais preciso foi Multi-resolution segmentation com um índice global e índice Kappa de 80,7616% e 0,7115 respectivamente. Utilizou-se como avaliadores específicos a acurácia de produtor para a classe café que apresentou 78,97% e a acurácia de usuário também para a classe café, com acerto de 77,35%. Estes expressam uma boa qualificação, mas requerem uma pós classificação feita por interprete humano para obter valores mais precisos.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Direitos: dc.rightsacesso aberto-
Palavras-chave: dc.subjectClassificação automática-
Palavras-chave: dc.subjectCafeicultura-
Palavras-chave: dc.subjectSegmentação-
Palavras-chave: dc.subjectClassificação orientada a segmento-
Palavras-chave: dc.subjectSensoriamento remoto-
Título: dc.titleAvaliação de métodos de segmentação de imagens aplicadas na classificação de culturas cafeeiras-
Tipo de arquivo: dc.typeTCC-
Aparece nas coleções:Repositório Institucional da Universidade Federal de Lavras (RIUFLA)

Não existem arquivos associados a este item.