Aplicação de redes neurais na classificação de imagens de alta resolução espacial e dados do laser scanner, usando uma abordagem orientada a regiões

Detalhes bibliográficos
Ano de defesa: 2004
Autor(a) principal: Botelho, Mosar Faria
Orientador(a): Centeno, Jorge Antonio Silva, 1963-
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Redes neurais (Computação)
Processamento de imagens - Técnicas digitais
Sensoriamento remoto
Geodésia
Link de acesso: https://hdl.handle.net/1884/8014
Resumo: Orientador: Jorge A. Silva Centeno
id UFPR_3d69d0ae294d35b474300e9373913fe9
oai_identifier_str oai:acervodigital.ufpr.br:1884/8014
network_acronym_str UFPR
network_name_str Repositório Institucional da UFPR
repository_id_str
spelling Universidade Federal do Paraná. Setor de Ciências da Terra. Programa de Pós-Graduação em Ciências GeodésicasCenteno, Jorge Antonio Silva, 1963-Botelho, Mosar Faria2024-05-03T16:43:28Z2024-05-03T16:43:28Z2004https://hdl.handle.net/1884/8014Orientador: Jorge A. Silva CentenoDissertação (mestrado) - Universidade Federal do Paraná, Setor de Ciências da Terra, Programa de Pós-Graduação em Ciências Geodésicas. Defesa: Curitiba, 2004Inclui bibliografiaResumo: A classificação digital de imagens de sensoriamento remoto tem ganho, nas últimas décadas, reconhecimento como técnica para suprir a escassez dos mapeamentos temáticos. Atualmente, novos sensores, com maior resolução espacial, encontram-se disponíveis no mercado, aumentando o potencial uso de imagens de satélite. No entanto, estas novas imagens demandam novas técnicas de análise, pois oferecem um maior grau de detalhe, o que possibilita a identificação de objetos em função de suas propriedades espectrais e espaciais. Ao mesmo tempo, novos dados espaciais vem sendo coletados por sensores aerotransportados, como os dados do laser scanner. Estes dados altimétricos representam uma característica particular dos objetos presentes na superfície da Terra, sua elevação, o que os torna uma informação complementar valiosa na análise de imagens de sensoriamento remoto. O presente estudo aborda o tema da integração de dados derivados de um levantamento laser scanner com imagens de satélite de alta resolução espacial, Quickbird, para o mapeamento de áreas urbanas. Para isto, uma metodologia orientada à análise de regiões na imagem é proposta. Inicialmente, o ganho obtido com a inclusão dos dados do laser scanner é comparado com o ganho resultante do uso de parâmetros espaciais derivados das imagens, através da análise da separabilidade das classes e a classificação de áreas de treinamento. Os resultados mostram que a contribuição da informação altimétrica é muito maior do que aquela atribuída aos descritores de forma. Em uma segunda fase, a utilização de redes neurais artificiais como ferramenta para a integração dos dados espectrais e espaciais foi avaliada, sendo que esta metodologia comprovou ser mais eficiente do que outras abordagens tradicionais. O uso de redes neurais e os dados do laser scanner aumentam a qualidade do mapa temático em regiões onde a informação espectral não é suficiente para discriminar objetos diferentes.Abstract: Remote sensing digital image classification has been recognized, in the last decades, as a technique for thematic maping. Today, new sensors, with enhanced spatial resolution, are available in the market, increasing the potential use of satellite images. However, the new images demand new analysis techniques, because they are richer in details, which should facilitate the identification of objects, based on its spectral and spatial properties. At the same time, other spatial data are being collected from airborne sensors, as laser scanner data. The altimetric information represents a special characteristic of the objects present on the earth's surface, its elevation, which turns them a valuable information for the analysis of remote sensing images. The present study focuses on the integration of laser scanner data and remote sensing images with high spatial resolution, Quickbird imagery, for urban mapping. For this urpose, a region oriented aproach is proposed.Initially, the gain obtained with the use of laser scanner is compared to the gain that results using of spatial parameters in the classification process. For this urtose, the separability of the classes was analysed and selected samles were classified. The experiments proved that the contribution of laser scanner data is larger than that attributed to spatial paremeters, form parameters. In a second step, the use of artificial neural nets as a tool for the integration of spectral and spatial data was evaluated. This methodology prooved to be more efficient than other traditional approaches. The use of neural nets and laser scanner data increased the quality of the thematic map in areas where spectral information is not enough to discriminate different objects.104f. : il. algumas color., grafs.application/pdfDisponível em formato digitalRedes neurais (Computação)Processamento de imagens - Técnicas digitaisSensoriamento remotoGeodésiaAplicação de redes neurais na classificação de imagens de alta resolução espacial e dados do laser scanner, usando uma abordagem orientada a regiõesinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisporreponame:Repositório Institucional da UFPRinstname:Universidade Federal do Paraná (UFPR)instacron:UFPRinfo:eu-repo/semantics/openAccessORIGINALDissertacao_Mosar_Final.pdfapplication/pdf1642692https://acervodigital.ufpr.br/bitstream/1884/8014/1/Dissertacao_Mosar_Final.pdfea38d3e2af97410757493e9fbcb8a240MD51open accessTEXTDissertacao_Mosar_Final.pdf.txtExtracted Texttext/plain178084https://acervodigital.ufpr.br/bitstream/1884/8014/2/Dissertacao_Mosar_Final.pdf.txt210315d39e750c7b8c8bb6ac5fa6a91eMD52open accessTHUMBNAILDissertacao_Mosar_Final.pdf.jpgGenerated Thumbnailimage/jpeg1208https://acervodigital.ufpr.br/bitstream/1884/8014/3/Dissertacao_Mosar_Final.pdf.jpgad9f58e4b2f5a701af7c2b0a46fac5ddMD53open access1884/80142024-05-03 13:43:28.998open accessoai:acervodigital.ufpr.br:1884/8014Repositório de PublicaçõesPUBhttp://acervodigital.ufpr.br/oai/requestopendoar:3082024-05-03T16:43:28Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)false
dc.title.pt_BR.fl_str_mv Aplicação de redes neurais na classificação de imagens de alta resolução espacial e dados do laser scanner, usando uma abordagem orientada a regiões
title Aplicação de redes neurais na classificação de imagens de alta resolução espacial e dados do laser scanner, usando uma abordagem orientada a regiões
spellingShingle Aplicação de redes neurais na classificação de imagens de alta resolução espacial e dados do laser scanner, usando uma abordagem orientada a regiões
Botelho, Mosar Faria
Redes neurais (Computação)
Processamento de imagens - Técnicas digitais
Sensoriamento remoto
Geodésia
title_short Aplicação de redes neurais na classificação de imagens de alta resolução espacial e dados do laser scanner, usando uma abordagem orientada a regiões
title_full Aplicação de redes neurais na classificação de imagens de alta resolução espacial e dados do laser scanner, usando uma abordagem orientada a regiões
title_fullStr Aplicação de redes neurais na classificação de imagens de alta resolução espacial e dados do laser scanner, usando uma abordagem orientada a regiões
title_full_unstemmed Aplicação de redes neurais na classificação de imagens de alta resolução espacial e dados do laser scanner, usando uma abordagem orientada a regiões
title_sort Aplicação de redes neurais na classificação de imagens de alta resolução espacial e dados do laser scanner, usando uma abordagem orientada a regiões
author Botelho, Mosar Faria
author_facet Botelho, Mosar Faria
author_role author
dc.contributor.other.pt_BR.fl_str_mv Universidade Federal do Paraná. Setor de Ciências da Terra. Programa de Pós-Graduação em Ciências Geodésicas
dc.contributor.advisor1.fl_str_mv Centeno, Jorge Antonio Silva, 1963-
dc.contributor.author.fl_str_mv Botelho, Mosar Faria
contributor_str_mv Centeno, Jorge Antonio Silva, 1963-
dc.subject.por.fl_str_mv Redes neurais (Computação)
Processamento de imagens - Técnicas digitais
Sensoriamento remoto
Geodésia
topic Redes neurais (Computação)
Processamento de imagens - Técnicas digitais
Sensoriamento remoto
Geodésia
description Orientador: Jorge A. Silva Centeno
publishDate 2004
dc.date.issued.fl_str_mv 2004
dc.date.accessioned.fl_str_mv 2024-05-03T16:43:28Z
dc.date.available.fl_str_mv 2024-05-03T16:43:28Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://hdl.handle.net/1884/8014
url https://hdl.handle.net/1884/8014
dc.language.iso.fl_str_mv por
language por
dc.relation.pt_BR.fl_str_mv Disponível em formato digital
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 104f. : il. algumas color., grafs.
application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFPR
instname:Universidade Federal do Paraná (UFPR)
instacron:UFPR
instname_str Universidade Federal do Paraná (UFPR)
instacron_str UFPR
institution UFPR
reponame_str Repositório Institucional da UFPR
collection Repositório Institucional da UFPR
bitstream.url.fl_str_mv https://acervodigital.ufpr.br/bitstream/1884/8014/1/Dissertacao_Mosar_Final.pdf
https://acervodigital.ufpr.br/bitstream/1884/8014/2/Dissertacao_Mosar_Final.pdf.txt
https://acervodigital.ufpr.br/bitstream/1884/8014/3/Dissertacao_Mosar_Final.pdf.jpg
bitstream.checksum.fl_str_mv ea38d3e2af97410757493e9fbcb8a240
210315d39e750c7b8c8bb6ac5fa6a91e
ad9f58e4b2f5a701af7c2b0a46fac5dd
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)
repository.mail.fl_str_mv
_version_ 1801860978041683968

Registros relacionados