Extração semiautomática de malha viária em imagens digitais utilizando classificação baseada em objetos e operadores morfológicos

• Ano de defesa: 2016
• Autor(a) principal: NUNES, Darlan Miranda
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Viçosa
• Palavras-chave em Português: Rodovias; Estradas vicinais; Processamento de imagens digitais; Imagens de sensoriamento remoto; Engenharias
• Link de acesso: http://www.locus.ufv.br/handle/123456789/9371

As demandas por dados geoespaciais referentes à malha viária são constantes, visto a gama de aplicações que necessitam desse tipo de informação, tanto no meio urbano quanto rural. Tais dados em um ambiente de Sistemas de Informações Geográficas (SIG) são fontes essenciais para integração de uma base de dados espaciais, os quais podem ser utilizados para fins diversos. Vale salientar a importância de dados da malha viária nos ciclos de atualização de bases cartográficas, que podem ser obtidos utilizando, por exemplo, técnicas de extração de feições em imagens digitais, de forma mais precisa, rápida e menos onerosa, comparados aos métodos tradicionais. Nesse sentido, a partir de imagens obtidas por sensores remotos, aliadas as técnicas de análise e Processamento Digital de Imagens (PDI), é possível realizar aplicações (semi-) automáticas que buscam extrair as feições de interesse, entre estas as estradas e/ou rodovias. Dessa forma, este trabalho teve como foco a extração da malha viária em imagens RapidEye através do desenvolvimento de uma metodologia semiautomática utilizando técnicas de classificação de imagens baseada em objetos, bem como o uso de operadores morfológicos. A metodologia foi testada em três áreas distintas e com imagens adquiridas em épocas diferentes, assim possibilitando verificar o desempenho do método proposto para diversas situações. Por meio da análise por correspondência linear, que forneceu valores estatísticos para métricas de análise da qualidade do processo de extração da malha viária, foi possível alcançar em termos de corretude e completude os valores de 92,23% e 85,15% para a área teste 1, os valores de 79,16% e 81,06% na área teste 2, e os valores de 82,05% e 92,22% para a área teste 3, respectivamente. Diante dos resultados obtidos, foi possível verificar que a metodologia proposta apresentou bom desempenho para a extração semiautomática de vias em imagens de sensoriamento remoto, mais especificamente de imagens Rapideye, sendo uma alternativa viável para auxiliar na aquisição e atualização de base de dados da malha viária. Dentre as principais dificuldades encontradas no processo de extração, destaca-se a definição de parâmetros ótimos a fim de separar as feições de interesse das com respostas espectrais similares que não são feições interesse (ruídos).