• Curso: Sensoriamento Remoto (INPE)
• Nível: Mestrado
• Formação: Engenheiro Cartógrafo (Universidade Estadual Paulista)
• Orientadoras: Dra. Cláudia Maria de Almeida e Dra. Leila Maria Garcia Fonseca
• Pesquisa: Abordagens Cognitivas e Mineração de Dados aplicadas a Dados Ópticos Obitais e de Laser para a Classificação de Cobertura do Solo Urbano
• Contato: leonardi@dsr.inpe.br / SIGMA: +55 +12 3945-6736 / 18 9112-4545
• C. Lattes: http://buscatextual.cnpq.br/buscatextual/visualizacv.jsp?id=K4138705P1

• Título: Abordagens Cognitivas e Mineração de Dados aplicadas a Dados Ópticos Obitais e de Laser para a Classificação de Cobertura do Solo Urbano
• Resumo: Muitos métodos para classificação de imagens de sensoriamento remoto têm sido desenvolvidos desde o lançamento dos primeiros satélites. Esses métodos foram muito eficientes até a década de 1990 e continuam sendo para muitas aplicações com o uso de satélites de média e baixa resolução espacial. Mas com o lançamento dos satélites de alta resolução, voltados, entre outros temas, para o estudo do ambiente intra-urbano, surgiu a necessidade de uma nova abordagem para interpretação das imagens, em função desses sensores capturarem detalhes de cenas muito heterogêneas, como é o caso das áreas urbanas, caracterizadas por uma grande variação interna das classes. Diante disso, a abordagem orientada a objeto e baseada em segmentação multiresolução tem se mostrado bastante eficiente para a discriminação da grande quantidade de alvos urbanos representados em imagens de alta resolução espacial. Porém, esse tipo de classificação exige a experiência de um especialista para operar o sistema. Uma técnica que pode facilitar o trabalho do especialista no sentido de automatizar algumas rotinas da classificação é a mineração de dados, que utiliza técnicas que permitem explorar um conjunto de dados, extraindo ou ajudando a evidenciar padrões de interesse nestes dados e auxiliando na descoberta de conhecimento. Nesse sentido, empregar abordagens cognitivas (rede semântica multinível, lógica fuzzy, análise orientada a objeto) e mineração de dados (algoritmos genéticos, redes neurais) para classificação de cobertura do solo urbano a partir de dados ópticos orbitais e de perfilamento a laser possui potencial para a geração de resultados mais precisos do que os métodos de classificação de imagens empregados convencionalmente.

Proposta Apresentada e Aprovada em 18/03/09 (vou anexar)

Créditos concluídos: 2?

Conceito global: A-

Disciplina em andamento: NENHUMA

Disciplina de Seminários: realizado em 2008 - APROVADO

Exame de Língua Estrangeira: APROVADO

Seminário: “Orientação para Pesquisa e Publicação Digital no INPE”: realizado em 16/abril/2009 - APROVADO

• Imagem (Dados): Em fase de aquisição da imagem IKONOS pela Space Imaging - Recurso liberado, apenas aguardando o depósito da pg-ser para enviar o contrato oficial. Após o envio do contrato, previsão de 10 dias para entrega da imagem. A nova imagem a ser adquirida possui as seguintes características: bandas originais (separadas) do IV, R, G, B com resolução espacial de 4m e PAN com resolução espacial de 1m.

• Levantamento de Campo (Uberlândia-MG): No mês de Julho de 2009 realizou-se o levantamento de campo com GPS visando coletar pontos bem definidos para serem utilizados na correção geométrica da imagem de satélite (IKONOS-II) e também para serem utilizados na validação dos modelos de elevação derivados do perfilamento a laser (MDT, MDS e MDA).

• Aquisição da Imagem e Processamento: Após aquisição da imagem IKONOS-II, realizou-se a fusão das bandas R-G-B-IV pelo método IHS e na sequencia executou-se a ortorretificação absoluta utilizando os pontos levantados em campo com GPS. Na ortorretificação foram utilizados os 3 métodos de interpolação, vizinho mais próximo, bilinear, convolução cúbica, porém, o método que apresentou melhor resultado foi a ortorretificação utilizando o interpolador com convolução cúbica.

• Validação da Ortorretificação e do Laser Scanning Data:Utilizou-se os pontos levantados em campo (GPS) para realizar a validação dos MDE's e da imagem ortorretificada. O resultado apresentou-se muito satisfatório!

• Aplicativo SPT (PUC-RJ): Na sequencia gerou-se um pequeno recorte da imagem corrigida para utilizar no software spt para definição dos parâmetros ótimos de segmentação, como por exemplo, escala, forma e compacidade.

* Montagem do Banco de Dados: Seguida a correção e processamento de todos os dados, inseriu-se os mesmos na plataforma DEFINIENS para startar o processo de segmentação e classificação.

* Segmentação Multiresolução: Após a determinação dos parametros ótimos utilizando o SPT, os mesmo foram iseridos na plataforma DEFINIENS 7.0 para execução da segmentação. Os resultados alcançados nessa etapa foram excelentes, os quais tiveram aprovação da Dra. Cláudia.

* Coleta das Amostras para Mineração: Coletou-se amostras de cada classe de interesse após a segmentação, com o objetivo de realizar a mineração dos dados. O intuito dessa etapa é a obtenção da rede automática com todos os parametros e atributos definidos automaticamente.

* Classificação (STATUS ATUAL): Está sendo reaplicadas as redes obtidas na mineração de dados. Os resultados obtidos até o presente momento são bons mas podem ser ainda melhores. Sendo assim, continuo na tentativa de resultados extremamente satisfatórios.

• Realizou-se diferentes métodos fusão implementados por Silva, F. C.(2009) para uma imagem QUICKBIRD obtida em 2009 contendo a área urbana de São Paulo-SP, cujo objetivo deste trabalho foi avaliar a adequabilidade dos métodos e averiguar se a reaplicação condiz com os testes feitos pelo autor, visto que o mesmo também aplicou os métodos de fusão para uma outra imagem derivada do satélite QUICKBIRD. As avaliações realizadas foram tanto qualitativa quanto quantitativa.