Divisão de Observação da Terra e Geoinformática

Ferramentas do usuário

Ferramentas do site

Visitou: • emerson • azeredo • aulas • wiki_pessoal_juliana • wiki_aniellientregas • adriana • laboratorios
leila:students:trabalho_final_de_pdi_avancado

Diferenças

Aqui você vê as diferenças entre duas revisões dessa página.

Link para esta página de comparações

Ambos lados da revisão anteriorRevisão anterior
Próxima revisão		Revisão anterior
leila:students:trabalho_final_de_pdi_avancado [2009/08/20 18:54] – miguelleila:students:trabalho_final_de_pdi_avancado [2010/05/11 20:46] (atual) – miguel
Linha 1: Linha 1:
 ====== Tópicos Avançados em Processamento Digital de Imagens ====== ====== Tópicos Avançados em Processamento Digital de Imagens ======
 +
 +
  
  
 ==== Título==== ==== Título====
-Extração de superfícies impermeáveis a partir de imagens QuickBird aplicando Classificação Orientada a Objeto +//**Extração de superfícies impermeáveis a partir de imagens QuickBird aplicando Classificação Orientada a Objeto**//
  
 ==== Resumo ==== ==== Resumo ====
  
-Estudos acerca de superfícies impermeáveis são cruciais para o desenvolvimento sustentável das zonas urbana, devido ao seu forte impacto nesses ambientes. Em estudos sobre o contexto urbano, onde a alta resolução espacial é essencial, os métodos tradicionais de classificação de imagem têm apresentado limitações, face à riqueza do conteúdo informativo que as imagens produzidas pela nova geração de satélites possui. +Estudos acerca de superfícies impermeáveis são cruciais para o desenvolvimento sustentável das zonas urbanas, devido ao seu forte impacto nesses ambientes. Em estudos sobre o contexto urbano, onde a alta resolução espacial é essencial, os métodos tradicionais de classificação de imagem têm apresentado limitações, face à riqueza do conteúdo informativo que as imagens produzidas pela nova geração de satélites possui. 
  
 Diversas pesquisas têm mostrado que os métodos tradicionais de classificação não são adequados para estas aplicações. Assim, torna-se necessário o uso de novos métodos de classificação que incluam dados auxiliares e conhecimentos do especialista, considerando-se que um intérprete humano facilmente identifica alvos urbanos baseando-se em seu conhecimento (usando atributos como forma, cor, padrão, textura e contexto). Entretanto, este trabalho consome tempo demasiado. Neste contexto, a utilização do sistemas baseados no conhecimento do intérprete é uma boa opção, uma vez que estes sistemas podem modelar o conhecimento do intérprete em ambiente computacional para classificar uma cena. A abordagem orientada a objeto tornou-se bastante indicada para o estudo de áreas urbanas, especialmente devido à sua capacidade de extrair objetos de interesse com a maior precisão do que os métodos baseados em pixels.  Diversas pesquisas têm mostrado que os métodos tradicionais de classificação não são adequados para estas aplicações. Assim, torna-se necessário o uso de novos métodos de classificação que incluam dados auxiliares e conhecimentos do especialista, considerando-se que um intérprete humano facilmente identifica alvos urbanos baseando-se em seu conhecimento (usando atributos como forma, cor, padrão, textura e contexto). Entretanto, este trabalho consome tempo demasiado. Neste contexto, a utilização do sistemas baseados no conhecimento do intérprete é uma boa opção, uma vez que estes sistemas podem modelar o conhecimento do intérprete em ambiente computacional para classificar uma cena. A abordagem orientada a objeto tornou-se bastante indicada para o estudo de áreas urbanas, especialmente devido à sua capacidade de extrair objetos de interesse com a maior precisão do que os métodos baseados em pixels. 
Linha 29: Linha 31:
  
 Analisando as matrizes de confusão e os índices Kappa dos mapas temáticos, em relação à verdade de campo, é possível verificar que as porcentagens de acerto global foram similares (de 80% a 87,5%). Estes acertos referem-se aos pixels classificados corretamente, segundo a verdade de campo. Os índices globais Kappa, para os seis mapas, são classificados como “substanciais” (0,61 a 0,80) e “quase perfeitos” (0,81 a 1,00) segundo Landis e Koch (1977). Analisando as matrizes de confusão e os índices Kappa dos mapas temáticos, em relação à verdade de campo, é possível verificar que as porcentagens de acerto global foram similares (de 80% a 87,5%). Estes acertos referem-se aos pixels classificados corretamente, segundo a verdade de campo. Os índices globais Kappa, para os seis mapas, são classificados como “substanciais” (0,61 a 0,80) e “quase perfeitos” (0,81 a 1,00) segundo Landis e Koch (1977).
- 
  
 ==== Trabalho Final ==== ==== Trabalho Final ====
Linha 39: Linha 40:
  
 ---- ----
 +
 +^[[http://wiki.dpi.inpe.br/doku.php?id=leila:students:barbara|Voltar]]^
leila/students/trabalho_final_de_pdi_avancado.1250794440.txt.gz · Última modificação: 2009/08/20 18:54 por miguel