Análise comparada da segmentação e classificação orientada por objectos de uma imagem de alta resolução WORLDVIEW-2
Dissertação de Mestrado em Gestão do Território, Especialização em Detecção Remota e Sistemas de Informação Geográfica A Detecção Remota é uma ciência e uma técnica com grande valor na área da gestão do território, em particular das cidades, auxiliando os decisores, nomeadamente na alimentação de da...
Main Author: | |
---|---|
Other Authors: | |
Format: | Master Thesis |
Language: | Portuguese |
Published: |
Faculdade de Ciências Sociais e Humanas, Universidade Nova de Lisboa
2013
|
Subjects: | |
Online Access: | http://hdl.handle.net/10362/10782 |
id |
ftnewulisboa:oai:run.unl.pt:10362/10782 |
---|---|
record_format |
openpolar |
spelling |
ftnewulisboa:oai:run.unl.pt:10362/10782 2023-05-15T18:31:07+02:00 Análise comparada da segmentação e classificação orientada por objectos de uma imagem de alta resolução WORLDVIEW-2 Gabriel, Cristina Garcia Franco Tenedório, José António 2013-08 http://hdl.handle.net/10362/10782 por por Faculdade de Ciências Sociais e Humanas, Universidade Nova de Lisboa http://hdl.handle.net/10362/10782 201037882 openAccess Deteção remota Alta Resolução Classificação Segmentação Pixel Orientada por objectos masterThesis 2013 ftnewulisboa 2022-05-01T13:58:10Z Dissertação de Mestrado em Gestão do Território, Especialização em Detecção Remota e Sistemas de Informação Geográfica A Detecção Remota é uma ciência e uma técnica com grande valor na área da gestão do território, em particular das cidades, auxiliando os decisores, nomeadamente na alimentação de dados para sistemas de apoio à decisão, na observação e na monitorização da superfície terrestre. A presente dissertação de mestrado teve por objectivo geral o processamento de imagens de alta resolução espacial e espectral, usando para tal uma imagem de satélite WorldView-2. Os objectivos específicos compreendem o ensaio de diferentes abordagens de classificação. Numa primeira fase, procedeu-se à classificação da imagem com aproximação ao pixel, de forma supervisionada, pelo algoritmo random forests. Numa segunda fase, executou-se a segmentação da imagem, pelo software IDRISI Taiga, seguida da classificação de segmentos utilizando o algoritmo nearest neighbor e depois o algoritmo random forests. Numa terceira fase procedeu-se à segmentação da imagem por objectos, com o eCognition 8.0, pelo algoritmo multiresolution, classificando-os posteriormente também pelo algoritmo nearest neighbor. Por fim, foi realizada uma avaliação de exactidão dos resultados das diferentes abordagens, discutindo a sua aplicabilidade na classificação de imagens de áreas urbanas densas, efectuando-se uma análise comparada das mesmas. A área de estudo seleccionada foi uma área da cidade de Lisboa compreendendo, sobretudo, as designadas “Avenidas Novas”. Tal como a grande maioria das áreas urbanas, esta área apresenta também uma grande heterogeneidade espectral facto que permitiu avaliar a influência dessa característica na aplicação de diferentes métodos de classificação. A classificação com maior valor para a exactidão global (EG) e índice de concordância Kappa é a orientada por objectos, com valores entre os 63.6 e 90.7% e os 0.60 e 0.81, respectivamente para os diferentes níveis da nomenclatura hierarquizada. As outras classificações obtiveram valores similares entre si que variam entre os 56.9% e 87.5% para EG e 0.53 e 0.72 para Kappa. A dissertação insere-se num contexto de continuidade de uma série de trabalhos de detecção remota urbana liderados pelo Professor José António Tenedório, realizados no âmbito do Grupo de Modelação Geográfica, Cidades e Ordenamento do Território do e-GEO, Centro de Estudos de Geografia e Planeamento Regional, da Faculdade de Ciências Sociais e Humanas da Universidade Nova de Lisboa; assim como de outras equipas internacionais em matéria de processamento digital de imagens de satélite aplicado à cidade. Master Thesis taiga Repositório da Universidade Nova de Lisboa (UNL) Alta |
institution |
Open Polar |
collection |
Repositório da Universidade Nova de Lisboa (UNL) |
op_collection_id |
ftnewulisboa |
language |
Portuguese |
topic |
Deteção remota Alta Resolução Classificação Segmentação Pixel Orientada por objectos |
spellingShingle |
Deteção remota Alta Resolução Classificação Segmentação Pixel Orientada por objectos Gabriel, Cristina Garcia Franco Análise comparada da segmentação e classificação orientada por objectos de uma imagem de alta resolução WORLDVIEW-2 |
topic_facet |
Deteção remota Alta Resolução Classificação Segmentação Pixel Orientada por objectos |
description |
Dissertação de Mestrado em Gestão do Território, Especialização em Detecção Remota e Sistemas de Informação Geográfica A Detecção Remota é uma ciência e uma técnica com grande valor na área da gestão do território, em particular das cidades, auxiliando os decisores, nomeadamente na alimentação de dados para sistemas de apoio à decisão, na observação e na monitorização da superfície terrestre. A presente dissertação de mestrado teve por objectivo geral o processamento de imagens de alta resolução espacial e espectral, usando para tal uma imagem de satélite WorldView-2. Os objectivos específicos compreendem o ensaio de diferentes abordagens de classificação. Numa primeira fase, procedeu-se à classificação da imagem com aproximação ao pixel, de forma supervisionada, pelo algoritmo random forests. Numa segunda fase, executou-se a segmentação da imagem, pelo software IDRISI Taiga, seguida da classificação de segmentos utilizando o algoritmo nearest neighbor e depois o algoritmo random forests. Numa terceira fase procedeu-se à segmentação da imagem por objectos, com o eCognition 8.0, pelo algoritmo multiresolution, classificando-os posteriormente também pelo algoritmo nearest neighbor. Por fim, foi realizada uma avaliação de exactidão dos resultados das diferentes abordagens, discutindo a sua aplicabilidade na classificação de imagens de áreas urbanas densas, efectuando-se uma análise comparada das mesmas. A área de estudo seleccionada foi uma área da cidade de Lisboa compreendendo, sobretudo, as designadas “Avenidas Novas”. Tal como a grande maioria das áreas urbanas, esta área apresenta também uma grande heterogeneidade espectral facto que permitiu avaliar a influência dessa característica na aplicação de diferentes métodos de classificação. A classificação com maior valor para a exactidão global (EG) e índice de concordância Kappa é a orientada por objectos, com valores entre os 63.6 e 90.7% e os 0.60 e 0.81, respectivamente para os diferentes níveis da nomenclatura hierarquizada. As outras classificações obtiveram valores similares entre si que variam entre os 56.9% e 87.5% para EG e 0.53 e 0.72 para Kappa. A dissertação insere-se num contexto de continuidade de uma série de trabalhos de detecção remota urbana liderados pelo Professor José António Tenedório, realizados no âmbito do Grupo de Modelação Geográfica, Cidades e Ordenamento do Território do e-GEO, Centro de Estudos de Geografia e Planeamento Regional, da Faculdade de Ciências Sociais e Humanas da Universidade Nova de Lisboa; assim como de outras equipas internacionais em matéria de processamento digital de imagens de satélite aplicado à cidade. |
author2 |
Tenedório, José António |
format |
Master Thesis |
author |
Gabriel, Cristina Garcia Franco |
author_facet |
Gabriel, Cristina Garcia Franco |
author_sort |
Gabriel, Cristina Garcia Franco |
title |
Análise comparada da segmentação e classificação orientada por objectos de uma imagem de alta resolução WORLDVIEW-2 |
title_short |
Análise comparada da segmentação e classificação orientada por objectos de uma imagem de alta resolução WORLDVIEW-2 |
title_full |
Análise comparada da segmentação e classificação orientada por objectos de uma imagem de alta resolução WORLDVIEW-2 |
title_fullStr |
Análise comparada da segmentação e classificação orientada por objectos de uma imagem de alta resolução WORLDVIEW-2 |
title_full_unstemmed |
Análise comparada da segmentação e classificação orientada por objectos de uma imagem de alta resolução WORLDVIEW-2 |
title_sort |
análise comparada da segmentação e classificação orientada por objectos de uma imagem de alta resolução worldview-2 |
publisher |
Faculdade de Ciências Sociais e Humanas, Universidade Nova de Lisboa |
publishDate |
2013 |
url |
http://hdl.handle.net/10362/10782 |
geographic |
Alta |
geographic_facet |
Alta |
genre |
taiga |
genre_facet |
taiga |
op_relation |
http://hdl.handle.net/10362/10782 201037882 |
op_rights |
openAccess |
_version_ |
1766214782418944000 |