Fechar
Metadados

@PhDThesis{Anjos:2016:ClĮrUr,
               author = "Anjos, Camila Souza dos",
                title = "Classifica{\c{c}}{\~a}o de {\'a}reas urbanas com imagens 
                         multiespectrais e hiperespectrais utilizando m{\'e}todos 
                         n{\~a}o-param{\'e}tricos",
               school = "Instituto Nacional de Pesquisas Espaciais (INPE)",
                 year = "2016",
              address = "S{\~a}o Jos{\'e} dos Campos",
                month = "2016-02-24",
             keywords = "WorldView-2, ProSpecTIR V-S, classifica{\c{c}}{\~a}o de 
                         cobertura do solo urbano, urban land cover classification.",
             abstract = "Ambientes urbanos representam uma das {\'a}reas mais desafiadoras 
                         para as an{\'a}lises por meio de sensoriamento remoto devido 
                         {\`a} grande diversidade encontrada nos materiais presentes na 
                         sua superf{\'{\i}}cie. O uso de imagens com alta 
                         resolu{\c{c}}{\~a}o espacial e alta resolu{\c{c}}{\~a}o 
                         espectral surge como uma solu{\c{c}}{\~a}o ideal para 
                         aplica{\c{c}}{\~o}es urbanas, pois a combina{\c{c}}{\~a}o 
                         destas duas caracter{\'{\i}}sticas permite uma melhor 
                         detec{\c{c}}{\~a}o e discrimina{\c{c}}{\~a}o de alvos. O 
                         presente trabalho prop{\~o}e a avalia{\c{c}}{\~a}o de dois 
                         conjuntos de dados: um deles composto exclusivamente por uma 
                         imagem orbital multiespectral (WV-2) e os atributos derivados de 
                         seu processamento; e o outro conjunto composto exclusivamente por 
                         uma imagem aerotransportada hiperespectral (SpecTIR) e os 
                         atributos derivados de seu processamento. Para cada conjunto de 
                         dados (multiespectral e hiperespectral), foram realizados quatro 
                         experimentos de classifica{\c{c}}{\~a}o de imagens, nos quais 
                         foram aplicados os m{\'e}todos {\'A}rvore de Decis{\~a}o C4.5 e 
                         Floresta Rand{\^o}mica (RF) em dois diferentes n{\'{\i}}veis de 
                         legenda, em que o N{\'{\i}}vel de Legenda 1 apresenta 11 classes 
                         de cobertura do solo urbano, e o N{\'{\i}}vel de Legenda 2, mais 
                         refinado, 38 classes de cobertura do solo urbano. Analisou-se 
                         ent{\~a}o a diferen{\c{c}}a de desempenho entre os m{\'e}todos 
                         de classifica{\c{c}}{\~a}o e os conjuntos de dados para esses 
                         dois n{\'{\i}}veis de detalhamento. Os oito experimentos de 
                         classifica{\c{c}}{\~a}o obtiveram elevada acur{\'a}cia, com 
                         valores de {\'{\i}}ndice Kappa oscilando de 0,6712 a 0,7857, e 
                         de Exatid{\~a}o Global variando de 70,07\% a 81,52\%. As 
                         classifica{\c{c}}{\~o}es do N{\'{\i}}vel de Legenda 1 
                         apresentam resultados semelhantes aos j{\'a} encontrados em 
                         trabalhos indexados. J{\'a} as classifica{\c{c}}{\~o}es do 
                         N{\'{\i}}vel 2 abordaram um n{\'{\i}}vel de legenda ainda 
                         n{\~a}o reportado at{\'e} o momento na literatura 
                         cient{\'{\i}}fica, em que materiais visualmente semelhantes em 
                         toda a cena foram individualmente caracterizados. Os testes de 
                         hip{\'o}tese comparando o desempenho dos classificadores para o 
                         N{\'{\i}}vel 1 demonstraram que o m{\'e}todo RF {\'e} 
                         significantemente superior ao C4.5, ao passo que para o 
                         N{\'{\i}}vel 2, no caso dos dados WV-2, o m{\'e}todo RF 
                         demonstrou superioridade, e no caso dos dados SpecTIR, 
                         demonstrou-se que os classificadores n{\~a}o s{\~a}o 
                         significantemente diferentes. Quando a compara{\c{c}}{\~a}o 
                         realizada foi relacionada ao desempenho dos conjuntos de dados, 
                         demonstrou-se para todos os n{\'{\i}}veis de detalhamento e 
                         classificadores que as classifica{\c{c}}{\~o}es obtidas com 
                         dados do sensor SpecTIR apresentaram resultados significantemente 
                         superiores {\`a}queles das classifica{\c{c}}{\~o}es obtidas com 
                         dados do sensor WV-2. Percebe-se com este importante resultado que 
                         a caracteriza{\c{c}}{\~a}o precisa de alvos presentes no 
                         ambiente urbano necessita efetivamente de uma alta 
                         resolu{\c{c}}{\~a}o espacial, entretanto, a jun{\c{c}}{\~a}o 
                         dessa importante caracter{\'{\i}}stica com a alta 
                         resolu{\c{c}}{\~a}o espectral pode levar a resultados mais 
                         detalhados e precisos. ABSTRACT: Urban environments account for 
                         one of the most challenging areas for remote sensing analyses due 
                         to the great diversity of materials found at their surface. The 
                         usage of high spatial and spectral resolution imagery arises as an 
                         ideal solution for urban applications because the combination of 
                         these two characteristics allows a better targets detection and 
                         discrimination of targets. This thesis is committed to evaluate 
                         two datasets: one exclusively composed by an orbital multispectral 
                         image (WorldView-2) and attributes derived from its processing; 
                         and another one solely composed by an airbone hyperspectral image 
                         (SpecTIR) and attributes derived from its processing as well. For 
                         classification experiments were conducted with each dataset 
                         (multispectral and hyperspectral), using the C4.5 decision tree 
                         and random forest methods at two distinct legend levels. Level 1 
                         contains 11 urban land cover classes, and Level 2, a more refined 
                         one, presents 38 urban land cover classes. Differences in 
                         performance between the classification methods and the two 
                         datasets were analyzed for these two levels. The eight 
                         classification experiments produced attained high accuracy, with 
                         Kappa indices ranging from 0.6712 to 0.7857, and global accuracy 
                         varying from 70.07\% to 81.52\%. The classifications for Level 1 
                         presented similar results to those found in previous peer-review 
                         works. On their turn, the classifications for Level 2 dealt with a 
                         legend level not yet reported in the scientific literature 
                         hitherto, in which visually similar surface materials throughout 
                         the scene could be individually characterized. The hypothesis 
                         tests comparing the performance of classifiers for Level 1 using 
                         the WV-2 dataset demonstrated that the Random Forest was 
                         significantly superior to C4.5 classifications. Regarding the 
                         Legend Level 2, the RF classifier was significantly superior for 
                         WV-2. Concerning the SpecTIR datasets, both methods showed to be 
                         not significantly different for classification results. When the 
                         comparison focuses on the performance of the two datasets, it was 
                         demonstrated for all legend levels and classifiers that the 
                         results obtained with the SpecTIR sensor data were significantly 
                         superior to those based on the use of the WV-2 data. It can be 
                         inferred from these relevant results that the precise 
                         characterization of urban targets effectively needs high spatial 
                         resolution, however, the association of both high spatial and high 
                         spectral resolution will certainly lead to increasingly detailed 
                         and accurate results.",
            committee = "Ponzoni, Fl{\'a}vio Jorge (presidente) and Almeida, Cl{\'a}udia 
                         Maria de (orientadora) and Galv{\~a}o, L{\^e}nio Soares 
                         (orientador) and Souza Filho, Carlos Roberto de and Francisco, 
                         Cristiane Nunes",
           copyholder = "SID/SCD",
         englishtitle = "Classification of urban areas with multispectral and hyperspectral 
                         images using nonparametric methods",
             language = "pt",
                pages = "365",
                  ibi = "8JMKD3MGP3W34P/3LESGT2",
                  url = "http://urlib.net/rep/8JMKD3MGP3W34P/3LESGT2",
           targetfile = "publicacao.pdf",
        urlaccessdate = "02 dez. 2020"
}


Fechar