Fechar
Metadados

@PhDThesis{Marujo:2019:GaFiOp,
               author = "Marujo, Rennan de Freitas Bezerra",
                title = "Gap filling of optical remote sensing multi-source data cube 
                         through multi-scale and multi-temporal segmentation",
               school = "Instituto Nacional de Pesquisas Espaciais (INPE)",
                 year = "2019",
              address = "S{\~a}o Jos{\'e} dos Campos",
                month = "2019-03-27",
             keywords = "Time series analysis, multi-source, data cube, gap-filling, 
                         segmentation, an{\'a}lise de s{\'e}ries temporais, sensoriamento 
                         remoto multifonte, cubo de dados, preenchimento de lacunas, 
                         segmenta{\c{c}}{\~a}o.",
             abstract = "A promising solution to solve the lack of Earths surface 
                         observation problem on multi-spectral images consists in 
                         integrating multi-sensor data. However data must be harmonized 
                         before its measures can be comparable and a treatment for gaps 
                         (due to cloud cover, sensor defects, and partial images) must be 
                         considered. In this context, the present research proposes a 
                         methodology to build a gap-free multi-source and multi-spectral 
                         data cube, which involves Earth Observation data harmonization and 
                         reconstruction. To accomplish this, we tested two harmonization 
                         procedures, one based on linear regression and the other based on 
                         linear unmixing model, and propose a procedure for 
                         spatial-temporal gap-filling, which does not require previous 
                         reference. Two approaches for filling gaps are developed. The 
                         first one aims at improving a method based on spatial context of 
                         close-in-time images to fill small clouds and stripe effects, 
                         where in our adaptation a weighting factor is used for each pixel 
                         within segments. The second one uses a multi-temporal segmentation 
                         to fill the remaining gaps. The gap-filling strategies are applied 
                         on two image data cubes composed by Landsat-7/ETM+, Landsat-8/OLI 
                         images and CBERS-4/MUX images. To validate the gap-filling 
                         procedure, we simulate artificial gaps in the images and, 
                         subsequently we compare the original image with the gap-filled 
                         ones. Our approach based on weighting factor surpassed the 
                         original method for all bands, presenting R2 greater than 0.90 and 
                         a V IF of at least 0.97, while asymptotically maintaining the 
                         algorithm cost. It also preserved the texture on reconstructed 
                         images, and also was capable of detecting narrow features, e.g., 
                         roads, riparian areas, and small streams. The second approach 
                         based on multi-temporal segmentation filled all the remaining 
                         gaps, 43.64% of the entire data cube. However, the estimated 
                         values are more affected by uncertainty and the image texture is 
                         affected, resulting in a homogeneous gap-filling. The harmonized 
                         and reconstructed areas were very similar to the original data, 
                         presenting an UIQI of at least 0.92 and a V IF ranging from 0.6 to 
                         0.7 on the final method, showing the feasibility of the 
                         methodology. RESUMO: Uma solu{\c{c}}{\~a}o promissora para 
                         suprimir a aus{\^e}ncia de dados de observa{\c{c}}{\~o}es da 
                         Terra em imagens multi-espectrais, devido principalmente pela 
                         presen{\c{c}}a de nuvens, sombra de nuvens, defeitos na 
                         aquisi{\c{c}}{\~a}o de dados e imagens parciais, tem sido a 
                         integra{\c{c}}{\~a}o de dados multi-sensor. Contudo, deve-se 
                         harmonizar os dados provenientes de diferentes sensores para que 
                         estes possam ser compar{\'a}veis entre s{\'{\i}}, al{\'e}m de 
                         que, lacunas de dados devem ser consideradas. Neste contexto, na 
                         presente pesquisa prop{\~o}e-se um procedimento para construir um 
                         cubo de dados multispectral, multifonte e livre de lacunas, que 
                         envolve harmoniza{\c{c}}{\~a}o e reconstru{\c{c}}{\~a}o de 
                         dados da superf{\'{\i}}cie terrestre. Para tanto, foram testados 
                         dois procedimentos de harmoniza{\c{c}}{\~a}o, um baseado em 
                         regress{\~a}o linear e o segundo baseado em modelo linear de 
                         mistura espectral. Al{\'e}m disso, propoe-se um procedimento 
                         espa{\c{c}}o-temporal para preenchimento de lacunas que n{\~a}o 
                         requer refer{\^e}ncia pr{\'e}via da {\'a}rea. Foram 
                         desenvolvidas duas abordagens para preenchimento de lacunas, 
                         aplicadas serialmente. A primeira abordagem visa aprimorar um 
                         m{\'e}todo baseado no contexto espacial para preencher lacunas 
                         oriundas de pequenas nuvens e defeitos do sensor Landsat-7/ETM+. A 
                         segunda abordagem de preenchimento de lacunas utiliza regi{\~o}es 
                         homog{\^e}neas obtidas por meio de segmenta{\c{c}}{\~a}o 
                         multitemporal para preencher as lacunas restantes do cubo de 
                         dados. As estrat{\'e}gias de preenchimento de lacunas s{\~a}o 
                         aplicadas em dois cubos de dados de imagem em duas {\'a}reas de 
                         estudo. Um cubo foi gerado a partir de um conjunto de dados 
                         composto por imagens Landsat-7/ETM+ e Landsat-8/OLI, e o segundo 
                         incluindo tamb{\'e}m imagens CBERS-4/MUX neste conjunto de dados. 
                         Para validar o procedimento de preenchimento de lacunas, foram 
                         simuladas lacunas artificiais nas imagens e, posteriormente, 
                         comparou-se as imagens originais com as imagens preenchidas. A 
                         abordagem baseada no fator de pondera{\c{c}}{\~a}o superou o 
                         m{\'e}todo original para todas as bandas e apresentou R2 maior 
                         que 0,90 e um V IF com valores superiores a 0,97, enquanto manteve 
                         assint{\'o}ticamente o custo computacional do algoritmo. As 
                         imagens resultantes utilizando o m{\'e}todo proposto tiveram sua 
                         textura preservada, al{\'e}m de tamb{\'e}m ser capaz de detectar 
                         caracter{\'{\i}}sticas estreitas nelas, por exemplo, estradas, 
                         {\'a}reas ribeirinhas e pequenos riachos. A segunda abordagem 
                         baseada na segmenta{\c{c}}{\~a}o multitemporal, preencheu as 
                         lacunas restantes, um total de 43,64% de todo o cubo de dados. No 
                         entanto, os resultados obtidos nesta abordagem foram mais incertos 
                         e a textura das {\'a}reas estimadas {\'e} afetada, resultando em 
                         um preenchimento homog{\^e}neo. As {\'a}reas resultantes no 
                         processo de harmoniza{\c{c}}{\~a}o e reconstru{\c{c}}{\~a}o 
                         apresentaram-se bastante similares as originais, apresentando um 
                         UIQI de pelo menos 0,92 e V IF variando entre 0,6 e 0,7, 
                         demonstrando a viabilidade da metodologia.",
            committee = "Santos, Rafael Duarte Coelho dos (presidente) and Fonseca, Leila 
                         Maria Garcia (orientadora) and Sant'Anna, Sidnei Jo{\~a}o 
                         Siqueira and K{\"o}rting, Thales Sehn and Boggione, Giovanni de 
                         Araujo and Silva, Silvia Helena Modenese Gorla da",
         englishtitle = "Preenchimento de lacunas em cubo de dados de sensoriamento remoto 
                         {\'o}tico multifonte por meio de segmenta{\c{c}}{\~a}o 
                         multin{\'{\i}}vel e segmenta{\c{c}}{\~a}o multitemporal",
             language = "en",
                pages = "120",
                  ibi = "8JMKD3MGP3W34R/3SUESRS",
                  url = "http://urlib.net/rep/8JMKD3MGP3W34R/3SUESRS",
           targetfile = "publicacao.pdf",
        urlaccessdate = "25 nov. 2020"
}


Fechar