@MastersThesis{SilvaJr:2001:ClCoTe,
author = "Silva Junior, L{\'e}lio Walter Pinheiro da",
title = "Classifica{\c{c}}{\~a}o da cobertura da terra na Floresta
Nacional do Tapaj{\'o}s atrav{\'e}s de medidas de textura
utilizando dados do radar ERS",
school = "Instituto Nacional de Pesquisas Espaciais (INPE)",
year = "2001",
address = "S{\~a}o Jos{\'e} dos Campos",
month = "2001-12-14",
keywords = "x.",
abstract = "Este trabalho tem como objetivo verificar a viabilidade de
utiliza{\c{c}}{\~a}o do radar ERS, como ferramenta para o
monitoramento da cobertura vegetal na {\'a}rea da Floresta
Nacional do Tapaj{\'o}s, atrav{\'e}s da
classifica{\c{c}}{\~a}o utilizando medidas de textura. A
textura, diferente da informa{\c{c}}{\~a}o espectral que
descreve a varia{\c{c}}{\~a}o do n{\'{\i}}vel de cinza de um
pixel, cont{\'e}m informa{\c{c}}{\~o}es sobre a
distribui{\c{c}}{\~a}o espacial dos n{\'{\i}}veis de cinza de
uma regi{\~a}o da imagem e reflete sua varia{\c{c}}{\~a}o
espacial para um determinado alvo na imagem. A
informa{\c{c}}{\~a}o textural de imagens de radar apresenta um
grande potencial na discrimina{\c{c}}{\~a}o de regi{\~o}es
agr{\'{\i}}colas e de floresta, e teoricamente, melhora o
desempenho dos classificadores digitais. A gera{\c{c}}{\~a}o das
medidas de textura {\'e} realizada atrav{\'e}s da filtragem
espacial da imagem radar original. Para a sele{\c{c}}{\~a}o das
medidas de textura a serem empregadas na
classifica{\c{c}}{\~a}o, utilizou-se o resultado da
classifica{\c{c}}{\~a}o de {\'a}reas de treinamento por
classifica{\c{c}}{\~a}o pontual de m{\'a}xima
verossimilhan{\c{c}}a e dois m{\'e}todos padr{\~o}es de
sele{\c{c}}{\~a}o de atributos. No primeiro m{\'e}todo se
realiza uma Pesquisa Seq{\"u}encial Progressiva que tem como
crit{\'e}rio de sele{\c{c}}{\~a}o de atributos o coeficiente de
concord{\^a}ncia Kappa. No segundo realiza-se uma
sele{\c{c}}{\~a}o previa dos atributos utilizando como
par{\^a}metro o Fator Discriminante (Fd), gerado de forma
autom{\'a}tica pelo programa Texture 1.0 e ap{\'o}s emprega-se,
novamente, a Pesquisa Seq{\"u}encial Progressiva. As imagens das
medidas selecionadas por ambos os m{\'e}todos foram classificadas
utilizando dois tipos de classificadores: pontual/contextual e por
regi{\~o}es. Observou-se que para o classificador
pontual/contextual, as medidas selecionadas pelos dois
m{\'e}todos de sele{\c{c}}{\~a}o de atributos apresentam
desempenhos semelhantes, sendo que o segundo m{\'e}todo de
sele{\c{c}}{\~a}o de atributos apresenta um menor n{\'u}mero de
medidas que o primeiro. Para o classificador por regi{\~o}es as
medidas selecionadas pelos dois m{\'e}todos de
sele{\c{c}}{\~a}o de atributos apresentaram um baixo desempenho
na classifica{\c{c}}{\~a}o. Este desempenho ruim pode ser
explicado pela necessidade de se ter uma imagem radar com alguma
varia{\c{c}}{\~a}o do retroespalhamento entre as regi{\~o}es.
Dos dois classificadores utilizados, o classificador
pontual/contextual apresentou o melhor desempenho, mas a
performance na classifica{\c{c}}{\~a}o ainda foi muito baixa.
Por fim, concluiu-se que a classifica{\c{c}}{\~a}o utilizando
medidas de textura apresentou um melhor desempenho em
rela{\c{c}}{\~a}o {\`a} classifica{\c{c}}{\~a}o utilizando
somente a imagem de radar original; que as medidas de textura
apresentam um grande potencial para a classifica{\c{c}}{\~a}o de
imagens de radar. Na tentativa de se diminuir o erro da
classifica{\c{c}}{\~a}o, e ao mesmo tempo verificar quais
classes podem ser discriminada, com razo{\'a}vel qualidade, nas
imagens ERS, por medidas de textura, foi realizada uma
an{\'a}lise de agrupamento de classes, onde o melhor desempenho
foi atingido quando se utilizou duas classes, basicamente floresta
e n{\~a}o floresta. Esta separabilidade, a qual foi obtida usando
medidas de textura, por si s{\'o} j{\'a} proporcionou
razo{\'a}vel desempenho na detec{\c{c}}{\~a}o de desmatamento
na Amaz{\^o}nia. Isto sugere ser poss{\'{\i}}vel o uso deste
m{\'e}todo para monitora{\c{c}}{\~a}o das atividades
antr{\'o}picas na Amaz{\^o}nia, principalmente em regi{\~o}es
onde a cobertura de nuvens seja um problema. ABSTRACT: This work
has as objective to verify the viability of the use of radar ERS,
as a tool for monitoring the vegetal cover in the area of the
Tapaj{\'o}s National Forest, through the classification using
texture measures. The texture, unlike of the spectral information,
that describes the variation of the pixel gray levei, contains
information of the spatial distribution of the gray leveis in a
region of the image. The textural information of radar image
presents a great potential in the discrimination of agricultural
and forest regions, and theoretically, it improves the performance
of the digital classification. The generation o{\'{\i}} texture
measures is carried through the spatial filtering of the original
radar image For the selection of the texture measures to be
employed in the classification, nnaximum-likelihood classification
results of training areas was used together with two methods of
selection of attributes. The first method was performed through a
Progressive Sequential Research that has as a criterion of
attribute selection the Kappa coefficient of agreement. In the
second method a previous selection of the attributes was carried
through the Discriminate Factor (Fd), which is generated
automatically from the Texture 1.0 program and after. the
Progressive Sequential Research was used, again. The measures
selected for the both methods were classified using two types of
classifiers: MAXVER/ICM and a region classifier. It was observed
that for the MAXVER/ICM classifier, the measures selected from the
two methods of attribute selection present a similar performance,
having the second method a less number of measures than the first
one. For the region classifier, the measures selected for the two
methods of attribute selection presented a low performance in the
classification. This poor performance can be explained by the
necessity of having a radar image with some backscatter variation
between regions. The MAXVER/ICM classifier presented the best
performance, but the performance in the classification was still
very low. Finally, it was concluded that the classification using
texture measures presented better performance in relation to the
classification of the original radar image; that the measures of
texture presented a great potential for classification radar
images. In attempting to diminishing the error of the
classification, and at the same time to verify which classes cold
be discriminated, with reasonable quality, in ERS images, through
texture measures, it was performed an analysis of class grouping,
where the best performance was reached when the two classes were
used, basically forest and non-forest. This separability, which
was obtained using texture measures, by itself already provided
reasonable performance in the detention of deforestation in the
Amaz{\^o}nia, what suggests to be possible the use of this method
for monitoring cover disturbances activities in the Amaz{\^o}nia,
mainly in regions where the cloud covering is a problem.",
committee = "Valeriano, Dalton de Morison (presidente) and Freitas, Corina da
Costa (orientador) and Dutra, Luciano Vieira (orientador) and
Shimabukuro, Yosio Edemir and Mascarenhas, Nelson Delfim
D'{\'A}vila",
copyholder = "SID/SCD",
englishtitle = "Classification of land cover in the Tapaj{\'o}s National Forest
through texture measures of radar ERS images",
language = "pt",
pages = "164",
ibi = "8JMKD3MGP3W34T/48BJD9H",
url = "http://urlib.net/ibi/8JMKD3MGP3W34T/48BJD9H",
targetfile = "publicacao.pdf",
urlaccessdate = "18 jun. 2024"
}