| 1. Identificação | ||||||||||
| Tipo de Referência | Tese ou Dissertação (Thesis) | |||||||||
| Site | mtc-m21c.sid.inpe.br | |||||||||
| Código do Detentor | isadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S | |||||||||
| Identificador | 8JMKD3MGP3W34R/3SUESRS | |||||||||
| Repositório | sid.inpe.br/mtc-m21c/2019/03.20.17.01 | |||||||||
| Última Atualização | 2019:06.17.17.18.18 (UTC) simone | |||||||||
| Repositório de Metadados | sid.inpe.br/mtc-m21c/2019/03.20.17.01.06 | |||||||||
| Última Atualização dos Metadados | 2019:07.08.17.27.16 (UTC) administrator | |||||||||
| Chave Secundária | INPE-18181-TDI/2869 | |||||||||
| Chave de Citação | Marujo:2019:GaFiOp | |||||||||
| Título | Gap filling of optical remote sensing multi-source data cube through multi-scale and multi-temporal segmentation  | |||||||||
| Título Alternativo | Preenchimento de lacunas em cubo de dados de sensoriamento remoto ótico multifonte por meio de segmentação multinível e segmentação multitemporal | |||||||||
| Curso | CAP-COMP-SESPG-INPE-MCTIC-GOV-BR | |||||||||
| Ano | 2019 | |||||||||
| Data | 2019-03-27 | |||||||||
| Data de Acesso | 03 maio 2024 | |||||||||
| Tipo da Tese | Tese (Doutorado em Computação Aplicada) | |||||||||
| Tipo Secundário | TDI | |||||||||
| Número de Páginas | 120 | |||||||||
| Número de Arquivos | 1 | |||||||||
| Tamanho | 10545 KiB | |||||||||
| 2. Contextualização | ||||||||||
| Autor | Marujo, Rennan de Freitas Bezerra | |||||||||
| Banca | Santos, Rafael Duarte Coelho dos (presidente) Fonseca, Leila Maria Garcia (orientadora) Sant'Anna, Sidnei João Siqueira Körting, Thales Sehn Boggione, Giovanni de Araujo Silva, Silvia Helena Modenese Gorla da | |||||||||
| Endereço de e-Mail | rennanmarujo@gmail.com | |||||||||
| Universidade | Instituto Nacional de Pesquisas Espaciais (INPE) | |||||||||
| Cidade | São José dos Campos | |||||||||
| Histórico (UTC) | 2019-03-20 17:02:12 :: rennan.marujo@gmail.com -> pubtc@inpe.br :: 2019-04-11 18:18:08 :: pubtc@inpe.br -> rennan.marujo@gmail.com :: 2019-05-08 19:55:16 :: rennan.marujo@gmail.com -> pubtc@inpe.br :: 2019-05-14 17:19:05 :: pubtc@inpe.br -> rennan.marujo@gmail.com :: 2019-05-14 18:04:22 :: rennan.marujo@gmail.com -> pubtc@inpe.br :: 2019-06-18 16:33:13 :: pubtc@inpe.br -> administrator :: 2019-07-08 12:02:46 :: administrator -> simone :: 2019-07-08 12:07:09 :: simone :: -> 2019 2019-07-08 12:07:10 :: simone -> administrator :: 2019 2019-07-08 17:27:16 :: administrator -> :: 2019 | |||||||||
| 3. Conteúdo e estrutura | ||||||||||
| É a matriz ou uma cópia? | é a matriz | |||||||||
| Estágio do Conteúdo | concluido | |||||||||
| Transferível | 1 | |||||||||
| Palavras-Chave | Time series analysis multi-source data cube gap-filling segmentation análise de séries temporais sensoriamento remoto multifonte cubo de dados preenchimento de lacunas segmentação | |||||||||
| Resumo | 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 solução promissora para suprimir a ausência de dados de observações da Terra em imagens multi-espectrais, devido principalmente pela presença de nuvens, sombra de nuvens, defeitos na aquisição de dados e imagens parciais, tem sido a integração de dados multi-sensor. Contudo, deve-se harmonizar os dados provenientes de diferentes sensores para que estes possam ser comparáveis entre sí, além de que, lacunas de dados devem ser consideradas. Neste contexto, na presente pesquisa propõe-se um procedimento para construir um cubo de dados multispectral, multifonte e livre de lacunas, que envolve harmonização e reconstrução de dados da superfície terrestre. Para tanto, foram testados dois procedimentos de harmonização, um baseado em regressão linear e o segundo baseado em modelo linear de mistura espectral. Além disso, propoe-se um procedimento espaço-temporal para preenchimento de lacunas que não requer referência prévia da área. Foram desenvolvidas duas abordagens para preenchimento de lacunas, aplicadas serialmente. A primeira abordagem visa aprimorar um método 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 regiões homogêneas obtidas por meio de segmentação multitemporal para preencher as lacunas restantes do cubo de dados. As estratégias de preenchimento de lacunas são aplicadas em dois cubos de dados de imagem em duas áreas 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 também 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 ponderação superou o método original para todas as bandas e apresentou R2 maior que 0,90 e um V IF com valores superiores a 0,97, enquanto manteve assintóticamente o custo computacional do algoritmo. As imagens resultantes utilizando o método proposto tiveram sua textura preservada, além de também ser capaz de detectar características estreitas nelas, por exemplo, estradas, áreas ribeirinhas e pequenos riachos. A segunda abordagem baseada na segmentação 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 áreas estimadas é afetada, resultando em um preenchimento homogêneo. As áreas resultantes no processo de harmonização e reconstrução 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. | |||||||||
| Área | COMP | |||||||||
| Arranjo | urlib.net > BDMCI > Fonds > Produção pgr ATUAIS > CAP > Gap filling of... | |||||||||
| Conteúdo da Pasta doc | acessar | |||||||||
| Conteúdo da Pasta source |
| |||||||||
| Conteúdo da Pasta agreement |
| |||||||||
| 4. Condições de acesso e uso | ||||||||||
| URL dos dados | http://urlib.net/ibi/8JMKD3MGP3W34R/3SUESRS | |||||||||
| URL dos dados zipados | http://urlib.net/zip/8JMKD3MGP3W34R/3SUESRS | |||||||||
| Idioma | en | |||||||||
| Arquivo Alvo | publicacao.pdf | |||||||||
| Grupo de Usuários | gabinete@inpe.br pubtc@inpe.br rennan.marujo@gmail.com | |||||||||
| Visibilidade | shown | |||||||||
| Licença de Direitos Autorais | urlib.net/www/2012/11.12.15.10 | |||||||||
| Permissão de Leitura | allow from all | |||||||||
| Permissão de Atualização | não transferida | |||||||||
| 5. Fontes relacionadas | ||||||||||
| Repositório Espelho | urlib.net/www/2017/11.22.19.04.03 | |||||||||
| Unidades Imediatamente Superiores | 8JMKD3MGPCW/3F2PHGS | |||||||||
| Lista de Itens Citando | sid.inpe.br/bibdigital/2013/10.12.22.16 1 | |||||||||
| Acervo Hospedeiro | urlib.net/www/2017/11.22.19.04 | |||||||||
| 6. Notas | ||||||||||
| Campos Vazios | academicdepartment affiliation archivingpolicy archivist callnumber contenttype copyholder creatorhistory descriptionlevel dissemination doi electronicmailaddress format group isbn issn label lineage mark nextedition notes number orcid parameterlist parentrepositories previousedition previouslowerunit progress readergroup resumeid rightsholder schedulinginformation secondarydate secondarymark session shorttitle sponsor subject tertiarymark tertiarytype url versiontype | |||||||||