@PhDThesis{Soares:2019:SeCoIm,
author = "Soares, Anderson Reis",
title = "Segmentador contextual de imagens {\'o}ticas baseado na teoria de
campos aleat{\'o}rios condicionais",
school = "Instituto Nacional de Pesquisas Espaciais (INPE)",
year = "2019",
address = "S{\~a}o Jos{\'e} dos Campos",
month = "2019-03-22",
keywords = "Segmenta{\c{c}}{\~a}o de imagens, processamento de imagens,
sensoriamento remoto, image segmentation, image processing, remote
sensing.",
abstract = "A segmenta{\c{c}}{\~a}o de imagens {\'e} um problema
fundamental no processamento de imagens e uma opera{\c{c}}{\~a}o
comum em Sensoriamento Remoto que tem sido amplamente utilizada,
especialmente na An{\'a}lise Geogr{\'a}fica de Imagens Baseadas
em Objetos. Neste trabalho, {\'e} proposto um novo m{\'e}todo de
segmenta{\c{c}}{\~a}o n{\~a}o supervisionado, baseado em campos
aleat{\'o}rios condicionais. O m{\'e}todo utiliza tr{\^e}s
n{\'{\i}}veis de informa{\c{c}}{\~a}o para a
segmenta{\c{c}}{\~a}o contextual: (1) obtido com uma
classifica{\c{c}}{\~a}o de pixel n{\~a}o supervisionada com o
algoritmo Fuzzy C-M{\'e}dias, em que o n{\'u}mero de grupos
{\'e} obtido usando uma abordagem baseada na morfologia
matem{\'a}tica; (2) a vizinhan{\c{c}}a 8- conectada do pixel; e
(3) de informa{\c{c}}{\~o}es contextuais atrav{\'e}s de
superpixel. O m{\'e}todo foi testado com 4 conjuntos de dados,
uma imagem multiespectral do WorldView-2, com 2 m de
resolu{\c{c}}{\~a}o espacial, uma imagem Quickbird com 60 cm de
resolu{\c{c}}{\~a}o espacial, uma imagem do sensor
OLI/Landsat-8, com 30 m de resolu{\c{c}}{\~a}o espacial e uma
imagem do sensor MUX/CBERS-4, com 20 m de resolu{\c{c}}{\~a}o
espacial. Os resultados foram avaliados com 6 medidas de qualidade
e seu desempenho foi comparado com outros algoritmos de
segmenta{\c{c}}{\~a}o de imagem que s{\~a}o usualmente
aplicados pela comunidade de Sensoriamento Remoto. Os resultados
indicam bom desempenho geral do algoritmo, alcan{\c{c}}ando
resultados similares aos de outros m{\'e}todos tradicionais
aplicados pela comunidade de sensoriamento remoto. ABSTRACT: Image
segmentation is a fundamental problem in image processing and a
common operation in Remote Sensing that has been widely used
especially on Geographic Object-Based Image Analysis. In this
paper, we propose a new unsupervised segmentation algorithm, that
is based on Conditional Random Fields. The method use three levels
of information: (1) obtained with an unsupervised pixel
classification with Fuzzy C-Means algorithm, in which the number
of groups is obtained using a straightforward approach; (2) the
8-connected neighborhood of a pixel; and (3) provision of context
information granted by a priori segmentation. The algorithm was
tested with 4 datasets, a WorldView-2 multispectral image, with 2
m of spatial resolution, a Quickbird image with 60cm of spatial
resolution, an image of OLI/Landsat- 8 sensor, with 30 m of
spatial resolution and an image of MUX/CBERS-4 sensor, with 20 m
of spatial resolution. The results were evaluated with 6 quality
measures, and the method performance was compared with other image
segmentation algorithms that are usually applied by the Remote
Sensing community. Results indicate a good overall performance of
the proposed method, reaching similar results to traditional
methods applied by the remote sensing community.",
committee = "Novo, Evlyn M{\'a}rcia Le{\~a}o de Moraes (presidente) and
Fonseca, Leila Maria Garcia (orientadora) and K{\"o}rting, Thales
Sehn (orientador) and Sant'Anna, Sidnei Jo{\~a}o Siqueira and
Feitosa, Raul Queiroz and Negri, Rog{\'e}rio Galante",
englishtitle = "Contextual segmentation method for optical remote sensing imagery
based on the theory of conditional random fields",
language = "pt",
pages = "179",
ibi = "8JMKD3MGP3W34R/3SUF3QH",
url = "http://urlib.net/ibi/8JMKD3MGP3W34R/3SUF3QH",
targetfile = "publicacao.pdf",
urlaccessdate = "26 abr. 2024"
}