1. Identificação | |
Tipo de Referência | Tese ou Dissertação (Thesis) |
Site | mtc-m21d.sid.inpe.br |
Código do Detentor | isadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S |
Identificador | QABCDSTQQW/46B5A2S |
Repositório | urlib.net/www/2022/02.08.11.28 |
Última Atualização | 2022:03.16.13.59.18 (UTC) administrator |
Repositório de Metadados | urlib.net/www/2022/02.08.11.28.40 |
Última Atualização dos Metadados | 2022:08.06.21.39.58 (UTC) administrator |
Chave Secundária | INPE-18531-TDI/3176 |
Chave de Citação | Corrêa:2022:ReSaSe |
Título | Reference sample selection for supervised classification of a lower resolution image aided by a higher resolution image |
Título Alternativo | Seleção de amostras de referência para classificação supervisionada de uma imagem de menor resolução auxiliada por uma imagem de maior resolução |
Curso | SER-SRE-DIPGR-INPE-MCTI-GOV-BR |
Ano | 2022 |
Data | 2021-12-16 |
Data de Acesso | 26 abr. 2024 |
Tipo da Tese | Dissertação (Mestrado em Sensoriamento Remoto) |
Tipo Secundário | TDI |
Número de Páginas | 199 |
Número de Arquivos | 1 |
Tamanho | 24013 KiB |
|
2. Contextualização | |
Autor | Corrêa, Sabrina Paes Leme Passos |
Banca | Körting, Thales Sehn (presidente) Dutra, Luciano Vieira (orientador) Lichti, Derek D’Arcy (orientador) Felgueiras, Carlos Alberto Soares, Marinalva Dias Maretto, Raian Varga |
Endereço de e-Mail | paeslemesa@gmail.com |
Universidade | Instituto Nacional de Pesquisas Espaciais (INPE) |
Cidade | São José dos Campos |
Histórico (UTC) | 2022-02-08 11:28:49 :: sabrina.correa@inpe.br -> pubtc@inpe.br :: 2022-03-16 14:02:30 :: pubtc@inpe.br -> simone :: 2022-03-16 14:05:27 :: simone :: -> 2022 2022-03-16 14:05:28 :: simone -> administrator :: 2022 2022-08-06 21:39:58 :: administrator -> :: 2022 |
|
3. Conteúdo e estrutura | |
É a matriz ou uma cópia? | é a matriz |
Estágio do Conteúdo | concluido |
Transferível | 1 |
Palavras-Chave | remote sensing supervised image classification reference data selection reference data quality spatial data quality sensoriamento remoto classificação supervisionada de imagens seleção de dados de referência qualidade de dados de referência controle de qualidade cartográfica |
Resumo | One crucial step in Remote Sensing analyses is the collection of reference samples, used either to train supervised classifiers or to assess the accuracy of results. Up to date, it is common for reference samples to be treated as the truth, mainly due to the lack of feasible ways to assess their quality. However, the increased availability of very high spatial resolution imagery may create new opportunities for such a task. This thesis aimed to study the effect of the quality of reference data in supervised image classification. For this, a methodology was proposed to define and assess the quality of reference data, using a higher-resolution image as an auxiliary data. A controlled situation was used, with the high-resolution image, first sampled (by average) to a much lower-resolution image (LR) and then using LR to be the working classification. In this way it was guaranteed that there were no geometric errors. Besides, reference pixel quality was defined in terms of the relative proportion of the land cover class inside the area of the LR pixel. The same set of classes were used to classify the high-resolution image and histograms of classes inside the LR pixel were evaluated. The class of the LR pixel is then assigned to the mode of this class histogram, provided that the mode is greater than 50% of total potential count inside the LR pixel. Then, sets of reference data, composed by those that met this minimum relative proportion criteria (i.e, 50%), were divided into training and test data using six different quality combinations (Setups) to be analysed. This study observed that the quality of reference data is a relevant factor for remote sensing analysis and for their respective spatial data quality; also, that the quality of test samples tends to be more influential to qualitative measures (thematic accuracy and kappa index) than the of the classifier itself. Finally, for this specific scenario, completeness analyses for classification accuracy, producer and user accuracy (related to omission and commission errors, respectively) played a more important role to represent the quality of an image than a thematic accuracy analyses. RESUMO: Um ponto trivial em análises em Sensoriamento Remoto é a coleção de amostras de referência usadas tanto para treinar classificadores supervisionados, quanto para avaliar a qualidade dos resultados da classificação. Até o momento, é comum tratar amostras de referência como verdade, principalmente devido a falta de formas práticas para avaliar essa qualidade. No entanto, o aumento da disponibilidade de imagens de altíssima resolução espacial pode criar novas oportunidades para esta tarefa. A partir disto, este documento teve como objetivo estudar o efeito da qualidade em dados de referência para classificação supervisionada de imagens. Para isso, uma metodologia foi proposta para definir a qualidade de dados de referência utilizando uma imagem de resolução mais alta como dado auxiliar. Uma situação controlada foi utilizada, onde a imagem de mais alta resolução foi reamostrada (por média) para uma imagem de mais baixa resolução (LR) de forma que LR foi usada como imagem a ser trabalhada nas análises. Desta forma, foi garantido que não houvesse erros geométricos de registro. Além disso, a qualidade de pixels de referência foi definida em termos de proporção relativa da classe de cobertura de terra dentro da área de um pixel LR. O mesmo grupo de classes de cobertura foi utilizado para classificar a imagem de mais alta resolução para se avaliar os histogramas das classes dentro de um pixel LR. Daí, as classes dentro de um pixel LR foram assinaladas para a moda do histograma daquela classe considerando que a moda tem frequência maior que 50% do total de pixels dentro de um pixel LR. Então, os conjuntos de dados de referência compostos por dados que tenham atingido o critério de mínima proporção relativa (i.e, 50%) foram divididos entre dados de treino e teste utilizando seis combinações de qualidade de dados de referência (Setups) para ser depois analisados. A partir disto, este estudo observou que a qualidade de dados de referência é um fator relevante em análises de sensoriamento remoto e para seu controle de dados cartográficos; ainda, que a qualidade de dados de teste tende a ser mais influente para medidas de acurácia temática (acurácia global e índice kappa) que o tipo de classificador utilizado. Por fim, para este cenário específico, elementos de completude, acurácia de produtor e do usuário (relacionadas aos erros de omissão e comissão, respectivamente) se mostraram peças mais importantes para representar a qualidade de uma imagem do que análises temática. |
Área | SRE |
Arranjo 1 | urlib.net > BDMCI > Fonds > Produção pgr ATUAIS > SER > Reference sample selection... |
Arranjo 2 | urlib.net > BDMCI > Fonds > Produção a partir de 2021 > CGCT > Reference sample selection... |
Conteúdo da Pasta doc | acessar |
Conteúdo da Pasta source | originais/@4primeirasPaginas.pdf | 08/03/2022 16:23 | 411.7 KiB | originais/Defesa.pdf | 11/02/2022 10:05 | 123.8 KiB | originais/Dissertation_Sabrina_corr5_organized.pdf | 08/02/2022 09:01 | 23.2 MiB | |
Conteúdo da Pasta agreement | |
|
4. Condições de acesso e uso | |
URL dos dados | http://urlib.net/ibi/QABCDSTQQW/46B5A2S |
URL dos dados zipados | http://urlib.net/zip/QABCDSTQQW/46B5A2S |
Idioma | en |
Arquivo Alvo | publicacao.pdf |
Grupo de Usuários | pubtc@inpe.br sabrina.correa@inpe.br simone |
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/2021/06.04.03.40.25 |
Unidades Imediatamente Superiores | 8JMKD3MGPCW/3F3NU5S 8JMKD3MGPCW/46KUATE |
Acervo Hospedeiro | urlib.net/www/2021/06.04.03.40 |
|
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 |
|