Made available in DSpace on 2017-07-21T18:15:22Z (GMT). No. of bitstreams: 1 Dinameres Aparecida Antunes.pdf: 6452935 bytes, checksum: 42b0127ee41d759b5a9558135f9e818a (MD5) Previous issue date: 2015-03-04 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Our major goal is through GEOBIA (Geographic Object Based Image Analysis) obtain the characterization of use and land occupation in two different zones nearby Pitangui’s river, situated among the cities of Castro, Carambeí and Ponta Grossa, Paraná State. Nowadays that is a growing demand of remote sensing images with high spatial resolution. As a result, there is a need to create new methodologies for digital image processing. Here we can mention GEOBIA, which has some advantages, such as a polygon generation for each geographical object created, relational data base with several descriptors, as well as, the possibility to use spectral, spatial and texture information. Yet we have been used the Principal Components Analysis (PCA) and the Cluster Analysis (CA) in order to reduce the size of our training samples from the relational data base, which are trained by means of supervised classification. With this, we aim to select descriptors that could bring the best results for our classification. We have obtained different geographic object oriented supervised classifications, whereas the descriptors were selected from PCA, also from PCA together with CA, as well as, all descriptors have been selected from GEOBIA. We have concluded that the best results for the two work zones were obtain from the descriptors selected from PCA together with CA. In work zone 1 we have obtained 95,68% of general precision in the confusion matrix and 0,95 in the kappa index. While, in work zone 2 we have obtained 93,85% in the confusion matrix and 0,93 in the kappa index. These numbers are consider outstanding in the literature. With this, we show that descriptors selection for geographic object oriented classification is an important approach, since there are descriptors with redundant information that could mislead the classification result. / O objetivo desse trabalho foi mediante a GEOBIA (Geographic Object Based Image Analysis) caracterizar o uso e ocupação da terra em duas diferentes áreas no entorno do rio Pitangui, localizado entre os municípios de Castro, Carambeí e Ponta Grossa, Paraná. Devido à maior demanda de imagens de sensoriamento remoto com alta resolução espacial, há a necessidade de novas metodologias no processamento de imagem digital, pode-se citar a GEOBIA, que é análise orientada a objeto geográfico, que dentre as suas vantagens está a geração de polígonos para cada objeto geográfico criado e banco de dados relacional com diversos descritores, além de possibilitar o uso de informação espectral, espacial e de textura. A Análise de Componentes Principais (ACP) e Análise de Agrupamentos (AA) foram utilizadas com o objetivo de reduzir a dimensionalidade do banco de dados relacional das amostras de treinamento da classificação supervisionada e dessa forma, selecionar os descritores que proporcionassem melhores resultados para a classificação. Processou-se classificações supervisionadas orientadas a objetos utilizando descritores selecionados a partir da ACP, selecionados pela ACP mais AA, e todos os descritores gerados a partir da GEOBIA. Observou-se que os melhores resultados para ambas as áreas de estudo foram com os descritores selecionados pela ACP mais AA, que obtiveram na área de estudo 1 95,68% de precisão geral na matriz de confusão, e 0,95 no índice kappa, e para área de estudo 2 93,85% na matriz e 0,93 no índice kappa, valores considerados excelentes pela literatura, demonstrando que a seleção de descritores para a classificação orientada a objetos é pertinente, pois há descritores com informações redundantes que podem prejudicar o resultado final da classificação.

Submitted by Angela Maria de Oliveira (amolivei@uepg.br) on 2017-08-17T17:52:19Z No. of bitstreams: 2 license_rdf: 811 bytes, checksum: e39d27027a6cc9cb039ad269a5db8e34 (MD5) EvelaineBergerRibeiro.pdf: 3485617 bytes, checksum: 18e9091f3505473cbeee5bffb65a1467 (MD5) / Made available in DSpace on 2017-08-17T17:52:19Z (GMT). No. of bitstreams: 2 license_rdf: 811 bytes, checksum: e39d27027a6cc9cb039ad269a5db8e34 (MD5) EvelaineBergerRibeiro.pdf: 3485617 bytes, checksum: 18e9091f3505473cbeee5bffb65a1467 (MD5) Previous issue date: 2017-06-20 / Com as informações adquiridas das imagens capturadas pelo Sensoriamento Remoto e das técnicas disponíveis nos Sistemas de Informação Geográfica pode-se gerar mapeamentos temáticos para uso e cobertura do solo. Para isso, é realizada a classificação de imagens para definir as classes de interesse. Essa classificação pode ser feita pixel a pixel ou por regiões. Em imagens de alta resolução, como a Rapideye, é indicada a classificação por regiões. Esse método considera as informações do pixel e sua vizinhança, agrupando pixels com características semelhantes, formando as regiões. Portanto, recomenda-se aplicar o método da segmentação pela GEOBIA, que segmenta a imagem em regiões, visando extrair características espaciais, espectrais e de textura. Como resultado desse método, têm-se o vetor de regiões e o banco de dados relacional com os atributos (espaciais, espectrais e de textura). O presente trabalho teve como objetivo obter a classificação do uso e cobertura do solo da imagem Rapideye com banco de dados NoSQL orientado a grafos para análise dos atributos extraídos mediante a GEOBIA. A metodologia desenvolvida utilizou a Análise Multivariada para analisar os atributos resultantes da segmentação. Por meio do dendrograma foi possível a separação dos grupos de atributos (espaciais, espectrais e de textura), que foram utilizados para as consultas de busca por agrupamentos de regiões com características semelhantes no grafo formado pelo banco de dados NoSQL. As regiões foram classificadas de acordo com as classes de interesse definidas no processo de fotointerpretação, gerando a imagem classificada. Para validar o resultado, realizou-se a classificação da imagem da área de estudo pelos algoritmos Distância Mínima, Máxima Verossimilhança e KNN e a matriz de confusão. O algoritmo KNN apresentou melhor classificação, com índice kappa de 0,77 e então foi utilizada para comparação com a imagem classificada pelo banco de dados NoSQL, por meio da tabulação cruzada. O cruzamento dos dados mostrou que a imagem classificada pelo banco de dados NoSQL obteve resultados positivos. Conclui-se que a pesquisa alcançou os objetivos propostos apresentando resultados satisfatórios para o método desenvolvido para classificação do uso e cobertura do solo. / The information from images captured by Remote Sensing and the techniques available in the Geographic Information Systems, it is possible to generate thematic mappings for use and land cover. For this, the classification of images is realized to define interest classes. This classification can be done pixel by pixel or by regions. In high resolution images, such as Rapideye, classification by region is indicated. This method considers the information of the pixel and its neighborhood, grouping pixels with similar characteristics create the regions. Therefore, it is recommended to apply the GEOBIA segmentation method, which segments the image in regions to extract spatial, spectral and texture characteristics. As a result of this method, have the region vector and the relational database with the attributes (spatial, spectral and texture). The objective of this work was to obtain the classification of the use and coverage of the soil of the Rapideye image using the NoSQL database oriented to graphs to analyze the attributes extracted through GEOBIA. The developed methodology used the Multivariate Analysis to analyze the attributes resulting from the segmentation. The dendrogram it was possible to separate the groups of attributes (spatial, spectral and texture), which were used for the search queries by groupings of regions with similar characteristics in the graph formed by the NoSQL database. The regions were classified according to the interest classes defined in the photointerpretation process, generating the classified image. To validate the result, the image area of the study area was classified by the Minimum Distance, Maximum Likelihood and KNN algorithms and the confusion matrix. The KNN algorithm presented better classification, with a kappa index of 0.77 and was then used for comparison with the image classified by the NoSQL database, through cross tabulation. The cross-validation of the data showed that the image classified by the NoSQL database obtained positive results. It was concluded that the research reached the proposed objectives presenting satisfactory results for the method developed for classification of land use and land cover.

Made available in DSpace on 2014-06-11T19:22:25Z (GMT). No. of bitstreams: 0 Previous issue date: 2011-02-15Bitstream added on 2014-06-13T18:49:04Z : No. of bitstreams: 1 torrijoscadena_g_me_prud.pdf: 2866179 bytes, checksum: 72e4cd0bdc70c749eb5f98a106e0b51e (MD5) / A circulação de veículos na cidade de Bogotá, capital da Colômbia, é muito alta, principalmente por este ser o centro de convergência do sistema de transportes, além de ser o pólo comercial, cultural e industrial do país. Com o crescimento urbano e econômico da cidade, o número de veículos que trafega nela vem aumentando, ano após ano, principalmente na região metropolitana. Em decorrência desse aumento, está sendo observada a deterioração, cada vez maior, das vias urbanas da cidade, tornando necessário buscar alternativas que possam mitigar este problema. Neste contexto, a proposta central desta pesquisa é classificar os tipos de pavimentos das vias urbanas, de Bogotá, fazendo uso de ortoimagens fornecidas pelo Instituto Geográfico “Agustín Codazzi” da Colômbia, adquiridas com uma câmara Vexcel Ultracam-D... / The flow of vehicles in Bogotá, capital city of Colombia, is really intense, mainly for the city being the converging center of the transportation system, furthermore, being the countries’ commercial, cultural and industrial pole. Because of the urban and economic growth, the number of vehicles which are driven in that city have been increasing year after year, mainly in the metropolitan area. Due to this increase, it has been observed, each time more, the deterioration of urban ways, becoming necessary to look for alternatives which can reduce this problem. Within this context the main proposal of this research is to classify the types of pavements of Bogota’s urban ways. It’ll make use of orthoimages provided by the Geographical Institute “Agustín Codazzi” from Colombia. These picture were taken with a spacial resolution camera named Vexcel Ultracam-D ... (Complete abstract click electronic access below)

Orientador: Maria de Lourdes Bueno Trindade Galo / Banca: Alzir Felippe Buffara Antunes / Banca: Amilton Amorim / Resumo: A circulação de veículos na cidade de Bogotá, capital da Colômbia, é muito alta, principalmente por este ser o centro de convergência do sistema de transportes, além de ser o pólo comercial, cultural e industrial do país. Com o crescimento urbano e econômico da cidade, o número de veículos que trafega nela vem aumentando, ano após ano, principalmente na região metropolitana. Em decorrência desse aumento, está sendo observada a deterioração, cada vez maior, das vias urbanas da cidade, tornando necessário buscar alternativas que possam mitigar este problema. Neste contexto, a proposta central desta pesquisa é classificar os tipos de pavimentos das vias urbanas, de Bogotá, fazendo uso de ortoimagens fornecidas pelo Instituto Geográfico "Agustín Codazzi" da Colômbia, adquiridas com uma câmara Vexcel Ultracam-D ... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: The flow of vehicles in Bogotá, capital city of Colombia, is really intense, mainly for the city being the converging center of the transportation system, furthermore, being the countries' commercial, cultural and industrial pole. Because of the urban and economic growth, the number of vehicles which are driven in that city have been increasing year after year, mainly in the metropolitan area. Due to this increase, it has been observed, each time more, the deterioration of urban ways, becoming necessary to look for alternatives which can reduce this problem. Within this context the main proposal of this research is to classify the types of pavements of Bogota's urban ways. It'll make use of orthoimages provided by the Geographical Institute "Agustín Codazzi" from Colombia. These picture were taken with a spacial resolution camera named Vexcel Ultracam-D ... (Complete abstract click electronic access below) / Mestre

No description available.

O entendimento do espaço intraurbano das cidades requer a observação, identificação e compreensão da relação de padrões e formas espaciais para o desvendamento de seus conteúdos e compreensão dos processos que atuam na produção e reprodução do mesmo. Mapas temáticos de cobertura e uso da terra e de índices e indicadores sociais comumente são utilizados para adquirir informação sobre os padrões existentes na cidade, uma vez que são fontes de dados para a elaboração de diagnósticos, ordenamento e gestão dos territórios. Esta pesquisa tem como objetivo correlacionar à classificação de cobertura da terra intraurbana da cidade de Marília/SP elaborada a partir de imagens orbitais de alta resolução utilizando-se do método de análise de imagens baseada em objetos (GEOBIA) com os índices e indicadores sociais de qualidade de vida, qualidade ambiental, educacional e de nível socioeconômico para inferências sobre a qualidade de vida e a segregação socioespacial na cidade de Marília/SP. Para a espacialização e processamento dos dados quantitativos e qualitativos foram utilizadas técnicas de geoprocessamento, por meio do uso de um Sistema de Informações Geográficas, técnicas estatísticas e de sensoriamento remoto, que permitiram análises espaciais dos dados elaborados. Os resultados foram apresentados e a metodologia proposta demonstrou-se promissora para ser aplicada na atualização de informações do espaço intraurbano para subsidiar o planejamento urbano e a gestão territorial e consequentemente, contribuir para a melhoria da qualidade de vida da população. / The understanding of intraurban space in cities requires the observation and identification of the relationship between spatial patterns for the unveiling of its contents to understand the processes involved in the production and reproduction of these spaces. Thematic land cover/land use maps and social indicators maps are commonly used to acquire information on the existing spatial patterns, they are an important data source for land planning and management, and hence, are crucial in zoning projects. This research aims to correlate intraurban land cover classification maps from the city of Marília/SP developed from high resolution satellite images using the image analysis based on objects (GEOBIA) method with the indices and social indicators of quality of life, environmental quality, education and socioeconomic level for inferences about the quality of life and socio spatial segregation in the city of Marília/SP. For the spatial distribution and processing of the quantitative and qualitative data, geoprocessing techniques were applied, through the use of a Geographic Information System, statistical techniques and remote sensing, which allowed spatial analysis of data created. The results were presented and the proposed method was demonstrated promising to be applied in updating intraurban space information to support urban planning and land management and, consequently, contribute to improving the population\'s quality of life.

O entendimento do espaço intraurbano das cidades requer a observação, identificação e compreensão da relação de padrões e formas espaciais para o desvendamento de seus conteúdos e compreensão dos processos que atuam na produção e reprodução do mesmo. Mapas temáticos de cobertura e uso da terra e de índices e indicadores sociais comumente são utilizados para adquirir informação sobre os padrões existentes na cidade, uma vez que são fontes de dados para a elaboração de diagnósticos, ordenamento e gestão dos territórios. Esta pesquisa tem como objetivo correlacionar à classificação de cobertura da terra intraurbana da cidade de Marília/SP elaborada a partir de imagens orbitais de alta resolução utilizando-se do método de análise de imagens baseada em objetos (GEOBIA) com os índices e indicadores sociais de qualidade de vida, qualidade ambiental, educacional e de nível socioeconômico para inferências sobre a qualidade de vida e a segregação socioespacial na cidade de Marília/SP. Para a espacialização e processamento dos dados quantitativos e qualitativos foram utilizadas técnicas de geoprocessamento, por meio do uso de um Sistema de Informações Geográficas, técnicas estatísticas e de sensoriamento remoto, que permitiram análises espaciais dos dados elaborados. Os resultados foram apresentados e a metodologia proposta demonstrou-se promissora para ser aplicada na atualização de informações do espaço intraurbano para subsidiar o planejamento urbano e a gestão territorial e consequentemente, contribuir para a melhoria da qualidade de vida da população. / The understanding of intraurban space in cities requires the observation and identification of the relationship between spatial patterns for the unveiling of its contents to understand the processes involved in the production and reproduction of these spaces. Thematic land cover/land use maps and social indicators maps are commonly used to acquire information on the existing spatial patterns, they are an important data source for land planning and management, and hence, are crucial in zoning projects. This research aims to correlate intraurban land cover classification maps from the city of Marília/SP developed from high resolution satellite images using the image analysis based on objects (GEOBIA) method with the indices and social indicators of quality of life, environmental quality, education and socioeconomic level for inferences about the quality of life and socio spatial segregation in the city of Marília/SP. For the spatial distribution and processing of the quantitative and qualitative data, geoprocessing techniques were applied, through the use of a Geographic Information System, statistical techniques and remote sensing, which allowed spatial analysis of data created. The results were presented and the proposed method was demonstrated promising to be applied in updating intraurban space information to support urban planning and land management and, consequently, contribute to improving the population\'s quality of life.

Mobile Terrestrial LiDAR (MTL) is an active remote sensing technology that uses laser-based ranging and global positioning systems (GPS) to record 3D point location measurements on surfaces within and near transportation corridors, such as along a railroad track or a street. This thesis examines geovisualization for improving user-oriented workflows and also examines geographic object-based image analysis (GEOBIA) for the development of automated feature extraction. A LiDAR sensor-centric perspective during the data acquisition phase is used to organize data for the user and to transform the data into a 2D reference frame for object-oriented image analysis of MTL data. Organizing the display of MTL data relative to the scanner presented new opportunities for visualization techniques and was an effective method for communicating space that was scanned, or not, in an urban scene. It offers new avenues for quality assessment of MTL survey of urban environments by explicitly displaying gaps in data coverage. A number of techniques for navigating and visualizing data from a sensor-perspective are examined. A novel sensor-perspective transformation of MTL data from three to two dimensions enables analysis of MTL data in common GIS and image-processing environments. GEOBIA software (Definiens’ eCognition) is used to construct a procedural feature extraction workflow. The procedures are constructed with semantic classes, data processing rules and functions that drive geometric segmentation and feature recognition. Geometric regularities in urban scenes and knowledge about spatial and semantic relationships are incorporated into the rule set. The results are fluidly integrated back into a GIS environment. Investigation of alternative approaches to handling MTL data such as those carried out in this thesis are essential if this technology is to see widespread use. / Thesis (Master, Geography) -- Queen's University, 2011-05-24 13:10:15.198

[pt] O objetivo genérico desta tese foi o desenvolvimento de uma arquitetura computacional distribuída para a interpretação automática, baseada em objetos, de grandes volumes de dados de imagem de sensoriamento remoto, com foco na distribuição de dados e processamento em um ambiente de computação em nuvem. Dois objetivos específicos foram perseguidos: (i) o desenvolvimento de uma nova arquitetura distribuída para análise de imagens que é capaz de lidar com vetores e imagens ao mesmo tempo; e (ii) a modelagem e implementação de uma plataforma distribuída para a interpretação de grandes volumes de dados de sensoriamento remoto. Para validar a nova arquitetura, foram realizados experimentos com dois modelos de classificação – um de cobertura da terra e outro de uso do solo – sobre uma imagem QuickBird de uma área do município de São Paulo. Os modelos de classificação, propostos por Novack (Novack09), foram recriados usando as estruturas de representação do conhecimento da nova plataforma. Nos experimentos executados, a plataforma foi capaz de processar todo o modelo de classificação de cobertura da terra para uma imagem de 32.000x32.000 pixels (aproximadamente 3,81 GB), com aproximadamente 8 milhões de objetos de imagem (aproximadamente 23,2 GB), em apenas 1 hora, utilizando 32 máquinas em um serviço de nuvem comercial. Resultados igualmente interessantes foram obtidos para o modelo de classificação de uso do solo. Outra possibilidade de paralelismo oferecida pelas estruturas de representação de conhecimento da plataforma também foi avaliada. / [en] The general objective of this thesis was the development of a distributed computational architecture for the automatic, object-based interpretation of large volumes of remote sensing image data, focusing on data and processing distribution in a cloud computing environment. Two specific objectives were pursued: (i) the development of a novel distributed architecture for image analysis that is able to deal with vectors and rasters at the same time; and (ii) the design and implementation of an open-source, distributed platform for the interpretation of very large volumes of remote sensing data. In order to validate the new architecture, experiments were carried out using two classification models – land cover and land use – on a QuickBird image of an area of the São Paulo municipality. The classification models, proposed by Novack (Novack09), were recreated using the knowledge representation structures available in the new platform. In the executed experiments, the platform was able to process the whole land cover classification model on a 32,000x32,000-pixel image (approximately 3.81 GB), with approximately 8 million image objects (approximately 23.2 GB), in just one hour, using 32 machines in a commercial cloud computing service. Equally interesting results were obtained for the land use classification model. Another possibility of parallelism provided by the platform s knowledge representation structures was also evaluated.

<p>Three prescribed burn sites and seven selective timber harvest sites were surveyed using a UAS equipped with a PPK-triggered RGB sensor to determine optimal image collection parameters surrounding each type of disturbance and land cover. The image coordinates were corrected with a third-party base station network (CORS) after the flight, and photogrammetrically processed to produce high-resolution georeferenced orthomosaics. This addressed the first objective of this study, which was to <i>establish effective data procurement methods from both before and after planned </i>disturbances. <br></p><p>Orthomosaic datasets surrounding both a prescribed burn and a selective timber harvest, were used to classify land covers through geographic image-based analysis (GEOBIA). The orthomosaic datasets were segmented into image objects, before classification with a machine-learning algorithm. Land covers for the prescribed prairie burn were 1) bare ground, 2) litter, 3) green vegetation, and 4) burned vegetation. Land covers for the selective timber harvest were 1) mature canopy, 2) understory vegetation, and 3) bare ground. 65 samples per class were collected for prairie burn datasets, and 80 samples per class were collected for timber harvest datasets to train the classifier. A supported vector machines (SVM) algorithm was used to produce four land cover classifications for each site surrounding their respective planned disturbance. Pixel counts for each class were multiplied by the ground sampled distance (GSD) to obtain area calculations for land covers. Accuracy assessments were conducted by projecting 250 equalized stratified random (ESR) reference points onto the georeferenced orthomosaic datasets to compare the classification to the imagery through visual interpretation. This addressed the second objective of this study, which was to <i>establish effective data classification methods from both before and after planned </i>disturbances.<br></p><p>Finally, a two-tailed t-Test was conducted with the overall accuracies for each disturbance type and land cover. Results showed no significant difference in the overall accuracy between land covers. This was done to address the third objective of this study which was to <i>determine if a significant difference exists between the classification accuracies between planned disturbance types</i>. Overall, effective data procurement and classification parameters were established for both <i>before </i>and <i>after </i>two common types of <i>planned </i>disturbances within the CHF region, with slightly better results for prescribed burns than for selective timber harvests.<br></p>