Spelling suggestions: "subject:"image aclassification."" "subject:"image 1classification.""
201 |
Gestão Ambiental apoiada por SIG na estrada da Colônia, Ilha Grande (RJ): uma visão do futuro. / Environmental Management supported by GIS in road Cologne, Ilha Grande (RJ): a vision of the future.Najara Proença Marques Monteiro 04 May 2012 (has links)
Os SIG Sistemas de Informação Geográfica vêm sendo cada vez mais estudados como ferramentas facilitadoras de análises territoriais com o objetivo de subsidiar a gestão ambiental. A Ilha Grande, que pertence ao município de Angra dos Reis, localiza-se na baía de Ilha Grande no sul do estado do Rio de Janeiro e constitui-se no recorte espacial de análise. Apresenta uma dinâmica ambiental complexa que se sobrepõem principalmente aos usos de proteção ambiental e de atividade turística em uma porção do território em que as normatizações legais são difíceis de serem aplicadas, pois são reflexos de interesses que se manifestam em três esferas do poder a municipal, a estadual e a federal. O objetivo principal desta pesquisa é a realização do processamento digital de imagem para auxiliar a gestão territorial da Ilha Grande. Em foco, a estrada Abraão - Dois Rios, que liga Abraão (local de desembarque dos turistas, principal núcleo da Ilha) a Dois Rios (local de visitação por estudantes e pesquisadores, núcleo que abrigava o presídio, atualmente abriga sede do centro de pesquisa e museu da Universidade do Estado do Rio de Janeiro), ambos protegidos por diferentes categorias de unidades de conservação. A metodologia fundamenta-se no processamento digital de imagem através da segmentação e da classificação supervisionada por pixel e por região. O processamento deu-se a partir da segmentação (divisão de uma imagem digital em múltiplas regiões ou objetos, para simplificar e/ou mudar a representação de uma imagem) e dos processos de classificações de imagem, com a utilização de classificação por pixel e classificação por regiões (com a utilização do algoritmo Bhattacharya). As segmentações e classificações foram processadas no sistema computacional SPRING versão 5.1.7 e têm como objetivo auxiliar na análise de uso da Terra e projetar cenários a partir da identificação dos pontos focais de fragilidade encontrados ao longo da estrada Abraão-Dois Rios, propensos a ocorrências de movimentos de massa e que potencializam o efeito de borda da floresta e os impactos ambientais. A metodologia utilizada baseou-se em análise de campo e comparações de tecnologias de classificação de imagens. Essa estrada eixo de ligação entre os dois núcleos tem significativa importância na história da Ilha, nela circulam veículos, pesados e leves, de serviço, pedestres e turistas. Como resultados da presente foram gerados os mapas de classificação por pixel, os mapas de classificação por região, o mapa fuzzy com a intersecção dos mapas de classificação supervisionada por região e os mapas com os locais coletados em campo onde são verificadas ocorrências de movimentos de massa nas imagens ALOS, 2000, IKONOS, 2003 e ortofotografias, 2006. Esses mapas buscam servir de apoio à tomada de decisões por parte dos órgãos locais responsáveis. / GIS - Geographic Information Systems - have been increasingly studied as tools that facilitate analysis of territorial order to subsidize environmental management. The Big Island, which belongs to the municipality of Angra dos Reis, located in the Bay of Ilha Grande in the southern state of Rio de Janeiro and constitutes the spatial area of analysis. Presents a complex dynamic environment that overlap mainly the uses of environmental protection and tourism activity in a portion of the territory in which legal norms are difficult to apply because they are reflections of interests manifested in three spheres of power - the municipal the state and federal levels. The main objective of this research is the realization of digital image processing to assist territorial management of the Big Island. Focus on the road Abraham - Two Rivers, linking Abraham (landing place for tourists, the main core of the Island) at Two Rivers (site visits by students and researchers, the core that housed the prison currently houses the headquarters of the research center museum and the State University of Rio de Janeiro), both protected by different categories of conservation units. The methodology is based on digital image processing via supervised classification and segmentation by pixel and region. The process occurred from the segmentation (division of a digital image into multiple regions or objects to simplify and / or change the representation of an image) and the image classification process, using pixel classification by classification, and By regions (using the algorithm Bhattacharya). The segmentations and classifications were processed in the computer system SPRING version 5.1.7 and aim to assist in analyzing the usage scenarios and design earth from the identification of the focal points of weakness found along the road Abraham-Two Rivers, prone to occurrences mass movements and to potentiate the effect of forest edge and environmental impacts. The methodology used was based on field analysis and comparisons of technologies for image classification. This road axis connecting the two cores have significant importance in the history of the island, it circulating vehicles, light and heavy, service, pedestrians and tourists. As a result of this the maps were generated by pixel classification, the classification by region maps, map of the intersection with fuzzy supervised classification maps by region and maps with the locations where they are collected in the field verified occurrence of mass movements in ALOS, 2000, IKONOS, 2003 and orthophotos, 2006. These maps seek to serve to support decision-making by local bodies responsible.
|
202 |
Detecção de mudanças no uso e na cobertura do solo em uma série temporal de imagens da Região da Campanha do Rio Grande do SulKiel, Roberto January 2008 (has links)
A detecção de mudanças no uso e na cobertura do solo pode ser considerada a função do sensoriamento remoto que agrega uma dimensão temporal à análise das informações contidas nas imagens. Ao confrontá-las duas a duas, para identificar, localizar e qualificar as transformações que ocorreram na cobertura e no uso do solo em determinados espaço e tempo, através das respostas espectrais registradas nos pares de pixels homólogos quando aplicados limiares que permitam distinguir entre a mudança e a não mudança. A análise ponto a ponto, ou instante a instante permite inferir sobre a quantidade e qualidade das mudanças detectadas em uma região durante um determinado período. Já a análise comparativa entre dois ou mais destes resultados, utilizando uma série temporal de imagens, permite inferir acerca da dinâmica das transformações em vários outros aspectos; como topologia, intensidade, tipo de mudança (substituição ou conversão) e taxa de mudança. São várias as técnicas disponíveis para a detecção de mudanças no uso e cobertura do solo a partir de imagens digitais, obtidas por sensores orbitais, dois grandes grupos podem ser propostos: técnicas de pré-classificação e de pós-classificação, diferindo fundamentalmente sobre quais produtos são aplicados os limiares da detecção das mudanças, se sobre produtos temáticos da classificação de imagens, ou se sobre imagens diretamente. Este trabalho utiliza técnicas de detecção baseadas em subtração de imagens de ambos os grupos, especificamente, a pós-classificação por máxima verossimilhança e da pré-classificação, por Índice de Vegetação por Diferença Normalizada (NDVI) e por Transformada Kauth-Thomas (KT), nesse caso o componente de verdor. Visa avaliar a sensibilidade e adequação destas técnicas para a análise das transformações ocorridas no uso e da cobertura do solo durante os dois períodos de comparação: 1988 a 2001 e 2001 a 2006 e no conjunto dos 18 anos, na captação das tendências das transformações deste ambiente da Campanha Sul do Estado do Rio Grande do Sul, que é majoritariamente rural, muito dinâmico e bastante heterogêneo. Considerando que durante o período abrangido neste trabalho, grandes fazendas tradicionais de pecuária, em um primeiro momento, foram convertidas para agricultura familiar através da criação intensiva de assentamentos da reforma agrária, ocorrida entre a metade dos anos 80 e a metade dos anos 90, mais recentemente, substituídas por plantios florestais da indústria do papel. Os resultados permitiram confrontar os tratamentos e verificar as acurácias das detecções e identificar as principais dificuldades, em especial, o efeito da fenologia nas diversas fases em que se apresentam nas substituições florestais de ciclos longos. A dificuldade da técnica KT, em lidar com plantios semi-perenes e perenes, a impossibilidade de se considerar áreas cobertas em algum momento por nuvens. Por fim, corrobora com a inviabilidade do estabelecimento a priori da melhor técnica, ou mesmo, daquela mais acurada, sem que sejam considerados plenamente os objetivos, a escala, a natureza do ambiente analisado e as classes de mudança estabelecidas para o trabalho, além da qualidade das imagens disponíveis. / The detection of alterations in land use and cover can be considered as being an operation in Remote Sensing which adds a time dimension to the analysis of information in images. This is done when images are compared, by groups of two, at certain space and time looking for spectral responses stored in pairs of homologous pixels, through the application of thresholds which lead to the differentiation between change and non-change. A point-to-point, or instant-to-instant analysis, permits to infer on the amount and quality of alterations detected in a region, during a certain period. The comparative analysis between two or more of these results, via a time series of images, informs on the dynamics of transformations in other aspects, as topology, intensity, kind of change (substitution or conversion), and change rate. Several techniques are available to detect alterations in land use and cover, from digital images collected by orbital sensors. Two larger groups can be highlighted: preclassification techniques, and post-classification techniques. They differ basically on over which products the thresholds defining changes are applied, these products being either thematic ones for image classification, or the image itself. This work uses detection techniques based on image subtraction of both groups. Pre-classification uses the Normalized Difference Vegetation Index (NDVI) and the Kauth-Thomas Transform (KT), the green index in this last case. Post-classification uses the Maximum Likelihood. The objective is to estimate the sensitivity and adequacy of these techniques for the detection and analysis of changes in land use and cover during two comparison periods: the first one is from 1988 to 2001; the second, from 2001 to 2006. Besides, the whole 18-years period is studied to detect tendencies of the transformation of the region. The study area is at the Campanha Sul region, at Rio Grande do Sul State Brazil. It is largely rural, heterogeneous and dynamic, since during the period covered (1988-2006) large estates where either converted into smaller properties, family-managed; though an intensive policy of agrarian reform (from the mid-eighties to the mid-nineties), or, more recently, by industrial-style cultures of forests to serve the paper industry. The results allowed comparing the different treatments and to verify the accuracy of detections. The main difficulties were the phonological cycles, the various phases of long-cycle artificial forests, the limitations of the KT technique to handle semi-perennial cultures, and cloud-covered areas. It was not possible to clearly define the better or more accurate technique; this definition depends of specific objectives, of the scale and nature of the study region, and of the classes of change being analyzed, besides of the quality of available images.
|
203 |
Classification d'images et localisation d'objets par des méthodes de type noyau de Fisher / Fisher kernel based models for image classification and object localizationCinbis, Ramazan Gokberk 22 July 2014 (has links)
Dans cette thèse, nous proposons des modèles et des méthodes dédiés à des taches de compréhension de l'image. En particulier, nous nous penchons sur des approches de type noyau de Fisher pour la classification d'images et la localisation d'objets. Nos études se répartissent en trois chapitres. En premier lieu, nous proposons de nouveaux descripteurs d'images construits sur des modèles non-iid de l'image. Notre point de départ est l'observation que les régions locales d'une image sont souvent supposées indépendentes et identiquement distribuées (iid) dans les modèles de type sacs-de-mots (SdM). Nous introduisons des modèles non-iid en traitant les paramètres du SdM comme des variables latentes, ce qui rend interdépendantes toutes les régions locales. En utilisant le noyau de Fisher, nous encodons une image par le gradient de sa log-vraisemblance par rapport aux hyper-paramètres du modèle. Notre représentation implique naturellement une invariance à certaines transformations, ce qui explique pourquoi de telles approches ont été courronnées de succès. En utilisant l'inférence variationnelle, nous étendons le modèle de base pour inclure un mélange de gaussiennes sur les descripteurs locaux, et un modèle latent de sujets pour capturer la structure co-occurente des mots visuels. Dans un second temps, nous présentons un système de détection d'objet reposant sur la représentation haute-dimension d'images par le vecteur de Fisher. Pour des raisons de complexité en temps et en espace, nous utilisons une méthode récente à base de segmentation pour engendrer des hypothèses de détection indépendantes des classes, ainsi que des techniques de compression. Notre principale contribution est une méthode pour produire des masques de segmentation potentiels, afin de supprimer le bruit du descripteur dû à l'arrière plan. Nous montrons que repondérer les descripteurs locaux de l'image en fonction de ces masques améliore significativement la performance en détection. Troisièmement, nous proposons une approche semi-supervisée pour la localisation d'objets. L'entrainement supervisé usuel de détecteurs d'objets nécessite l'annotation de boites englobantes des instances de ces objets. Ce processus coûteux est évité en apprentissage semi-supervisé, lequel ne nécessite que des étiquettes binaires indiquant la présence ou l'absence des objets. Nous suivons une approche d'apprentissage à instance multiple en alterne itérativement entre entrainer un détecteur et inférer les positions des objets. Notre contribution principale est une procédure multi-état d'apprentissage à instance multiple, qui évite à l'apprentissage de se focaliser prématurément sur des positions d'objets erronnées. Nous montrons que cette procédure est particulièrement importante lorsque des représentations haute-dimensions comme le vecteur de Fisher sont utilisées. Pour finir, nous présentons dans l'appendice de cette thèse notre travail sur l'identification de personnes dans des vidéos télévision non-contrôlées. Nous montrons qu'une distance adaptée au casting peut être apprise sans étiqueter d'exemple d'apprentissage, mais en utilisant des paires de visages au sein d'un même chemin et sur plusieurs chemins se chevauchant temporellement. Nous montrons que la métrique apprise améliore l'identification de chemins de visages, la reconnaissance et les performances en regroupement. / In this dissertation, we propose models and methods targeting image understanding tasks. In particular, we focus on Fisher kernel based approaches for the image classification and object localization problems. We group our studies into the following three main chapters. First, we propose novel image descriptors based on non-i.i.d. image models. Our starting point is the observation that local image regions are implicitly assumed to be identically and independently distributed (i.i.d.) in the bag-of-words (BoW) model. We introduce non-i.i.d. models by treating the parameters of the BoW model as latent variables, which renders all local regions dependent. Using the Fisher kernel framework we encode an image by the gradient of the data log-likelihood with respect to model hyper-parameters. Our representation naturally involves discounting transformations, providing an explanation of why such transformations have proven successful. Using variational inference we extend the basic model to include Gaussian mixtures over local descriptors, and latent topic models to capture the co-occurrence structure of visual words. Second, we present an object detection system based on the high-dimensional Fisher vectors image representation. For computational and storage efficiency, we use a recent segmentation-based method to generate class-independent object detection hypotheses, in combination with data compression techniques. Our main contribution is a method to produce tentative object segmentation masks to suppress background clutter in the features. We show that re-weighting the local image features based on these masks improve object detection performance significantly. Third, we propose a weakly supervised object localization approach. Standard supervised training of object detectors requires bounding box annotations of object instances. This time-consuming annotation process is sidestepped in weakly supervised learning, which requires only binary class labels that indicate the absence/presence of object instances. We follow a multiple-instance learning approach that iteratively trains the detector and infers the object locations. Our main contribution is a multi-fold multiple instance learning procedure, which prevents training from prematurely locking onto erroneous object locations. We show that this procedure is particularly important when high-dimensional representations, such as the Fisher vectors, are used. Finally, in the appendix of the thesis, we present our work on person identification in uncontrolled TV videos. We show that cast-specific distance metrics can be learned without labeling any training examples by utilizing face pairs within tracks and across temporally-overlapping tracks. We show that the obtained metrics improve face-track identification, recognition and clustering performances.
|
204 |
Gestão Ambiental apoiada por SIG na estrada da Colônia, Ilha Grande (RJ): uma visão do futuro. / Environmental Management supported by GIS in road Cologne, Ilha Grande (RJ): a vision of the future.Najara Proença Marques Monteiro 04 May 2012 (has links)
Os SIG Sistemas de Informação Geográfica vêm sendo cada vez mais estudados como ferramentas facilitadoras de análises territoriais com o objetivo de subsidiar a gestão ambiental. A Ilha Grande, que pertence ao município de Angra dos Reis, localiza-se na baía de Ilha Grande no sul do estado do Rio de Janeiro e constitui-se no recorte espacial de análise. Apresenta uma dinâmica ambiental complexa que se sobrepõem principalmente aos usos de proteção ambiental e de atividade turística em uma porção do território em que as normatizações legais são difíceis de serem aplicadas, pois são reflexos de interesses que se manifestam em três esferas do poder a municipal, a estadual e a federal. O objetivo principal desta pesquisa é a realização do processamento digital de imagem para auxiliar a gestão territorial da Ilha Grande. Em foco, a estrada Abraão - Dois Rios, que liga Abraão (local de desembarque dos turistas, principal núcleo da Ilha) a Dois Rios (local de visitação por estudantes e pesquisadores, núcleo que abrigava o presídio, atualmente abriga sede do centro de pesquisa e museu da Universidade do Estado do Rio de Janeiro), ambos protegidos por diferentes categorias de unidades de conservação. A metodologia fundamenta-se no processamento digital de imagem através da segmentação e da classificação supervisionada por pixel e por região. O processamento deu-se a partir da segmentação (divisão de uma imagem digital em múltiplas regiões ou objetos, para simplificar e/ou mudar a representação de uma imagem) e dos processos de classificações de imagem, com a utilização de classificação por pixel e classificação por regiões (com a utilização do algoritmo Bhattacharya). As segmentações e classificações foram processadas no sistema computacional SPRING versão 5.1.7 e têm como objetivo auxiliar na análise de uso da Terra e projetar cenários a partir da identificação dos pontos focais de fragilidade encontrados ao longo da estrada Abraão-Dois Rios, propensos a ocorrências de movimentos de massa e que potencializam o efeito de borda da floresta e os impactos ambientais. A metodologia utilizada baseou-se em análise de campo e comparações de tecnologias de classificação de imagens. Essa estrada eixo de ligação entre os dois núcleos tem significativa importância na história da Ilha, nela circulam veículos, pesados e leves, de serviço, pedestres e turistas. Como resultados da presente foram gerados os mapas de classificação por pixel, os mapas de classificação por região, o mapa fuzzy com a intersecção dos mapas de classificação supervisionada por região e os mapas com os locais coletados em campo onde são verificadas ocorrências de movimentos de massa nas imagens ALOS, 2000, IKONOS, 2003 e ortofotografias, 2006. Esses mapas buscam servir de apoio à tomada de decisões por parte dos órgãos locais responsáveis. / GIS - Geographic Information Systems - have been increasingly studied as tools that facilitate analysis of territorial order to subsidize environmental management. The Big Island, which belongs to the municipality of Angra dos Reis, located in the Bay of Ilha Grande in the southern state of Rio de Janeiro and constitutes the spatial area of analysis. Presents a complex dynamic environment that overlap mainly the uses of environmental protection and tourism activity in a portion of the territory in which legal norms are difficult to apply because they are reflections of interests manifested in three spheres of power - the municipal the state and federal levels. The main objective of this research is the realization of digital image processing to assist territorial management of the Big Island. Focus on the road Abraham - Two Rivers, linking Abraham (landing place for tourists, the main core of the Island) at Two Rivers (site visits by students and researchers, the core that housed the prison currently houses the headquarters of the research center museum and the State University of Rio de Janeiro), both protected by different categories of conservation units. The methodology is based on digital image processing via supervised classification and segmentation by pixel and region. The process occurred from the segmentation (division of a digital image into multiple regions or objects to simplify and / or change the representation of an image) and the image classification process, using pixel classification by classification, and By regions (using the algorithm Bhattacharya). The segmentations and classifications were processed in the computer system SPRING version 5.1.7 and aim to assist in analyzing the usage scenarios and design earth from the identification of the focal points of weakness found along the road Abraham-Two Rivers, prone to occurrences mass movements and to potentiate the effect of forest edge and environmental impacts. The methodology used was based on field analysis and comparisons of technologies for image classification. This road axis connecting the two cores have significant importance in the history of the island, it circulating vehicles, light and heavy, service, pedestrians and tourists. As a result of this the maps were generated by pixel classification, the classification by region maps, map of the intersection with fuzzy supervised classification maps by region and maps with the locations where they are collected in the field verified occurrence of mass movements in ALOS, 2000, IKONOS, 2003 and orthophotos, 2006. These maps seek to serve to support decision-making by local bodies responsible.
|
205 |
Classifica??o de imagens de ambientes coralinos: uma abordagem empregando uma combina??o de classificadores e m?quina de vetor de suporteHenriques, Ant?nio de P?dua de Miranda 08 August 2008 (has links)
Made available in DSpace on 2014-12-17T14:54:48Z (GMT). No. of bitstreams: 1
AntonioPMH.pdf: 3481703 bytes, checksum: 60ec6cc8df48e68b6c13c12104d289d6 (MD5)
Previous issue date: 2008-08-08 / Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior / The use of the maps obtained from remote sensing orbital images submitted to digital processing became fundamental to optimize conservation and monitoring actions of the coral reefs. However, the accuracy reached in the mapping of submerged areas is limited by variation of the water column that degrades the signal received by the orbital sensor and introduces errors in the final result of the classification. The limited capacity of the traditional methods based on conventional statistical techniques to solve the problems related to the inter-classes took the search of alternative strategies in the area of the Computational Intelligence. In this work an ensemble classifiers was built based on the combination of Support
Vector Machines and Minimum Distance Classifier with the objective of classifying remotely sensed images of coral reefs ecosystem. The system is composed by three stages, through which the progressive refinement of the classification process happens. The patterns that received an ambiguous classification in a certain stage of the process were revalued in the subsequent stage. The prediction non ambiguous for all the data happened through the reduction
or elimination of the false positive. The images were classified into five bottom-types: deep water; under-water corals; inter-tidal corals; algal and sandy bottom. The highest overall accuracy (89%) was obtained from SVM with polynomial kernel. The accuracy of the classified image was compared through the use of error matrix to the results obtained by the application of other classification methods based on a single classifier (neural network and the k-means algorithm). In the final, the comparison of results achieved demonstrated the potential of the ensemble classifiers as a tool of classification of images from submerged areas subject to the noise caused by atmospheric effects and the water column / A utiliza??o de mapas, derivados da classifica??o de imagens de sensores remotos orbitais, tornou-se de fundamental import?ncia para viabilizar a??es de conserva??o e monitoramento de recifes de corais. Entretanto, a acur?cia atingida no mapeamento dessas ?reas ? limitada pelo efeito da varia??o da coluna d ?gua, que degrada o sinal recebido pelo sensor orbital e introduz erros no resultado final do processo de classifica??o. A limitada capacidade dos m?todos tradicionais, baseados em t?cnicas estat?sticas convencionais, para resolver este tipo de problema determinou a investiga??o de uma estrat?gia ligada ? ?rea da Intelig?ncia Computacional. Neste trabalho foi constru?do um conjunto de classificadores baseados em M?quinas de Vetor de Suporte e classificador de Dist?ncia M?nima, com o objetivo de classificar imagens de sensoriamento remoto de ecossistema de recifes de corais. O sistema ? composto por tr?s est?gios, atrav?s dos quais acontece o refinamento progressivo do processo de
classifica??o. Os padr?es que receberam uma classifica??o amb?gua em uma determinada etapa do processo s?o reavaliados na etapa posterior. A predi??o n?o amb?gua para todos os dados aconteceu atrav?s da redu??o ou elimina??o dos falsos positivos. As imagens foram classificadas em cinco tipos de fundos: ?guas profundas, corais submersos, corais intermar?s, algas e fundo arenoso. A melhor acur?cia geral (89%) foi obtida quando foram utilizadas M?quinas de Vetor de Suporte com kernel polinomial. A acur?cia das imagens classificadas foi comparada, atrav?s da utiliza??o de matriz de erro, aos resultados alcan?ados pela aplica??o de outros m?todos de classifica??o baseados em um ?nico classificador (redes neurais e o algoritmo k-means). Ao final, a compara??o dos resultados alcan?ados demonstrou o potencial do conjunto de classificadores como instrumento de classifica??o de imagens de ?reas submersas, sujeitas aos ru?dos provocados pelos efeitos atmosf?ricos e da coluna d ?gua
|
206 |
Mudanças do uso e cobertura do solo no refúgio da vida silvestre Banhado dos Pachecos e entornoNeves, Daniel Duarte das January 2018 (has links)
As Unidades de Conservação (UC) são espaços territoriais com características naturais relevantes, que têm a função de assegurar a representatividade de amostras significativas e ecologicamente viáveis das diferentes populações, habitats e ecossistemas. A Legislação Brasileira instituiu no ano de 2000 o Sistema Nacional de Unidades de Conservação da Natureza (SNUC). Dentre os diversos ambientes encontrados em território nacional, o Pampa tem uma representatividade de apenas 0,4% de sua área protegida, conforme consta no SNUC. O Refúgio da Vida Silvestre Banhado dos Pachecos (RVSBP) é uma UC de proteção integral estadual, localizada no Rio Grande do Sul e no Bioma Pampa, com uma área de 2.560 ha e representa cerca de 3,5% de todas as UC’s de proteção integral desse bioma. O RVSBP criada no ano de 2002, e ainda não possui plano de manejo, bem como carece de maiores investimentos e atenção. O uso de imagens de satélites como subsídio aos estudos ambientais já está consolidado e a interpretação destas imagens, a partir de diversos métodos, para classificar o uso e cobertura da terra, tem se tornado uma constante, munindo os pesquisadores de informações dos diversos processos que possam estar ocorrendo em uma determinada área de estudo, inclusive monitorando as mudanças ao longo do tempo. Os objetivos desta dissertação são os de verificar as mudanças no uso e cobertura do solo ocorridas entre 2001 e 2017 no RVSBP e em seu entorno direto de 10km, baseando-se na análise de imagens de satélite. Para tanto serão mapeadas as classes de uso e cobertura do solo, a partir de imagens dos satélites LANDSAT 5 – Sensor TM, LANDSAT 7 – Sensor ETM+ e LANDSAT 8 – Sensor OLI, para os anos de 2001, 2009 e 2017. O método de detecção das mudanças no uso e cobertura do solo aplicada foi a técnica de comparação pós-classificação para uma melhor compreensão das interações entre os fenômenos naturais e as atividades humanas. Essa técnica foi aplicada para os períodos de 2001 a 2009, de 2009 a 2017 e de 2001 a 2017. Para o período de 2001 a 2009 as mudanças ocorreram em 17,5% da área de estudo e em 19,9% do RVSBP. Para o período de 2009 a 2017 as mudanças ocorreram em 22,8% da área de estudo e em 23,9% do RVSBP. Para o período de 2001 a 2017 as mudanças ocorreram em 24% da área de estudo e em 32% do RVSBP. Dentre esses 32% a classe que apresentou os maiores acréscimos de área foram as classes de Agricultura – Arroz e de Associação de Sítio e produtores rurais, que respectivamente compreendem áreas de 410 hectares e de 135 hectares. As classes que foram mais impactadas com perda de área foram as classes Banhado e Vegetação Arbórea, que respectivamente compreendem áreas de 435 hectares e de 173 hectares. A análise de detecção de mudanças se mostrou efetiva como uma forma de monitoramento sistemático do uso e cobertura do solo do RVSBP e entorno, trazendo elementos importantes para a gestão da UC. / Conservation Units (UC) are territorial spaces with relevant natural characteristics, which have a role of ensuring the representativeness of significant and ecologically viable samples of different populations, habitats and ecosystems. Brazilian legistlation established in 2000 the National System of Nature Conservation Units (SNUC). Among the several environments found in the national territory, the Pampa has a representation of only 0,4% of its own protected area, according to SNUC. The Wildlife Refuge Banhado dos Pachecos (RVSBP) is a state UC of integral protection, located in Rio Grande do Sul and Bioma Pampa, with 2.560 ha and comprises about 3,5% of all integral protection UC of this biome. RVSBP was created in 2002, still does not have a management plan, and lacks greater investments and attention. The use of satellite images to suppott environmental studies is already consolidate and the interpretation of these images, using different methods, to classify land and use cover, has become a constant, providing researchers with information on the various processes that may be occurring in a particular study area, including monitoring changes over time. The objective of this dissertation is to verify the changes in the land use and cover occurred between 2001 and 2017 in RVSBP and in its surrounds of 10km, based on the analysis of satellite images. Therefore, the land and use coverage classes were mapped using images from the LANDSAT 5 - Sensor TM, LANDSAT 7 - ETM + and LANDSAT 8 - OLI Sensor, for the years 2001, 2009 and 2017. The method of detecting changes in land use and cover was the post-classification comparison technique for a better understanding of the interactions between natural phenomena and human activities. This technique was applied for the periods from 2001 to 2009, from 2009 to 2017, and from 2001 to 2017. For the period 2001 to 2009 the changes occurred in 17,5% of the whole study area and in 19,9% of RVSBP. For the period from 2009 to 2017, changes occurred in 22,8% of the whole study area and 23,9% of RVSBP. For the period from 2001 to 2017, changes occurred in 24% of the whole study area and 32% of RVSBP. Among these 32%, the class with the greatest increases in area were Agriculture – Rice crops and Site Association of Rural Producers, which respectively comprises areas of 410 hectares and 135 hectares. The classes that were most impacted with loss of area were the class Weands and Arboreal Vegetation, which respectively comprise areas of 435 and 173 hectares. The change detection analysis was effective as a way of systematically monitoring the land use and coverage of RVSBP and surroundings, bringing important elements to the management of the UC.
|
207 |
Organ Detection and Localization in Radiological Image VolumesLinder, Tova, Jigin, Ola January 2017 (has links)
Using Convolutional Neural Networks for classification of images and for localization and detection of objects in images is becoming increasingly popular. Within radiology a huge amount of image data is produced and meta data containing information of what the images depict is currently added manually by a radiologist. To aid in streamlining physician’s workflow this study has investigated the possibility to use Convolutional Neural Networks (CNNs) that are pre-trained on natural images to automatically detect the presence and location of multiple organs and body-parts in medical CT images. The results show promise for multiclass classification with an average precision 89.41% and average recall 86.40%. This also confirms that a CNN that is pre-trained on natural images can be succesfully transferred to solve a different task. It was also found that adding additional data to the dataset does not necessarily result in increased precision and recall or decreased error rate. It is rather the type of data and used preprocessing techniques that matter.
|
208 |
Detecção de mudanças no uso e na cobertura do solo em uma série temporal de imagens da Região da Campanha do Rio Grande do SulKiel, Roberto January 2008 (has links)
A detecção de mudanças no uso e na cobertura do solo pode ser considerada a função do sensoriamento remoto que agrega uma dimensão temporal à análise das informações contidas nas imagens. Ao confrontá-las duas a duas, para identificar, localizar e qualificar as transformações que ocorreram na cobertura e no uso do solo em determinados espaço e tempo, através das respostas espectrais registradas nos pares de pixels homólogos quando aplicados limiares que permitam distinguir entre a mudança e a não mudança. A análise ponto a ponto, ou instante a instante permite inferir sobre a quantidade e qualidade das mudanças detectadas em uma região durante um determinado período. Já a análise comparativa entre dois ou mais destes resultados, utilizando uma série temporal de imagens, permite inferir acerca da dinâmica das transformações em vários outros aspectos; como topologia, intensidade, tipo de mudança (substituição ou conversão) e taxa de mudança. São várias as técnicas disponíveis para a detecção de mudanças no uso e cobertura do solo a partir de imagens digitais, obtidas por sensores orbitais, dois grandes grupos podem ser propostos: técnicas de pré-classificação e de pós-classificação, diferindo fundamentalmente sobre quais produtos são aplicados os limiares da detecção das mudanças, se sobre produtos temáticos da classificação de imagens, ou se sobre imagens diretamente. Este trabalho utiliza técnicas de detecção baseadas em subtração de imagens de ambos os grupos, especificamente, a pós-classificação por máxima verossimilhança e da pré-classificação, por Índice de Vegetação por Diferença Normalizada (NDVI) e por Transformada Kauth-Thomas (KT), nesse caso o componente de verdor. Visa avaliar a sensibilidade e adequação destas técnicas para a análise das transformações ocorridas no uso e da cobertura do solo durante os dois períodos de comparação: 1988 a 2001 e 2001 a 2006 e no conjunto dos 18 anos, na captação das tendências das transformações deste ambiente da Campanha Sul do Estado do Rio Grande do Sul, que é majoritariamente rural, muito dinâmico e bastante heterogêneo. Considerando que durante o período abrangido neste trabalho, grandes fazendas tradicionais de pecuária, em um primeiro momento, foram convertidas para agricultura familiar através da criação intensiva de assentamentos da reforma agrária, ocorrida entre a metade dos anos 80 e a metade dos anos 90, mais recentemente, substituídas por plantios florestais da indústria do papel. Os resultados permitiram confrontar os tratamentos e verificar as acurácias das detecções e identificar as principais dificuldades, em especial, o efeito da fenologia nas diversas fases em que se apresentam nas substituições florestais de ciclos longos. A dificuldade da técnica KT, em lidar com plantios semi-perenes e perenes, a impossibilidade de se considerar áreas cobertas em algum momento por nuvens. Por fim, corrobora com a inviabilidade do estabelecimento a priori da melhor técnica, ou mesmo, daquela mais acurada, sem que sejam considerados plenamente os objetivos, a escala, a natureza do ambiente analisado e as classes de mudança estabelecidas para o trabalho, além da qualidade das imagens disponíveis. / The detection of alterations in land use and cover can be considered as being an operation in Remote Sensing which adds a time dimension to the analysis of information in images. This is done when images are compared, by groups of two, at certain space and time looking for spectral responses stored in pairs of homologous pixels, through the application of thresholds which lead to the differentiation between change and non-change. A point-to-point, or instant-to-instant analysis, permits to infer on the amount and quality of alterations detected in a region, during a certain period. The comparative analysis between two or more of these results, via a time series of images, informs on the dynamics of transformations in other aspects, as topology, intensity, kind of change (substitution or conversion), and change rate. Several techniques are available to detect alterations in land use and cover, from digital images collected by orbital sensors. Two larger groups can be highlighted: preclassification techniques, and post-classification techniques. They differ basically on over which products the thresholds defining changes are applied, these products being either thematic ones for image classification, or the image itself. This work uses detection techniques based on image subtraction of both groups. Pre-classification uses the Normalized Difference Vegetation Index (NDVI) and the Kauth-Thomas Transform (KT), the green index in this last case. Post-classification uses the Maximum Likelihood. The objective is to estimate the sensitivity and adequacy of these techniques for the detection and analysis of changes in land use and cover during two comparison periods: the first one is from 1988 to 2001; the second, from 2001 to 2006. Besides, the whole 18-years period is studied to detect tendencies of the transformation of the region. The study area is at the Campanha Sul region, at Rio Grande do Sul State Brazil. It is largely rural, heterogeneous and dynamic, since during the period covered (1988-2006) large estates where either converted into smaller properties, family-managed; though an intensive policy of agrarian reform (from the mid-eighties to the mid-nineties), or, more recently, by industrial-style cultures of forests to serve the paper industry. The results allowed comparing the different treatments and to verify the accuracy of detections. The main difficulties were the phonological cycles, the various phases of long-cycle artificial forests, the limitations of the KT technique to handle semi-perennial cultures, and cloud-covered areas. It was not possible to clearly define the better or more accurate technique; this definition depends of specific objectives, of the scale and nature of the study region, and of the classes of change being analyzed, besides of the quality of available images.
|
209 |
Aplicação de logica fuzzy para estimativa de area plantada da cultura de soja utilizando imagens AVHRR-NOAA / Application of fuzzy logic for soybean crop area estimation using AVHRR-NOAA imagesAntunes, João Francisco Gonçalves, 1965- 09 January 2005 (has links)
Orientador: Jurandir Zullo Junior / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Agricola / Made available in DSpace on 2018-08-05T08:07:53Z (GMT). No. of bitstreams: 1
Antunes_JoaoFranciscoGoncalves_M.pdf: 7524504 bytes, checksum: e36a3c933615dc4ef031bf119f6c09ff (MD5)
Previous issue date: 2005 / Resumo: A estimativa precisa com antecedência à época da colheita de áreas plantadas com culturas agrícolas, como a soja, é de fundamental importância para a economia brasileira. A previsão do escoamento e comercialização da produção agrícola é estratégica para o Brasil, pois estão diretamente relacionados com o planejamento, custos e preço. Com o recente avanço tecnológico na obtenção de dados por sensoriamento remoto orbital é possível melhorar a previsão de safras, diminuindo cada vez mais o nível de subjetividade. Embora designadas para fins meteorológicos, as imagens AVHRR-NOAA de elevada repetitividade temporal, têm sido utilizadas para o monitoramento agrícola. Porém, a sua baixa resolução espacial faz com que possa ocorrer a mistura espectral das classes de cobertura do solo dentro de um mesmo pixel e isso pode acarretar problemas de imprecisão na estimativa de área plantada de uma cultura agrícola. O objetivo principal do trabalho foi desenvolver uma metodologia de classificação automática com a aplicação de lógica fuzzy para o reconhecimento de padrões em imagens AVHRR-NOAA, utilizando índices de vegetação para estimar a área plantada de soja no nível sub-pixel. Para oito municípios produtores de soja da região oeste do Estado do Paraná, foi possível obter a estimativa de área no final de janeiro de 2004, com antecedência em relação à época da colheita, ao contrário dos levantamentos oficiais que se estendem até o final da safra, além de utilizarem dados subjetivos vindos do campo. As estimativas de área de soja baseadas em classificação fuzzy mostraram-se altamente correlacionadas com as estimativas de área de referência obtidas a partir da máscara de soja e por expansão direta, sendo um indicativo de boa precisão. E também apresentaram alta correlação, balizadas com as estimativas oficiais da SEAB/DERAL e do IBGE. Em ambas comparações, o nível de erro relativo geral foi aceitável. O sistema desenvolvido para processamento e geração de produtos das imagens AVHRR-NOAA mostrou-se uma ferramenta fundamental de infra-estrutura, por aliar automação e precisão a metodologia do trabalho / Abstract: An early accurate estimation of agricultural crop areas, such as soybean, is fundamental for the Brazilian economy. The draining forecast and the estimation of agricultural production commercialization are strategic to Brazil, since they are directly related to planning, costs and price. Recent technological progress of data acquisition from orbital remote sensing makes possible to improve harvest forecast, reducing more and more the level of subjectivity. Although designed for meteorological aims, the AVHRR-NOAA images of high temporal resolution, have been used for the crop monitoring. However, its low spatial resolution might cause the spectral mixture of the different land cover classes within the same pixel and it can lead to accuracy problems on crop area estimation. The main objective of the work was to develop an automatic classification methodology with the application of fuzzy logic for pattern recognition in AVHRR-NOAA images, using vegetation indices to estimate the soybean crop areas at sub-pixel level. For eight soybean producer counties in the West region of the Paraná State, it was possible to obtain the crop area estimation at the end of january 2004, prior to the harvest period, on the contrary of the official surveys that extend until the end of the harvest, besides using subjective data collected on the field. The soybean crop area estimation based on fuzzy classification showed to be highly correlated with the reference area estimation obtained from the soybean mask and by direct expansion, being an indicative of good accuracy. And also presented high correlation, marked out with the official estimations from SEAB/DERAL and IBGE. In both comparisons, the level of general relative error was acceptable. The system developed for processing and products generation of AVHRR-NOAA images had proved to be a fundamental infrastructure tool, due to its capacity to combine automation and accuracy to the work methodology / Mestrado / Planejamento e Desenvolvimento Rural Sustentável / Mestre em Engenharia Agrícola
|
210 |
Mineração de imagens médicas utilizando características de forma / Medical image supported by shape featuresAlceu Ferraz Costa 10 April 2012 (has links)
Bases de imagens armazenadas em sistemas computacionais da área médica correspondem a uma valiosa fonte de conhecimento. Assim, a mineração de imagens pode ser aplicada para extrair conhecimento destas bases com o propósito de apoiar o diagnóstico auxiliado por computador (Computer Aided Diagnosis - CAD). Sistemas CAD apoiados por mineração de imagens tipicamente realizam a extração de características visuais relevantes das imagens. Essas características são organizadas na forma de vetores de características que representam as imagens e são utilizados como entrada para classificadores. Devido ao problema conhecido como lacuna semântica, que corresponde à diferença entre a percepção da imagem pelo especialista médico e suas características automaticamente extraídas, um aspecto desafiador do CAD é a obtenção de um conjunto de características que seja capaz de representar de maneira sucinta e eficiente o conteúdo visual de imagens médicas. Foi desenvolvido neste trabalho o extrator de características FFS (Fast Fractal Stack) que realiza a extração de características de forma, que é um atributo visual que aproxima a semântica esperada pelo ser humano. Adicionalmente, foi desenvolvido o algoritmo de classificação Concept, que emprega mineração de regras de associação para predizer a classe de uma imagem. O aspecto inovador do Concept refere-se ao algoritmo de obtenção de representações de imagens, denominado MFS-Map (Multi Feature Space Map) e também desenvolvido neste trabalho. O MFS-Map realiza agrupamento de dados em diferentes espaços de características para melhor aproveitar as características extraídas no processo de classificação. Os experimentos realizados para imagens de tomografia pulmonar e mamografias indicam que tanto o FFS como a abordagem de representação adotada pelo Concept podem contribuir para o aprimoramento de sistemas CAD / Medical image databases represent a valuable source of data from which potential knowledge can be extracted. Image mining can be applied to knowledge discover from these data in order to help CAD (Computer Aided Diagnosis) systems. The typical set-up of a CAD system consists in the extraction of relevant visual features in the form of image feature vectors that are used as input to a classifier. Due to the semantic gap problem, which corresponds to the difference between the humans image perception and the features automatically extracted from the image, a challenging aspect of CAD is to obtain a set of features that is able to succinctly and efficiently represent the visual contents of medical images. To deal with this problem it was developed in this work a new feature extraction method entitled Fast Fractal Stack (FFS). FFS extracts shape features from objects and structures, which is a visual attribute that approximates the semantics expected by humans. Additionally, it was developed the Concept classification method, which employs association rules mining to the task of image class prediction. The innovative aspect of Concept refers to its image representation algorithm termed MFS-Map (Multi Feature Space Map). MFS-Map employs clustering in different feature spaces to maximize features usefulness in the classification process. Experiments performed employing computed tomography and mammography images indicate that both FFS and Concept methods for image representation can contribute to the improvement of CAD systems
|
Page generated in 0.1378 seconds