Dissertação (Mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. / Made available in DSpace on 2012-10-17T05:12:09Z (GMT). No. of bitstreams: 0Bitstream added on 2016-01-08T23:20:52Z : No. of bitstreams: 1 138042.pdf: 6648777 bytes, checksum: fa1495e25a26499e7e98787c97f5bd80 (MD5)

Made available in DSpace on 2014-06-11T19:22:26Z (GMT). No. of bitstreams: 0 Previous issue date: 2006-04-28Bitstream added on 2014-06-13T18:08:16Z : No. of bitstreams: 1 lima_dl_me_prud.pdf: 5006702 bytes, checksum: 55f78a828d4086c80c053c382c80e7d9 (MD5) / Devido ao seu caráter sinóptico e repetitivo, as imagens de satélite constituem-se em um recurso valioso no processo de mapear e monitorar a dispersão de plantas aquáticas em reservatórios de hidrelétricas, cuja ocorrência é um problema de importância crescente no Brasil. Considerando que a disponibilidade de imagens multiespectrais e multitemporais representa o registro de um fenômeno particularmente importante no contexto da utilização da água para geração de energia, a proposta deste trabalho é buscar um método que permita usar dados multiespectrais adquiridos em diferentes momentos do tempo para caracterizar a infestação por plantas aquáticas em reservatórios. Para isso, foram utilizadas técnicas de análise de imagens multiespectrais e geoestatística, no sentido de se obter um modelo do comportamento, no espaço e no tempo, da ocorrência dessas plantas aquáticas. No entanto, a modelagem da distribuição espaço-temporal de fenômenos dinâmicos não é trivial, principalmente quando a variável deve ser analisada em diferentes domínios: multiespectral, espacial e temporal. Para verificar a hipótese de que a abordagem geoestatística é aplicável neste contexto, foi realizado um experimento utilizando imagens multiespectrais, de diferentes sensores e satélites, abrangendo o Reservatório de Salto Grande em Americana/SP. O conjunto de dados foi submetido a uma série de pré-processamentos a fim de garantir a consistência geométrica e radiométrica das análises, bem como diminuir sua dimensionalidade no domínio multiespectral. Em seguida, foram ajustadas as componentes (ou modelos) espacial e temporal, separadamente, e integradas em um único modelo espaço-temporal, que caracteriza a estrutura da dispersão espaçotemporal do fenômeno. Por fim, o modelo obtido foi utilizado na previsão do fenômeno em um futuro próximo através de uma interpolação por krigagem. / Due to their synoptic and repetitive character, the satellite images consist in a valuable resource in the mapping and monitoring process of the aquatic plants dispersion in hydroelectric reservoirs, whose occurrence is an increasing importance problem in Brazil. Considering that multispectral and multitemporal images availability represent a particularly important phenomenon register in the use of water for energy generation context, this work proposes the establishment of a method to use multispectral data acquired at different moments of the time to characterize aquatic plants infestation in reservoirs. Multispectral images analysis and geostatistics techniques are used aiming the construction of an aquatic plants occurrence behavior space-time model. However, the space-time modeling of dynamic phenomena distribution is not trivial, principally when the variable must be analyzed in different domains: multispectral, spatial and temporal. To verify the hypothesis that geostatistics approach is applicable in this context, an experiment was performed using multispectral images, of different sensors and satellites, enclosing Salto Grande reservoir, Americana, São Paulo, Brazil. Data set was submitted to a series of preprocessing in order to certify the geometric and radiometric consistency of the analyses, as well as reducing its dimensionality in the multispectral domain. After that, the spatial and temporal components (or models) were adjusted, separately, and integrated in a space-time model, who characterizes the phenomenon spacetime dispersion structure. Finally, space-time model was used to forecast... (Complete abstract click electronic access below)

Orientador: Jurandir Zullo Junior / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Agricola / Made available in DSpace on 2018-08-06T12:31:12Z (GMT). No. of bitstreams: 1 PalloneFilho_WanderJose_M.pdf: 3088508 bytes, checksum: cd4bcb77c6b6858d6bddc75137cda74a (MD5) Previous issue date: 2003 / Resumo: O objetivo do presente trabalho foi o desenvolvimento de um método visando o monitoramento de estiagem a partir da evolução dos índices de vegetação NDVI e Ratio, calculados com base em uma série temporal de imagens AVHRR/NOAA-14. Para viabilizar o desenvolvimento da metodologia proposta, foi elaborado o programa PRIMA, para operacionalizar o processamento de imagens AVHRR-NOAA. Com base no levantamento das estações meteorológicas localizadas em regiões livres de cobertura por nuvens em imagens diárias, correspondentes ao mês de fevereiro de 1999, foi possível selecionar cinco estações localizadas no Estado de São Paulo, as quais foram utilizadas na realização do presente trabalho. Para a comparação dos registros diários de precipitação com os índices de vegetação Ratio e NDVI derivados das imagens, considerou-se o valor desses índices como a média representativa de uma janela de 3x3 pixels centrada na posição de cada estação. Com isso, foram construídos gráficos que permitiram comparar a ocorrência da precipitação com a evolução dos índices utilizados, durante o período avaliado. O programa desenvolvido, a partir da correção geométrica e da calibração radiométrica de imagens AVHRR/NOAA no formato padrão Level-1B, gera imagens de Ratio, NDVI, temperaturas de brilho TB4 e TB5 e temperatura de superfície TS, abrangendo todo o Estado de São Paulo. Foi possível, para algumas estações estudadas, verificar um comportamento coerente na evolução dos índices Ratio e NDVI, condicionado pela ocorrência de precipitações. Já para outras estações, o comportamento desses índices foi aleatório às precipitações ocorridas. Os resultados obtidos também revelaram que o índice Ratio foi mais sensível à ocorrência das precipitações que o NDVI / Abstract: A great part of the Brazilian territory is vulnerable to the occurrence of frequent intense dry periods since there is a difference between the precipitation and the annual potential evaporation during the year. Some methods have been proposed to assess and monitor the occurrence of a drought, such as that ones based on agroclimatic indexes calculated with ground weather station data. Unfortunately, the high spatial and temporal variability of the rainfall in tropical regions and the low density of ground weather stations make difficult the operational use of these methods. New remote sensing techniques have been developed in order to monitor and assess droughts based on satellite data, such as those from the AVHRR/NOAA. This paper compares the vegetation indexes based on AVHRR/NOAA images with rainfall data of four ground stations located in the State of São Paulo on February/1999. This comparison has the objective to assess the operational use of vegetation indexes based on satellite data to monitor the occurrence of drought. Six free-cloud images were used among 16 available to calculate the vegetation indexes such as the NDVI (Normalized Difference Vegetation Index) and RATIO. These two indexes have responded quickly to the rainfalls registered on February/1999 showing potential to their use in methods of drought detection and monitoring. This kind of method seems to be more adequate to monitor the drought during the fall and winter in the South and Southest regions of Brazil since the rainfalls are caused by cold fronts and the number of cloudless days is larger. It can be useful also to detect dry periods in the beginning or the end of rainy season / Mestrado / Planejamento e Desenvolvimento Rural Sustentável / Mestre em Engenharia Agrícola

Orientador: Maria de Lourdes Bueno Trindade Galo / Banca: Paulo de Oliveira Camargo / Banca: Carlos Antonio Oliveira Vieira / Banca: Ivana Ivanova / Resumo: Considerando o cenário durante a crise hídrica de 2014 e a situação crítica dos reservatórios do sistema Cantareira no estado de São Paulo, este estudo realizado no reservatório Jaguari-Jacareí, consistiu na extração de informações a partir de imagens multiespectrais e análise da qualidade da informação relacionada com a acurácia no cálculo do volume de água do reservatório. Inicialmente, a superfície do espelho d'água foi obtida pela classificação da cobertura da terra a partir de imagens multiespectrais RapidEye tomadas antes e durante a crise hídrica (2013 e 2014, respectivamente), utilizando duas abordagens distintas: classificação orientada a objeto (Object-based Image Analysis - OBIA) e classificação baseada em pixel (Support Vector Machine - SVM). A acurácia do usuário por classe permitiu expressar o erro para detectar a superfície do espelho d'água para cada abordagem de classificação de 2013 e 2014. O segundo componente da estimação do volume foi a representação do relevo submerso, que considerou duas fontes de dados na construção do modelo numérico do terreno (MNT): dados topográficos provenientes de levantamento batimétrico disponibilizado pela Sabesp e o modelo de superfície AW3D30 (ALOS World 3D 30m mesh), para complementar a informação não disponível além da cota 830,13 metros. A comparação entre as duas abordagens de classificação dos tipos de cobertura da terra do entorno do reservatório Jaguari-Jacareí mostrou que SVM resultou em indicadores de acurácia ligei... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: This study aims to extract information from multispectral images and to analyse the information quality in the water volume estimation of Jaguari-Jacareí reservoir. The presented study of changes in the volume of the Jaguari-Jacareí reservoir was motivated by the critical situation of the reservoirs from Cantareira System in São Paulo State caused by water crisis in 2014. Reservoir area was extracted from RapidEye multispectral images acquired before and during the water crisis (2013 and 2014, respectively) through land cover classification. Firstly, the image classification was carried out in two distinct approaches: object-based (Object-based Image Analysis - OBIA) and pixel-based (Support Vector Machine - SVM) method. The classifications quality was evaluated through thematic accuracy, in which for every technique the user accuracy allowed to express the error for the class representing the water in 2013 and 2014. Secondly, we estimated the volume of the reservoir's water body, using the numerical terrain model generated from two additional data sources: topographic data from a bathymetric survey, available from Sabesp, and the elevation model AW3D30 (to complement the information in the area where data from Sabesp was not available). When compare the two classification techniques, it was found that in the image classification, SVM performance slightly overcame the OBIA classification technique for 2013 and 2014. In the volume calculation considering the water level estima... (Complete abstract click electronic access below) / Mestre

Imagens multiespectrais estão presentes na grande maioria de dispositivos de imageamento atuais, desde câmeras pessoais até microscópios, telescópios e satélites. No entanto, grande parte dos trabalhos em análise de texturas e afins propõem abordagens monocromáticas, que muitas vezes consideram apenas níveis de cinza. Nesse contexto e considerando o aumento da capacidade dos computadores atuais, o uso da informação espectral deve ser considerada na construção de modelos melhores. Ultimamente redes neurais convolucionais profundas pré-treinadas tem sido usadas em imagens coloridas de 3 canais, porém são limitadas a apenas esse formato e computam muitas convoluções, o que demanda por hardware específico (GPU). Esses fatos motivaram esse trabalho, que propõem técnicas para a modelagem e caracterização de imagens multiespectrais baseadas em redes complexas, que tem se mostrado uma ferramenta eficiente em trabalhos anteriores e possui complexidade computacional similar à métodos tradicionais. São introduzidas duas abordagens para aplicação em imagens coloridas de três canais, denominadas Rede Multicamada (RM) e Rede Multicamada Direcionada (RMD). Esses métodos modelam todos os canais da imagem de forma conjunta, onde as redes possuem conexões intra e entre canais, de forma parecida ao processamento oponente de cor do sistema visual humano. Experimentos em cinco bases de textura colorida mostram a proposta RMD supera vários métodos da literatura no geral, incluindo redes convolucionais e métodos tradicionais integrativos. Além disso, as propostas demonstraram alta robustez a diferentes espaços de cor (RGB, LAB, HSV e I1I2I3), enquanto que outros métodos oscilam de base para base. Também é proposto um método para caracterizar imagens multiespectrais de muitos canais, denominado Rede Direcionada de Similaridade Angular (RDSA). Nessa proposta, cada pixel multiespectral é considerado como um vetor de dimensão equivalente à quantidade de canais da imagem e o peso das arestas representa sua similaridade do cosseno, apontando para o pixel de maior valor absoluto. Esse método é aplicado em um conjunto de imagens de microscopia por fluorescência de 32 canais, em um experimento para identificar variações na estrutura foliar do espécime Jacaranda Caroba submetidos à diferentes condições. O método RDSA obtém as maiores taxas de acerto de classificação nesse conjunto de dados, com 91, 9% usando o esquema de validação cruzada Leave-one-out e 90, 5(±1, 1)% com 10-pastas, contra 81, 8% e 84, 7(±2, 2) da rede convolucional VGG16. / Multispectral images are present in the vast majority of current imaging devices, from personal cameras to microscopes, telescopes and satellites. However, much of the work in texture analysis and the like proposes monochromatic approaches, which often consider only gray levels. In this context and considering the performance increase of current computers, the use of the spectral information must be considered in the construction of better models. Lately, pre-trained deep convolutional neural networks have been used in 3-channel color images, however they are limited to just this format and compute many convolutions, which demands specific hardware (GPU). These facts motivated this work, which propose techniques for the modeling and characterization of multispectral images based on complex networks, which has proved to be an efficient tool in previous works and has computational complexity similar to traditional methods. Two approaches are introduced for application in 3-channel color images, called Multilayer Network (RM) and Directed Multilayer Network (RMD). These methods model all channels of the image together, where the networks have intra- and inter-channel connections, similar to the opponent color processing of the human visual system. Experiments in five color texture datasets shows that the RMD proposal overcomes several methods of the literature in general, including convolutional networks and traditional integrative methods. In addition, the proposals have demonstrated high robustness to different color spaces (RGB, LAB, HSV and I1I2I3), while other methods oscillate from dataset to dataset. Moreover it is proposed a new method to characterize multispectral images of many channels, called Directed Network of Angular Similarity (RDSA). In this proposal, each multispectral pixel is considered as a vector of dimensions equivalent to the number of channels of the image and the weight of the edges represents its cosine similarity, pointing to the pixel of greatest absolute value. This method is applied to a set of fluorescence microscopy images of 32 channels in an experiment to identify variations in the leaf structure of the Jacaranda Caroba specimen under different conditions. The RDSA method obtains the highest classification rates in this dataset, with 91.9% with the Leave-one-out cross-validation scheme and 90.5(±1.1)% with 10-folds, against 81.8% and 84.7(±2.2) of the convolutional network VGG16.

Imagens multiespectrais são utilizadas em diferentes aplicações, que vão desde sensoriamento remoto a processos médicos. No caso de imagens multiespectrais oriundas de microscopia confocal de varredura à laser (Confocal Laser Scanning Microscopy-CLSM), a extração da informação se inicia pela conversão das assinaturas espectrais, em uma imagem RGB. Esta imagem é a referência para a seleção da região de interesse, da qual se obtém a assinatura espectral média, originada do arquivo multiespectral (LSM). Mesmo utilizando um padrão muito bem estabelecido de conversão, alguns pontos devem ser considerados: i) o processo de conversão reduz a informação, a uma ordem de 10-145%; ii) a cor é uma experiência sensorial, subjetiva e pessoal, interferindo na seleção da região de interesse e; iii) a assinatura é obtida pela média espectral, da região de interesse, selecionada manualmente.Assim, esta tese de doutorado propõem um método de mapeamento e visualização das informações de imagens multiespectrais, combinando um algoritmo de agrupamento não supervisionado(kmeans) e um algoritmo que define uma paleta de cores coerentes com a informação espectral das regiões mapeadas. Aplicou-se o método em três casos de estudos de tecidos vegetais: i) no pré-tratamento de paredes celulares da cana-de-açúcar; ii) na plasticidade foliar do Jacaranda caroba e; iii) no uso de assinaturas espectrais na classificação de plantas do Cerrado. Os resultados demonstraram que o método é bastante robusto, permitindo de forma inovadora a: visualização, análise e comparação de imagens multiespectrais qualitativa e quantitativamente, e que seu uso é viável em qualquer área de pesquisa que utilize imagens multiespectrais. / Multispectral images are used in different applications, ranging from remote sensing images to medical images. In the case of multispectral images derived from confocal laser scanning microscopy (CLSM), the extraction of information begins with the conversion of spectral signatures in an RGB image. This is the reference for selecting the region of interest, from which it gets the average spectral signature, originated from multispectral file (LSM). Even using a very well established pattern of conversion, some points should be considered: i) the conversion process reduces the information on the order of 10-145%; ii) the color is a sensory experience, subjective and personal, interfering in the selection of the interest region and; the signature is obtained by the spectral average, from interest region which is selected manually. Thus, this doctoral thesis proposes a method of mapping and visualization of multispectral imaging information, combining an unsupervised clustering algorithm (kmeans) and an algorithm that defines a consistent color palette with the spectral information of mapped regions. The proposed method was applied in three cases plant tissue studies: i) in the pre-treating the cell walls of sugarcane; ii) in the leaf plasticity of Jacaranda caroba; iii) in the use of spectral signatures in the Cerrado plant classification. The results showed that the proposed method is quite robust. It presents innovation to the visualization and analysis of multispectral images and makes possible a qualitative and quantitative comparison of a group of multispectral images. Besides that, its use is feasible in any area of research, which are using multispectral images.

Submitted by Reginaldo Soares de Freitas (reginaldo.freitas@ufv.br) on 2016-11-30T18:13:53Z No. of bitstreams: 1 texto completo.pdf: 1804996 bytes, checksum: d176717b13083276f227939864fb4946 (MD5) / Made available in DSpace on 2016-11-30T18:13:53Z (GMT). No. of bitstreams: 1 texto completo.pdf: 1804996 bytes, checksum: d176717b13083276f227939864fb4946 (MD5) Previous issue date: 1995-12-11 / Conselho Nacional de Desenvolvimento Científico e Tecnológico / Quatro diferentes estratégias de amostragem foram utilizadas sobre os dados de referência para verificação de exatidão em cinco classificações obtidas a partir de combinações de bandas espectrais e transformações especiais, com o objetivo de verificar se haveria influência dos tipos de amostragem sobre os resultados reportados por três índices de exatidão: Global, Kappa e Tau. À parte disso foi também conduzido um estudo sobre o comportamento dos três índices, uns em relação aos outros. Foram utilizadas as seguintes amostragens: blocada, casualizada, sistemática estratificada e sistematizada, sendo as três últimas realizadas pixel a pixel. O algoritmo de máxima verossimilhança foi aplicado às seguintes combinações das bandas espectrais do sensor TM, a bordo do satélite Landsat 5: TM3, TM4 e TM5; TM3, TM4 e TM7; TM2, TM3 e TM4. Além dessas combinações também foram classificadas as composições baseadas nas três primeiras componentes principais resultantes das seis bandas reflexivas do TM e as três componentes resultantes da transformação Tasseled Cap. Dentre os principais resultados obtidos, podem ser destacados: pelas comparações de cada classificação com todas as combinações possíveis de amostragens, conclui-se que para nenhuma delas houve diferença significativa, pelos três índices, quando foram usadas amostragens não-blocadas, o que sugere ser a amostragem blocada a principal fonte de superestimação dos índices; o comportamento dos índices G, K e T em todas as classificações e em todas as amostragens é bastante semelhante no que se refere à variação dos mesmos de uma classificação para outra; o índice T, ao se situar entre G e K, parece ser o ideal, mostrando tornar possível a correta consideração das concordâncias real e casual, para a situação na qual é assumida a eqüiprobabilidade de ocorrência das categorias informacionais; dentro de uma mesma estratégia de amostragem, à exceção das amostragens sistemática e blocada, os três índices discriminaram as diferenças entre classificações de maneira idêntica; à medida que aumenta o grau de interferência do analista nos procedimentos de amostragem, aumenta a sensibilidade dos índices no que se refere ao estabelecimento de diferenças entre classificações independentes; não houve diferença significativa entre as estratégias não- blocadas de amostragem, considerados os três índices utilizados; de acordo com a conclusão anterior, parece ser a amostragem sistemática a mais vantajosa, do ponto de vista da facilidade de operacionalização, quando se objetiva quantificar melhor a exatidão dos processos de classificação, desde que as feições de interesse não apresentem caráter de periodicidade na paisagem. / Four different sampling approaches were utilized upon reference data to assess the accuracy of five classifications obtained from combinations of spectral bands and special transformations, in order to verify the influence of the sampling strategies over the reported results of three accuracy indexes: Global, Kappa and Tau. A study about the behavior of the three indexes in relation to each other was also conducted. The following sampling approaches were used: blocked, randomized, systematic stratified, and systematic, being the last three based on individual pixels. The maximum likelihood algorithm was applied to the following combinations of spectral bands: TM3, TM4, TM5; TM3, TM4, TM7 and TM2, TM3, TM4. The composition based on the three first principal components resulting from the six TM reflected channels, and the components resulted from the Tasseled Cap transformation, produced two more classifications. The results showed: by the comparisons of each classification with all the possible sampling combinations, it was concluded that for none of the classifications there was a significative difference, by the three indexes, when pixel-based samplings were taken, what indicates the blocked sampling as the main source of the indexes superestimation; the behavior of the indexes Global, Kappa and Tau over all the classifications and in all the sampling approaches is very similar concerning to the way each one varies from one classification to the other; the index Tau, with its values always between Global and Kappa seems to be the ideal, showing to be possible the correct consideration of real and casual agreements, for the situation where the equiprobability of ocurrence of the informational categories is assumed; considering one sampling approach at a time, excluding the systematic and blocked ones, all the three indexes discriminate the differences among classifications in the very same way; the greater the interference of the analist in the sampling procedure, the greater the sensitivity of the indexes in what is concerned to the establishment of differences among independent classifications; there was no significative difference among the pixel-based samplings, considered the three indexes; the systematic sampling procedure could be the recommended, from the stand point of implementation, when the objective is to better quantify the accuracy of the classification processes, provided that the features of interest are not in phase with the sampling grid.

Imagens multiespectrais são utilizadas em diferentes aplicações, que vão desde sensoriamento remoto a processos médicos. No caso de imagens multiespectrais oriundas de microscopia confocal de varredura à laser (Confocal Laser Scanning Microscopy-CLSM), a extração da informação se inicia pela conversão das assinaturas espectrais, em uma imagem RGB. Esta imagem é a referência para a seleção da região de interesse, da qual se obtém a assinatura espectral média, originada do arquivo multiespectral (LSM). Mesmo utilizando um padrão muito bem estabelecido de conversão, alguns pontos devem ser considerados: i) o processo de conversão reduz a informação, a uma ordem de 10-145%; ii) a cor é uma experiência sensorial, subjetiva e pessoal, interferindo na seleção da região de interesse e; iii) a assinatura é obtida pela média espectral, da região de interesse, selecionada manualmente.Assim, esta tese de doutorado propõem um método de mapeamento e visualização das informações de imagens multiespectrais, combinando um algoritmo de agrupamento não supervisionado(kmeans) e um algoritmo que define uma paleta de cores coerentes com a informação espectral das regiões mapeadas. Aplicou-se o método em três casos de estudos de tecidos vegetais: i) no pré-tratamento de paredes celulares da cana-de-açúcar; ii) na plasticidade foliar do Jacaranda caroba e; iii) no uso de assinaturas espectrais na classificação de plantas do Cerrado. Os resultados demonstraram que o método é bastante robusto, permitindo de forma inovadora a: visualização, análise e comparação de imagens multiespectrais qualitativa e quantitativamente, e que seu uso é viável em qualquer área de pesquisa que utilize imagens multiespectrais. / Multispectral images are used in different applications, ranging from remote sensing images to medical images. In the case of multispectral images derived from confocal laser scanning microscopy (CLSM), the extraction of information begins with the conversion of spectral signatures in an RGB image. This is the reference for selecting the region of interest, from which it gets the average spectral signature, originated from multispectral file (LSM). Even using a very well established pattern of conversion, some points should be considered: i) the conversion process reduces the information on the order of 10-145%; ii) the color is a sensory experience, subjective and personal, interfering in the selection of the interest region and; the signature is obtained by the spectral average, from interest region which is selected manually. Thus, this doctoral thesis proposes a method of mapping and visualization of multispectral imaging information, combining an unsupervised clustering algorithm (kmeans) and an algorithm that defines a consistent color palette with the spectral information of mapped regions. The proposed method was applied in three cases plant tissue studies: i) in the pre-treating the cell walls of sugarcane; ii) in the leaf plasticity of Jacaranda caroba; iii) in the use of spectral signatures in the Cerrado plant classification. The results showed that the proposed method is quite robust. It presents innovation to the visualization and analysis of multispectral images and makes possible a qualitative and quantitative comparison of a group of multispectral images. Besides that, its use is feasible in any area of research, which are using multispectral images.

Imagens multiespectrais estão presentes na grande maioria de dispositivos de imageamento atuais, desde câmeras pessoais até microscópios, telescópios e satélites. No entanto, grande parte dos trabalhos em análise de texturas e afins propõem abordagens monocromáticas, que muitas vezes consideram apenas níveis de cinza. Nesse contexto e considerando o aumento da capacidade dos computadores atuais, o uso da informação espectral deve ser considerada na construção de modelos melhores. Ultimamente redes neurais convolucionais profundas pré-treinadas tem sido usadas em imagens coloridas de 3 canais, porém são limitadas a apenas esse formato e computam muitas convoluções, o que demanda por hardware específico (GPU). Esses fatos motivaram esse trabalho, que propõem técnicas para a modelagem e caracterização de imagens multiespectrais baseadas em redes complexas, que tem se mostrado uma ferramenta eficiente em trabalhos anteriores e possui complexidade computacional similar à métodos tradicionais. São introduzidas duas abordagens para aplicação em imagens coloridas de três canais, denominadas Rede Multicamada (RM) e Rede Multicamada Direcionada (RMD). Esses métodos modelam todos os canais da imagem de forma conjunta, onde as redes possuem conexões intra e entre canais, de forma parecida ao processamento oponente de cor do sistema visual humano. Experimentos em cinco bases de textura colorida mostram a proposta RMD supera vários métodos da literatura no geral, incluindo redes convolucionais e métodos tradicionais integrativos. Além disso, as propostas demonstraram alta robustez a diferentes espaços de cor (RGB, LAB, HSV e I1I2I3), enquanto que outros métodos oscilam de base para base. Também é proposto um método para caracterizar imagens multiespectrais de muitos canais, denominado Rede Direcionada de Similaridade Angular (RDSA). Nessa proposta, cada pixel multiespectral é considerado como um vetor de dimensão equivalente à quantidade de canais da imagem e o peso das arestas representa sua similaridade do cosseno, apontando para o pixel de maior valor absoluto. Esse método é aplicado em um conjunto de imagens de microscopia por fluorescência de 32 canais, em um experimento para identificar variações na estrutura foliar do espécime Jacaranda Caroba submetidos à diferentes condições. O método RDSA obtém as maiores taxas de acerto de classificação nesse conjunto de dados, com 91, 9% usando o esquema de validação cruzada Leave-one-out e 90, 5(±1, 1)% com 10-pastas, contra 81, 8% e 84, 7(±2, 2) da rede convolucional VGG16. / Multispectral images are present in the vast majority of current imaging devices, from personal cameras to microscopes, telescopes and satellites. However, much of the work in texture analysis and the like proposes monochromatic approaches, which often consider only gray levels. In this context and considering the performance increase of current computers, the use of the spectral information must be considered in the construction of better models. Lately, pre-trained deep convolutional neural networks have been used in 3-channel color images, however they are limited to just this format and compute many convolutions, which demands specific hardware (GPU). These facts motivated this work, which propose techniques for the modeling and characterization of multispectral images based on complex networks, which has proved to be an efficient tool in previous works and has computational complexity similar to traditional methods. Two approaches are introduced for application in 3-channel color images, called Multilayer Network (RM) and Directed Multilayer Network (RMD). These methods model all channels of the image together, where the networks have intra- and inter-channel connections, similar to the opponent color processing of the human visual system. Experiments in five color texture datasets shows that the RMD proposal overcomes several methods of the literature in general, including convolutional networks and traditional integrative methods. In addition, the proposals have demonstrated high robustness to different color spaces (RGB, LAB, HSV and I1I2I3), while other methods oscillate from dataset to dataset. Moreover it is proposed a new method to characterize multispectral images of many channels, called Directed Network of Angular Similarity (RDSA). In this proposal, each multispectral pixel is considered as a vector of dimensions equivalent to the number of channels of the image and the weight of the edges represents its cosine similarity, pointing to the pixel of greatest absolute value. This method is applied to a set of fluorescence microscopy images of 32 channels in an experiment to identify variations in the leaf structure of the Jacaranda Caroba specimen under different conditions. The RDSA method obtains the highest classification rates in this dataset, with 91.9% with the Leave-one-out cross-validation scheme and 90.5(±1.1)% with 10-folds, against 81.8% and 84.7(±2.2) of the convolutional network VGG16.

Orientadores: Jansle Vieira Rocha, Rubens A. C. Lamparelli / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Agricola / Made available in DSpace on 2018-08-09T11:48:04Z (GMT). No. of bitstreams: 1 Simoes_MauriciodosSantos_D.pdf: 2850445 bytes, checksum: d8bb941a3ab2891f6f2c3872b3fc3e78 (MD5) Previous issue date: 2007 / Resumo: O conhecimento das relações entre variáveis biofísicas das culturas agrícolas e dados espectrais é uma das informações mais importantes para a aplicação de sensoriamento remoto na estimativa da produtividade e em estudos de previsão de safra. Este trabalho estuda as relações entre variáveis agronômicas da cana-de-açúcar e dados espectrais em dois níveis de aquisição: terrestre e orbital. A área de estudo foi um talhão comercial da variedade de cana-de-açúcar SP80-1842, plantada em 1996, localizado no município de Araras, SP. Durante as safras 2000/2001 e 2001/2002, foram realizados nove trabalhos de campo, simultaneamente à aquisição de nove imagens orbitais, os quais representaram as três principais fases do ciclo da cultura. O relacionamento das variáveis agronômicas índice de área foliar (IAF), número de perfilhos por metro (NPM), produtividade agrícola (TCH) e biomassa aérea total (BMT), com os dados espectrais terrestres e orbitais, foi avaliado por meio de análise temporal, regressões lineares simples e múltipla (Stepwise), e coeficiente de correlação de Pearson. Os dados espectrais terrestres foram adquiridos utilizando-se o radiômetro Cimel CE 313a e os dados orbitais foram obtidos de imagens dos sensores TM e ETM+ a bordo dos satélites Landsat-5 e Landsat-7. As bandas espectrais do vermelho (630 a 690 nm - B3) e do infravermelho (760 a 900 nm - B4) nos dois níveis de aquisição de dados de sensoriamento remoto foram utilizadas para estudar as relações com as variáveis da cana-de-açúcar. Além das bandas espectrais, foram estudadas as relações das variáveis agronômicas da cana-de-açúcar com os índices espectrais de vegetação, índice de vegetação da razão simples (SR), índice de vegetação da razão (RVI), índice de vegetação por diferença normalizada (NDVI) e índice de vegetação ajustado ao solo (SAVI). As variáveis agronômicas tiveram seu comportamento temporal explicado por curvas do tipo sigmoidal e exponencial. Os dados espectrais, por outro lado, tiverem comportamento temporal explicado por modelos cúbicos, exponenciais cúbicos e quadráticos. Os dois níveis de dados espectrais (terrestre e orbital) não diferiram estatisticamente. Os índices de vegetação NDVI, SR e RVI foram os dados espectrais mais correlacionados com as variáveis agronômicas, nos dois níveis de dados de sensoriamento remoto. As regressões lineares múltiplas, geradas para estimar a TCH e a BMT, apresentaram coeficientes de determinação (r2) superiores a 0,90, nos modelos com os dados de radiometria de campo, e superiores a 0,85 com os dados orbitais, mostrando-se uma técnica eficiente para a estimar a produtividade e a biomassa aérea da cana-de-açúcar. Palavras chave: Cana-de-açúcar; indicadores de crescimento; dados espectrais terrestres; dados espectrais orbitais / Abstract: The knowledge about the relations between agronomic variables and spectral data is a challenging issue when adopting remote sensing technique for crop yield forecast. This study analyses the relationship between sugarcane agronomic variables and spectral data derived from field spectroscopy and orbital data. One commercial field of sugarcane with the variety SP80-1842, planted in 1996, located in Araras municipality, São Paulo State, was monitored by biophysical data, field spectroscopy and satellite images in nine different dates during the crop seasons of 2000 and 2001. Leaf area index (LAI), number of stalks per meter (NPM), yield (TCH), total biomass (BMT) and spectral data were studied by temporal analysis, by linear and multiple regressions (Stepwise), and correlation analysis. Field spectroscopy data were obtained with Cimel 313a and orbital data were gathered from Landsat-5 and Landsat-7 images. All the three sensors have the same spectral resolution. The spectral data studied were red band, near infrared band and the spectral vegetation indices SR, RVI, NDVI and SAVI. The temporal behaviour of the agronomic variables were explained by sigmoidal and exponential models and the spectral data were explained by quadratic, cubic and exponential cubic models. No significant differences were found between the two levels of spectral data: field spectroscopy and orbital images. The best correlations between spectral vegetation indices and agronomic variables were with NDVI, SR and RVI. Multiple regression used to estimate yield and biomass obtained r2 values greater than 0,90 for field spectroscopy and greater than 0,80 for satellite images. These results showed the feasibily of using regression analysis to estimate yield and biomass of sugarcane based on spectral data. Key words: Sugarcane; growth analysis; field spectroscopy; orbital spectral data / Doutorado / Planejamento e Desenvolvimento Rural Sustentável / Doutor em Engenharia Agrícola