Orientadora : Christel Lingnau / Co-orientador : Jorge Centeno / Tese (doutorado) - Universidade Federal do Paraná / Resumo: A classificação baseada em contexto é um importante campo de estudos no processamento digital de imagens. A inserção do conhecimento dentro do processo de classificação da vegetação é uma das formas atualmente utilizadas pela comunidade de sensoriamento remoto a fim de incrementar a qualidade da classificação. O presente estudo é baseado no algoritmo de segmentação multi-resolução, FNEA (fractal net evolution approach), que permite segmentar uma imagem de diferentes níveis hierárquicos, a inserção do contexto é realizada através de relações entre objetos. A área de estudo escolhida foi uma área rural no município de Nova Esperança-Pr, onde se pretendeu mapear tipologias vegetais no ambiente ciliar do Rio Paracatu. Com a execução deste trabalho foi possível apresentar uma proposta de classificação digital de imagem de alta resolução baseada em orientação a objeto do ambiente ciliar para a área de estudo adotada. Os objetos oriundos do processo de segmentação multi-resolução permitiram a criação de diferentes níveos de segmentos, o que pode sustentar uma hierarquia entre objetos e subobjetos. Esta hierarquia foi fundamento para a estruturação de uma rede semântica, baseada no conhecimento. A classificação foi realizada por lógica fuzzy através de descritores de forma, textura e relações entre objetos e subobjetos. Foram avaliadas as diferentes opções de classificação dos objetos, tais como rede hierárquica, o processo seletivo e a mudança de especialista. Analisou-se ainda o grau de detalhamento das classes e subclasses que os diferentes modelos de classificação apresentam (potencial de discriminação). A araucária da classificação foi baseada nas ambiguidades geradas a partir da classificação fuzzy. / Abstract: Context base classification plays an important role in digital image analysis. The insertion of the knowledge base in the digital classification process is one of currently forms used by the community of remote sensing for vegetation mapping, so as end to develop the quality of the classification. Advanced image segmentation techniques (FNEA: fractal net evolution approach), was used in this study to provide the context introduction. The tested site was an agricultural area in the city of Nova Esperança-Pr, wherein was mapped the riparian vegetation along the Paracatu River. This work tried to present a proposal for high resolution image classification of the riparian environment based on object oriented analysis. The objects are derived by means of multiresolution segmentation. 1t allows a creation of different levels of segments supporting a hierarchy structure, generating spatial relations between objects and sub-objects. This hierarchy was the bedding for the semantic network. The knowledge base was the basis of the semantics. The classification was based on fuzzy rules by the means of descriptors such as: form, texture and relations between objects and sub-objects. Different approaches of classification were assessed: semantic network, selective and context change classification. It was also evaluated the degree of detailing of the classes and subclasses in different levels of segmentation (thematic resolution). The analysis of classification accuracy is relied upon ambiguities generated by fuzzy rules.
Identifer | oai:union.ndltd.org:IBICT/oai:dspace.c3sl.ufpr.br:1884/43855 |
Date | January 2003 |
Creators | Antunes, Alzir Felippe Buffara, 1960- |
Contributors | Centeno, Jorge Antonio Silva, 1963-, Universidade Federal do Paraná. Setor de Ciências da Terra. Programa de Pós-Graduação em Ciências Geodésicas, Lingnau, Christel |
Source Sets | IBICT Brazilian ETDs |
Language | Portuguese |
Detected Language | Portuguese |
Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/doctoralThesis |
Format | 147p. : il. alumas color, tabs., application/pdf |
Source | reponame:Repositório Institucional da UFPR, instname:Universidade Federal do Paraná, instacron:UFPR |
Rights | info:eu-repo/semantics/openAccess |
Relation | Disponível em formato digital |
Page generated in 0.0019 seconds