Dissertação (mestrado)—Universidade de Brasília, Instituto de Geociências, 2010. / Submitted by Shayane Marques Zica (marquacizh@uol.com.br) on 2011-06-27T17:44:22Z
No. of bitstreams: 1
2010_SergioRobertoHorstGamba.pdf: 12491149 bytes, checksum: d055fc6d442dfbfcdf5db3ca45368469 (MD5) / Approved for entry into archive by Guilherme Lourenço Machado(gui.admin@gmail.com) on 2011-07-14T13:27:55Z (GMT) No. of bitstreams: 1
2010_SergioRobertoHorstGamba.pdf: 12491149 bytes, checksum: d055fc6d442dfbfcdf5db3ca45368469 (MD5) / Made available in DSpace on 2011-07-14T13:27:55Z (GMT). No. of bitstreams: 1
2010_SergioRobertoHorstGamba.pdf: 12491149 bytes, checksum: d055fc6d442dfbfcdf5db3ca45368469 (MD5) / Esta dissertação trata sobre a identificação de embarcações em imagens aerotransportadas de radar de abertura sintética (SAR) da aeronave R 99 na área marítima do Brasil. Os objetivos deste trabalho são: identificar os métodos de geoprocessamento, o tipo de realce de contraste, os filtros morfológicos, os classificadores e os transformadores que permitem melhor identificação de embarcações em imagens SAR da Área Marítima do Brasil, relacionar os elementos de interpretação com as fases da interpretação, bandas, polarizações, filtros morfológicos, classificador e transformador, a fim de determinar os elementos de interpretação mais apropriados para identificação de embarcações; e distinguir embarcações entre si em imagens SAR por meio da utilização dos elementos de interpretação e de análises estatísticas de dados, gerando um algoritmo de medição automática do comprimento das embarcações. A metodologia foi dividida em três fases. Na primeira e na segunda fase, foi proposta uma definição de metodologia de interpretação de alvos em imagens SAR, enquanto na terceira fase, foi criado um algoritmo capaz de medir o comprimento dos alvos. Na primeira fase, os níveis digitais das cinco imagens das três áreas de estudo (Porto de Tubarão, Porto de Santos e Baia de Guanabara) foram exportados para a planilha MS Excel™ e para os pacotes estatísticos SPSS™ e MINITAB™ para serem analisados estatisticamente (análise de médias, desvio-padrão, correlação de Pearson, correlação múltipla, análise de variância, coeficiente Kappa e matriz de autovetores). Nesta fase, as imagens foram ainda processadas no software ENVI 4.5 em diferentes realces (linear 2%, gaussiano, equalização, raiz quadrada e contraste de 50 a 200), filtros morfológicos (dilatação, erosão, abertura e fechamento), classificadores nãosupervisionados (isodata e K-médias), classificadores supervisionados (paralelepípedo, distância mínima, distância Mahalanobis, máxima verossimilhança, mapa de ângulo espectral, divergência de informação espectral, codificação binária e máquina de vetor suporte) e transformadores (realce por decorrelação, de saturação e imagem colorida sintética). Na segunda fase, os resultados da primeira fase serviram de base para confrontar elementos e fases da interpretação com bandas/polarizações, definindo os principais elementos de interpretação. Na última fase, foi utilizado um algoritmo na linguagem MATLAB, com base em dados estatísticos, banco de dados com 14 tipos de tabelas de embarcações militares e mercantes e 31 tipos de embarcações para cada tabela, com suas respectivas larguras e comprimentos, para diferenciar embarcações entre si (militar ou mercante). Resultados desse estudo mostraram que, para interpretar embarcações, a composição mais indicada é a banda L com as polarizações HH, VV e VH ou HH, VV e HV, seguida de aplicação de realce de contraste de 50-200, filtro morfológico abertura e classificador máquina de vetor suporte ou transformador imagem colorida sintética. A metodologia para medir de forma automática as embarcações apresentou resultados satisfatórios, principalmente para o limite de corte 255, pixel com 2,46 metros e uso do arquivo no formato texto. _______________________________________________________________________________ ABSTRACT / This dissertation deals with the identification of vessels in images of airborne synthetic aperture radar (SAR) of the plane R 99 in the sea area of Brazil. Our objectives are to identify the methods of GIS, the type of contrast enhancement, morphological filters, classifiers and processors that enable better identification of ships in SAR images of the Maritime Area of Brazil, to relate the elements of interpretation with the stages of interpretation, bands, polarizations, morphological filters, classifier and processor in order to determine the elements of interpretation more appropriate to identify ships, boats and distinguish between them in SAR images by using the elements of interpretation and statistical analysis data, generating an algorithm for automatic measurement of the length of vessels. The methodology was divided into three phases. In the first and second phase, we proposed a definition of methodology of interpretation of targets in SAR images, while the third stage, was created an algorithm able to measure the length the targets. In the first phase, the levels of five digital images of the three study areas (Tubarão Port, Port of Santos and Guanabara of Bay) were exported to MS Excel™ spreadsheet and statistical packages SPSS™ and MINITAB™ to be analyzed statistically (analysis of means, standard deviation, Pearson correlation, multiple correlation, analysis of variance, and Kappa coefficient matrix of eigenvectors). At this stage, the images were further processed using ENVI 4.5 on different highlights (2% linear, Gaussian, equalization, square root and contrast from 50 to 200), morphological filters (dilation, erosion, opening and closing), non-supervised classifiers (ISODATA and K-means clustering), supervised classifiers (parallelepiped, minimum distance, Mahalanobis distance, maximum likelihood, spectral angle map, divergence of spectral information, binary encoding and support vector machine) and processors (by decorrelation highlight, saturation and synthetic color image). In the second phase, the results of the first phase provided a basis for comparing elements and stages of interpretation with band / polarization, defining the main elements of interpretation. In the last phase, we used an algorithm in MATLAB, based on statistical data, database tables with 14 types of naval and merchant ships and 31 types for each table, with their widths and lengths to differentiate vessels each other (military or merchant). Results of this study showed that, in interpreting vessels, the composition is the most appropriate L band with HH, VV and VH, or HH, VV and HV, followed by application of contrast enhancement of 50-200, morphological opening filter and classifier support vector machine or synthetic color image processor. The methodology for automatically measuring vessels with satisfactory results, especially for the cut-off 255 pixels with 2.46 meters and use the file in text format.
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.unb.br:10482/9061 |
| Date | 08 December 2010 |
| Creators | Gamba, Sérgio Roberto Horst |
| Contributors | Sano, Edson Eyji, Rocha, Marcelo Peres |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Source | reponame:Repositório Institucional da UnB, instname:Universidade de Brasília, instacron:UNB |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0124 seconds