[en] AN IMAGE ANALYSIS METHODOLOGY USING PER CLASS SPECIFIC SEGMENTATIONS

• Ano de defesa: 2018
• Autor(a) principal: MARCELO MUSCI ZAIB ANTONIO
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: MAXWELL
• Palavras-chave em Português: [pt] SEGMENTACAO; [pt] PROCESSAMENTO DE IMAGENS; [pt] SENSORIAMENTO REMOTO; [en] SEGMENTATION; [en] IMAGE PROCESSING; [en] REMOTE SENSING
• Link de acesso: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=35419&idi=1; https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=35419&idi=2; http://doi.org/10.17771/PUCRio.acad.35419

[pt] A técnica de análise de imagens conhecida pelo acrônimo de GEOBIA (do inglês Geographic Object Based Image Analysis) torna possível a exploração de uma série de novos recursos no processo de classificação de imagens de sensoriamento remoto, em comparação com as alternativas tradicionais baseadas em pixel. Esta possibilidade resulta da introdução de uma etapa de segmentação no processo de análise. Os novos recursos referem-se às propriedades espectrais, texturais, morfológicas e topológicas computadas para os diferentes segmentos de imagem. A abordagem de segmentação habitual encontrada na maioria dos trabalhos de GEOBIA depende de uma hierarquia de segmentações, cada nível de hierarquia associado a um número de classes de objetos caracterizados por tamanhos similares, ou seja, detectáveis em uma determinada escala. A prática usual, porém, não considera segmentações específicas para cada uma das classes de interesse no problema de interpretação, agrupando objetos de mesma escala em um procedimento de segmentação única, ou seja, usando o mesmo algoritmo e parâmetros. A tese investigada neste trabalho baseia-se na suposição de que, se segmentações não são especializadas para cada classe de objeto, então muitos atributos a eles relacionados não podem ser devidamente explorados no processo de classificação. A metodologia proposta baseia-se em uma regra específica para resolver eventuais conflitos espaciais entre as diferentes segmentações. Os resultados experimentais obtidos com base nos experimentos realizados apresentaram um desempenho melhor que o de costume, isto é, produziu melhores resultados de classificação, na maior parte dos problemas de interpretação investigados.