| |
|
|
|
Registro Completo |
|
Biblioteca(s): |
Embrapa Agropecuária Oeste; Embrapa Amazônia Oriental; Embrapa Pantanal; Embrapa Solos. |
|
Data corrente: |
30/08/1996 |
|
Data da última atualização: |
23/06/2017 |
|
Autoria: |
VENTURIERI, A. |
|
Afiliação: |
ADRIANO VENTURIERI, CPATU. |
|
Título: |
Segmentação de imagens e logica nebulosa para treinamento de uma rede neural artificial na caracterização do uso da terra na região de Tucuruí (PA). |
|
Ano de publicação: |
1996 |
|
Fonte/Imprenta: |
1996. |
|
Páginas: |
118 p. |
|
Descrição Física: |
il. |
|
Idioma: |
Português |
|
Notas: |
Dissertação (Mestrado em Sensoriamento Remoto) - Instituto Nacional de Pesquisas Espaciais, São José dos Campos. Orientador: João Roberto dos Santos. |
|
Conteúdo: |
Para avaliacao e monitoramento das aguas desfloradas na Amazonia tem sido desenvolvidas, atualmente, tecnicas de segmentacao e classificacao de imagens TM/LANDSAT por redes neurais. O sucesso desta abordagem tem permitido direcionar esforcos para uma estratificacao das areas desflorestadas, hoje em uso agropecuario ou em pousio. Por conseguinte, o objetivo dste trabalho e o desenvolvimento do processo de segmentacao de imagens e rotulacao de segmentos utilizando a logica nebulosa como suporte para treinamento (atraves do algoritmo backpropagation) de redes neurais artificiais especializadas em classes de vegetacao e uso da terra na regiao de Tucurui (PA). Em complementacao a este objetivo e apresentada a comparacao (atraves da estatistica Kappa) entre imagens tematicas resultantes dos algoritmos de classificacao tradicionais (SOSEG e Maxima Verossimilhanca) como primeiro passo para uma avaliacao geral dos diferentes processos classificatorios de imagens, incluindo futuramente aquele derivado das redes neurais. O estudo foi desenvolvido em parte da regiao sob influencia da barragem de Tucurui (SE do Estado do Para). O processo de segmentacao da imagem foi realizado com base nas caracteristicas de natureza espectral, atraves da tecnica de crescimento de regioes. Foram rotulados individualmente 15.033 segmentos de imagem para formacao da base de conhecimento/treinamento da rede nas geoclasses: floresta, sucessao secundaria avancada, sucessao secundaria inicial, pasto sujo, pasto limpo, cultura agricola, area urbana e agua (categorias basicas) alem de sombra e nuvem (categorias de interferencia). No processo de rotulacao destes segmentos foi atribuido a cada categoria tematica, graus de pertinencia parciais (0,0; 0,25; 0,75; e 1,0), entre os conceitos booleanos de falso e verdadeiro, dentro do procedimento que define o conceito de logica nebulosa. Na arquitetura deste sistema classificador por rede neural foram consideradas para treinamento, as informacoes espectrais (media) e texturais (variancia, correlacao e entropia). Para avaliar os resultados preliminares da rede utilizaram-se os indices MSE (Mean Square Error), sensibilidade e especificidade. No treinamento da rede houve uma minimizacao do MSE com o numero de epocas deste treinamento, indicando uma sensibilidade e especificidade coerente a identificacao das geoclasses. No caso de comparacao das classificacoes tematicas entre as abordagens ISOSEG e maxima verossimilhanca e a imagem de referencia, foi constatada a superioridade do algoritmo nao supervisionado em funcao deste utilizar regioes resultantes da segmentacao de imagens. E esperado que, em oportunidade futura, com a realizacao de uma equalizacao da rede, nova fase de treinamento e procedimento de classificacao tematica (associando descritores de vizinhanca), seja possivel a comparacao deste processo classificatorio com aqueles convencionais (ISOSEG e maxima verossimilhanca) para um adequado entendimento bda estratificacao de classes de ocupacao da terra na Amazonia Oriental. MenosPara avaliacao e monitoramento das aguas desfloradas na Amazonia tem sido desenvolvidas, atualmente, tecnicas de segmentacao e classificacao de imagens TM/LANDSAT por redes neurais. O sucesso desta abordagem tem permitido direcionar esforcos para uma estratificacao das areas desflorestadas, hoje em uso agropecuario ou em pousio. Por conseguinte, o objetivo dste trabalho e o desenvolvimento do processo de segmentacao de imagens e rotulacao de segmentos utilizando a logica nebulosa como suporte para treinamento (atraves do algoritmo backpropagation) de redes neurais artificiais especializadas em classes de vegetacao e uso da terra na regiao de Tucurui (PA). Em complementacao a este objetivo e apresentada a comparacao (atraves da estatistica Kappa) entre imagens tematicas resultantes dos algoritmos de classificacao tradicionais (SOSEG e Maxima Verossimilhanca) como primeiro passo para uma avaliacao geral dos diferentes processos classificatorios de imagens, incluindo futuramente aquele derivado das redes neurais. O estudo foi desenvolvido em parte da regiao sob influencia da barragem de Tucurui (SE do Estado do Para). O processo de segmentacao da imagem foi realizado com base nas caracteristicas de natureza espectral, atraves da tecnica de crescimento de regioes. Foram rotulados individualmente 15.033 segmentos de imagem para formacao da base de conhecimento/treinamento da rede nas geoclasses: floresta, sucessao secundaria avancada, sucessao secundaria inicial, pasto sujo, past... Mostrar Tudo |
|
Palavras-Chave: |
Brasil; Classificação de imagem; Classificacao de imagens; Data processing; Forest; Geoprocessamento; Imagens; Mapeamento tematico; Monitoramento; Para; Processamento digital; Rede neural; Redes neurais; Segmentacao; Segmentação de imagem; Segmentacao de imagens; Tucurui. |
|
Thesagro: |
Floresta; Sensoriamento Remoto; Uso da Terra; Vegetação. |
|
Thesaurus Nal: |
land; land use; monitoring; remote sensing; vegetation. |
|
Categoria do assunto: |
--
Z Localizações Geográficas |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/157798/1/publicacao2.pdf
|
|
Marc: |
LEADER 04389nam a2200445 a 4500
001 1402701
005 2017-06-23
008 1996 bl uuuu m 00u1 u #d
100 1 $aVENTURIERI, A.
245 $aSegmentação de imagens e logica nebulosa para treinamento de uma rede neural artificial na caracterização do uso da terra na região de Tucuruí (PA).
260 $a1996.$c1996
300 $a118 p.$cil.
500 $aDissertação (Mestrado em Sensoriamento Remoto) - Instituto Nacional de Pesquisas Espaciais, São José dos Campos. Orientador: João Roberto dos Santos.
520 $aPara avaliacao e monitoramento das aguas desfloradas na Amazonia tem sido desenvolvidas, atualmente, tecnicas de segmentacao e classificacao de imagens TM/LANDSAT por redes neurais. O sucesso desta abordagem tem permitido direcionar esforcos para uma estratificacao das areas desflorestadas, hoje em uso agropecuario ou em pousio. Por conseguinte, o objetivo dste trabalho e o desenvolvimento do processo de segmentacao de imagens e rotulacao de segmentos utilizando a logica nebulosa como suporte para treinamento (atraves do algoritmo backpropagation) de redes neurais artificiais especializadas em classes de vegetacao e uso da terra na regiao de Tucurui (PA). Em complementacao a este objetivo e apresentada a comparacao (atraves da estatistica Kappa) entre imagens tematicas resultantes dos algoritmos de classificacao tradicionais (SOSEG e Maxima Verossimilhanca) como primeiro passo para uma avaliacao geral dos diferentes processos classificatorios de imagens, incluindo futuramente aquele derivado das redes neurais. O estudo foi desenvolvido em parte da regiao sob influencia da barragem de Tucurui (SE do Estado do Para). O processo de segmentacao da imagem foi realizado com base nas caracteristicas de natureza espectral, atraves da tecnica de crescimento de regioes. Foram rotulados individualmente 15.033 segmentos de imagem para formacao da base de conhecimento/treinamento da rede nas geoclasses: floresta, sucessao secundaria avancada, sucessao secundaria inicial, pasto sujo, pasto limpo, cultura agricola, area urbana e agua (categorias basicas) alem de sombra e nuvem (categorias de interferencia). No processo de rotulacao destes segmentos foi atribuido a cada categoria tematica, graus de pertinencia parciais (0,0; 0,25; 0,75; e 1,0), entre os conceitos booleanos de falso e verdadeiro, dentro do procedimento que define o conceito de logica nebulosa. Na arquitetura deste sistema classificador por rede neural foram consideradas para treinamento, as informacoes espectrais (media) e texturais (variancia, correlacao e entropia). Para avaliar os resultados preliminares da rede utilizaram-se os indices MSE (Mean Square Error), sensibilidade e especificidade. No treinamento da rede houve uma minimizacao do MSE com o numero de epocas deste treinamento, indicando uma sensibilidade e especificidade coerente a identificacao das geoclasses. No caso de comparacao das classificacoes tematicas entre as abordagens ISOSEG e maxima verossimilhanca e a imagem de referencia, foi constatada a superioridade do algoritmo nao supervisionado em funcao deste utilizar regioes resultantes da segmentacao de imagens. E esperado que, em oportunidade futura, com a realizacao de uma equalizacao da rede, nova fase de treinamento e procedimento de classificacao tematica (associando descritores de vizinhanca), seja possivel a comparacao deste processo classificatorio com aqueles convencionais (ISOSEG e maxima verossimilhanca) para um adequado entendimento bda estratificacao de classes de ocupacao da terra na Amazonia Oriental.
650 $aland
650 $aland use
650 $amonitoring
650 $aremote sensing
650 $avegetation
650 $aFloresta
650 $aSensoriamento Remoto
650 $aUso da Terra
650 $aVegetação
653 $aBrasil
653 $aClassificação de imagem
653 $aClassificacao de imagens
653 $aData processing
653 $aForest
653 $aGeoprocessamento
653 $aImagens
653 $aMapeamento tematico
653 $aMonitoramento
653 $aPara
653 $aProcessamento digital
653 $aRede neural
653 $aRedes neurais
653 $aSegmentacao
653 $aSegmentação de imagem
653 $aSegmentacao de imagens
653 $aTucurui
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Amazônia Oriental (CPATU) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
|
| Registros recuperados : 1 | |
| Registros recuperados : 1 | |
|
| Nenhum registro encontrado para a expressão de busca informada. |
|
|
