Utilização de algoritmos de classificação em uma imagem IKONOS para o mapeamento de feições terrestres: um estudo de caso

Detalhes bibliográficos
Autor(a) principal: Mendonça, Luis Eduardo Ribeiro de
Data de Publicação: 2006
Tipo de documento: Dissertação
Idioma: por
Título da fonte: LOCUS Repositório Institucional da UFV
Texto Completo: http://locus.ufv.br/handle/123456789/3172
Resumo: The present work consisted in classifying part of an IKONOS II image, from the municipality of Serra do Salitre, Minas Gerais State, Brazil, using six classification algorithms, three of them by pixels and three by regions, to map the ground cover. The algorithms were: Maximum Likelyhood, Minimum Euclydian Distance, Neural Nets, Bhattacharya, Isoseg and Hystogram. The calculations of the accuracy classification, made by the Kappa index, were performed with 250, 500, 750 and 1,000 pixels, to check any accuracy loss if smaller number of samples were used. For this check up it was verified if there were significant statistical differences among the kappa indexes found after the classifications or not. The results indicated that the classifications generated by the algorithms that work with a segmented image generated thematic images with a much higher visual quality than those that did not use this method. Besides, there was not a significant statistical difference, at 95% probability, among the kappa indexes, when the size of the test samples were varied. There was a significant statistical difference, at 95% probability, when comparing the kappa indexes generated by the classifications by pixel and by region. This did not occur when comparing the three algorithms by pixels with one another, and the three algorithms by regions also between each other. The classification algorithms by pixels showed values of kappa indexes considered fairly good while the algorithms by regions showed excellent results, with the Isoseg obtaining the best indexes. The increase in the size of the samples of the tests for the evaluation of the classified images did not statistically show improvements in the kappa accuracy index calculation.
id UFV_439aefad410993acee6ab119eaf90e90
oai_identifier_str oai:locus.ufv.br:123456789/3172
network_acronym_str UFV
network_name_str LOCUS Repositório Institucional da UFV
repository_id_str 2145
spelling Mendonça, Luis Eduardo Ribeiro dehttp://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4130428E6Gleriani, José Marinaldohttp://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4791933J1Ribeiro, Guido Assunçãohttp://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4783554H6Soares, Vicente Paulohttp://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4781715A9Dias, Herly Carlos Teixeirahttp://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4782478T6Vieira, Carlos Antonio Oliveirahttp://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4728250D02015-03-26T13:15:34Z2007-07-192015-03-26T13:15:34Z2006-08-31MENDONÇA, Luis Eduardo Ribeiro de. The use of classification algorithms in an IKONOS image for the mapping of ground features: a study case. 2006. 76 f. Dissertação (Mestrado em Manejo Florestal; Meio Ambiente e Conservação da Natureza; Silvicultura; Tecnologia e Utilização de) - Universidade Federal de Viçosa, Viçosa, 2006.http://locus.ufv.br/handle/123456789/3172The present work consisted in classifying part of an IKONOS II image, from the municipality of Serra do Salitre, Minas Gerais State, Brazil, using six classification algorithms, three of them by pixels and three by regions, to map the ground cover. The algorithms were: Maximum Likelyhood, Minimum Euclydian Distance, Neural Nets, Bhattacharya, Isoseg and Hystogram. The calculations of the accuracy classification, made by the Kappa index, were performed with 250, 500, 750 and 1,000 pixels, to check any accuracy loss if smaller number of samples were used. For this check up it was verified if there were significant statistical differences among the kappa indexes found after the classifications or not. The results indicated that the classifications generated by the algorithms that work with a segmented image generated thematic images with a much higher visual quality than those that did not use this method. Besides, there was not a significant statistical difference, at 95% probability, among the kappa indexes, when the size of the test samples were varied. There was a significant statistical difference, at 95% probability, when comparing the kappa indexes generated by the classifications by pixel and by region. This did not occur when comparing the three algorithms by pixels with one another, and the three algorithms by regions also between each other. The classification algorithms by pixels showed values of kappa indexes considered fairly good while the algorithms by regions showed excellent results, with the Isoseg obtaining the best indexes. The increase in the size of the samples of the tests for the evaluation of the classified images did not statistically show improvements in the kappa accuracy index calculation.O presente trabalho consistiu em classificar parte de uma imagem IKONOS II, localizada no município de Serra do Salitre, estado de Minas Gerais, utilizando seis algoritmos de classificação, sendo três por pixels e três por regiões, visando o mapeamento da cobertura terrestre. Os algoritmos foram: Máxima Verossimilhança, Distância Euclidiana Mínima, Redes Neurais, Bhattacharya, Isoseg e Histograma. O cálculo das acurácias de classificação, pelo índice Kappa, foi feito com 250, 500, 750 e 1000 pixels, para verificar se haveria perda de exatidão ao se utilizar um menor número de amostras. Para essa comprovação, verificou-se se existiam diferenças estatísticas significativas entre os índices Kappa encontrados após as classificações. Os resultados indicaram que as classificações geradas pelos algoritmos que trabalham com uma imagem segmentada geraram imagens temáticas com qualidades visuais muito superiores aos que não utilizam este procedimento. Além do que, não houve diferença estatística significativa, a 95% de probabilidade, entre os índices Kappa, ao se variar o tamanho das amostras de testes. Houve diferença estatística significativa, a 95% de probabilidade, ao se comparar os índices Kappa gerados pelas classificações por pixel e por região, o que não ocorreu ao se comparar os três algoritmos por pixel, entre si, e os três algoritmos por regiões, também entre si. Os algoritmos de classificação por pixels apresentaram valores de índice Kappa considerados razoáveis enquanto que os algoritmos por regiões apresentaram resultados excelentes, com o Isoseg obtendo os melhores índices. O aumento do tamanho das amostras de testes para avaliação das imagens classificadas não demonstrou, estatisticamente, melhorias no cálculo do índice de exatidão kappa.Coordenação de Aperfeiçoamento de Pessoal de Nível Superiorapplication/pdfporUniversidade Federal de ViçosaMestrado em Ciência FlorestalUFVBRManejo Florestal; Meio Ambiente e Conservação da Natureza; Silvicultura; Tecnologia e Utilização deAlgoritmos de classificaçãoImagem IKONOSCobertura terrestreMapeamentoSensoriamento remotoClassification algorithmsIKONOS imageGround featuresMappingRemote sensingCNPQ::CIENCIAS AGRARIAS::RECURSOS FLORESTAIS E ENGENHARIA FLORESTAL::MANEJO FLORESTALUtilização de algoritmos de classificação em uma imagem IKONOS para o mapeamento de feições terrestres: um estudo de casoThe use of classification algorithms in an IKONOS image for the mapping of ground features: a study caseinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessreponame:LOCUS Repositório Institucional da UFVinstname:Universidade Federal de Viçosa (UFV)instacron:UFVORIGINALtexto completo.pdfapplication/pdf2351025https://locus.ufv.br//bitstream/123456789/3172/1/texto%20completo.pdf4bd78f2bfd7dc12940571ef07baa10f5MD51TEXTtexto completo.pdf.txttexto completo.pdf.txtExtracted texttext/plain110509https://locus.ufv.br//bitstream/123456789/3172/2/texto%20completo.pdf.txt3839003698507da3b915be98a280190fMD52THUMBNAILtexto completo.pdf.jpgtexto completo.pdf.jpgIM Thumbnailimage/jpeg3688https://locus.ufv.br//bitstream/123456789/3172/3/texto%20completo.pdf.jpg1561d95d381a6b7f33a7470654322e22MD53123456789/31722016-04-08 23:14:59.211oai:locus.ufv.br:123456789/3172Repositório InstitucionalPUBhttps://www.locus.ufv.br/oai/requestfabiojreis@ufv.bropendoar:21452016-04-09T02:14:59LOCUS Repositório Institucional da UFV - Universidade Federal de Viçosa (UFV)false
dc.title.por.fl_str_mv Utilização de algoritmos de classificação em uma imagem IKONOS para o mapeamento de feições terrestres: um estudo de caso
dc.title.alternative.eng.fl_str_mv The use of classification algorithms in an IKONOS image for the mapping of ground features: a study case
title Utilização de algoritmos de classificação em uma imagem IKONOS para o mapeamento de feições terrestres: um estudo de caso
spellingShingle Utilização de algoritmos de classificação em uma imagem IKONOS para o mapeamento de feições terrestres: um estudo de caso
Mendonça, Luis Eduardo Ribeiro de
Algoritmos de classificação
Imagem IKONOS
Cobertura terrestre
Mapeamento
Sensoriamento remoto
Classification algorithms
IKONOS image
Ground features
Mapping
Remote sensing
CNPQ::CIENCIAS AGRARIAS::RECURSOS FLORESTAIS E ENGENHARIA FLORESTAL::MANEJO FLORESTAL
title_short Utilização de algoritmos de classificação em uma imagem IKONOS para o mapeamento de feições terrestres: um estudo de caso
title_full Utilização de algoritmos de classificação em uma imagem IKONOS para o mapeamento de feições terrestres: um estudo de caso
title_fullStr Utilização de algoritmos de classificação em uma imagem IKONOS para o mapeamento de feições terrestres: um estudo de caso
title_full_unstemmed Utilização de algoritmos de classificação em uma imagem IKONOS para o mapeamento de feições terrestres: um estudo de caso
title_sort Utilização de algoritmos de classificação em uma imagem IKONOS para o mapeamento de feições terrestres: um estudo de caso
author Mendonça, Luis Eduardo Ribeiro de
author_facet Mendonça, Luis Eduardo Ribeiro de
author_role author
dc.contributor.authorLattes.por.fl_str_mv http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4130428E6
dc.contributor.author.fl_str_mv Mendonça, Luis Eduardo Ribeiro de
dc.contributor.advisor-co1.fl_str_mv Gleriani, José Marinaldo
dc.contributor.advisor-co1Lattes.fl_str_mv http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4791933J1
dc.contributor.advisor-co2.fl_str_mv Ribeiro, Guido Assunção
dc.contributor.advisor-co2Lattes.fl_str_mv http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4783554H6
dc.contributor.advisor1.fl_str_mv Soares, Vicente Paulo
dc.contributor.advisor1Lattes.fl_str_mv http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4781715A9
dc.contributor.referee1.fl_str_mv Dias, Herly Carlos Teixeira
dc.contributor.referee1Lattes.fl_str_mv http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4782478T6
dc.contributor.referee2.fl_str_mv Vieira, Carlos Antonio Oliveira
dc.contributor.referee2Lattes.fl_str_mv http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4728250D0
contributor_str_mv Gleriani, José Marinaldo
Ribeiro, Guido Assunção
Soares, Vicente Paulo
Dias, Herly Carlos Teixeira
Vieira, Carlos Antonio Oliveira
dc.subject.por.fl_str_mv Algoritmos de classificação
Imagem IKONOS
Cobertura terrestre
Mapeamento
Sensoriamento remoto
topic Algoritmos de classificação
Imagem IKONOS
Cobertura terrestre
Mapeamento
Sensoriamento remoto
Classification algorithms
IKONOS image
Ground features
Mapping
Remote sensing
CNPQ::CIENCIAS AGRARIAS::RECURSOS FLORESTAIS E ENGENHARIA FLORESTAL::MANEJO FLORESTAL
dc.subject.eng.fl_str_mv Classification algorithms
IKONOS image
Ground features
Mapping
Remote sensing
dc.subject.cnpq.fl_str_mv CNPQ::CIENCIAS AGRARIAS::RECURSOS FLORESTAIS E ENGENHARIA FLORESTAL::MANEJO FLORESTAL
description The present work consisted in classifying part of an IKONOS II image, from the municipality of Serra do Salitre, Minas Gerais State, Brazil, using six classification algorithms, three of them by pixels and three by regions, to map the ground cover. The algorithms were: Maximum Likelyhood, Minimum Euclydian Distance, Neural Nets, Bhattacharya, Isoseg and Hystogram. The calculations of the accuracy classification, made by the Kappa index, were performed with 250, 500, 750 and 1,000 pixels, to check any accuracy loss if smaller number of samples were used. For this check up it was verified if there were significant statistical differences among the kappa indexes found after the classifications or not. The results indicated that the classifications generated by the algorithms that work with a segmented image generated thematic images with a much higher visual quality than those that did not use this method. Besides, there was not a significant statistical difference, at 95% probability, among the kappa indexes, when the size of the test samples were varied. There was a significant statistical difference, at 95% probability, when comparing the kappa indexes generated by the classifications by pixel and by region. This did not occur when comparing the three algorithms by pixels with one another, and the three algorithms by regions also between each other. The classification algorithms by pixels showed values of kappa indexes considered fairly good while the algorithms by regions showed excellent results, with the Isoseg obtaining the best indexes. The increase in the size of the samples of the tests for the evaluation of the classified images did not statistically show improvements in the kappa accuracy index calculation.
publishDate 2006
dc.date.issued.fl_str_mv 2006-08-31
dc.date.available.fl_str_mv 2007-07-19
2015-03-26T13:15:34Z
dc.date.accessioned.fl_str_mv 2015-03-26T13:15:34Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv MENDONÇA, Luis Eduardo Ribeiro de. The use of classification algorithms in an IKONOS image for the mapping of ground features: a study case. 2006. 76 f. Dissertação (Mestrado em Manejo Florestal; Meio Ambiente e Conservação da Natureza; Silvicultura; Tecnologia e Utilização de) - Universidade Federal de Viçosa, Viçosa, 2006.
dc.identifier.uri.fl_str_mv http://locus.ufv.br/handle/123456789/3172
identifier_str_mv MENDONÇA, Luis Eduardo Ribeiro de. The use of classification algorithms in an IKONOS image for the mapping of ground features: a study case. 2006. 76 f. Dissertação (Mestrado em Manejo Florestal; Meio Ambiente e Conservação da Natureza; Silvicultura; Tecnologia e Utilização de) - Universidade Federal de Viçosa, Viçosa, 2006.
url http://locus.ufv.br/handle/123456789/3172
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade Federal de Viçosa
dc.publisher.program.fl_str_mv Mestrado em Ciência Florestal
dc.publisher.initials.fl_str_mv UFV
dc.publisher.country.fl_str_mv BR
dc.publisher.department.fl_str_mv Manejo Florestal; Meio Ambiente e Conservação da Natureza; Silvicultura; Tecnologia e Utilização de
publisher.none.fl_str_mv Universidade Federal de Viçosa
dc.source.none.fl_str_mv reponame:LOCUS Repositório Institucional da UFV
instname:Universidade Federal de Viçosa (UFV)
instacron:UFV
instname_str Universidade Federal de Viçosa (UFV)
instacron_str UFV
institution UFV
reponame_str LOCUS Repositório Institucional da UFV
collection LOCUS Repositório Institucional da UFV
bitstream.url.fl_str_mv https://locus.ufv.br//bitstream/123456789/3172/1/texto%20completo.pdf
https://locus.ufv.br//bitstream/123456789/3172/2/texto%20completo.pdf.txt
https://locus.ufv.br//bitstream/123456789/3172/3/texto%20completo.pdf.jpg
bitstream.checksum.fl_str_mv 4bd78f2bfd7dc12940571ef07baa10f5
3839003698507da3b915be98a280190f
1561d95d381a6b7f33a7470654322e22
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv LOCUS Repositório Institucional da UFV - Universidade Federal de Viçosa (UFV)
repository.mail.fl_str_mv fabiojreis@ufv.br
_version_ 1801212950910861312