A COMPARISON OF SEGMENTATION ALGORITHMS FOR REMOTE SENSING

Detalhes bibliográficos
Autor(a) principal: PEDRO MARCO ACHANCCARAY DIAZ
Data de Publicação: 2014
Tipo de documento: Dissertação
Idioma: eng
Título da fonte: Repositório Institucional da PUC-RIO (Projeto Maxwell)
Texto Completo: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=56038@1
https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=56038@2
Resumo: Esta dissertação tem como objetivo avaliar algoritmos de segmentação para imagens de sensoriamento remoto. Quatro algoritmos de segmentação foram considerados neste estudo. Esses algoritmos têm abordagens diferentes tais como baseado em agrupamento, em crescimento de regiões, em modelos bayesianos e em grafos. Como cada algoritmo tem os seus próprios parâmetros, o processo de encontrar seus parâmetros ótimos foi feito usando um algoritmo de otimização, Nelder - Mead. O algoritmo Nelder - Mead procura os melhores parâmetros para cada algoritmo de segmentação, isto é, os parâmetros que proporcionam os resultados mais exatos com respeito a uma referência dada. A função objetivo foi definida a partir de sete métricas diferentes. Eles avaliam qualitativamente o resultado da segmentação baseadas na sua referência. Os experimentos foram realizados ao longo de três imagens de sensoriamento remoto de diferentes localidades do Brasil. Isso envolveu um total de 84 experimentos. Os resultados mostraram que as abordagens baseadas em grafos produzem os melhores resultados baseados em todas as métricas. As abordagens baseadas no crescimento de regiões e agrupamento apresentaram-se como boas opções para imagens de sensoriamento remoto.
id PUC_RIO-1_cc933cbb72fad216b045d4f8879b92ab
oai_identifier_str oai:MAXWELL.puc-rio.br:56038
network_acronym_str PUC_RIO-1
network_name_str Repositório Institucional da PUC-RIO (Projeto Maxwell)
repository_id_str 534
spelling info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisA COMPARISON OF SEGMENTATION ALGORITHMS FOR REMOTE SENSING UMA AVALIAÇÃO DE MÉTODOS DE SEGMENTAÇÃO PARA APLICAÇÕES EM SENSORIAMENTO REMOTO 2014-05-09RAUL QUEIROZ FEITOSA00889262810lattes.cnpq.brRAUL QUEIROZ FEITOSASIDNEI PACIORNIKMARIA LUIZA FERNANDES VELLOSOMARIA LUIZA FERNANDES VELLOSO06176944783lattes.cnpq.br/4979451422315118PEDRO MARCO ACHANCCARAY DIAZPONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIROPPG EM ENGENHARIA ELÉTRICAPUC-RioBREsta dissertação tem como objetivo avaliar algoritmos de segmentação para imagens de sensoriamento remoto. Quatro algoritmos de segmentação foram considerados neste estudo. Esses algoritmos têm abordagens diferentes tais como baseado em agrupamento, em crescimento de regiões, em modelos bayesianos e em grafos. Como cada algoritmo tem os seus próprios parâmetros, o processo de encontrar seus parâmetros ótimos foi feito usando um algoritmo de otimização, Nelder - Mead. O algoritmo Nelder - Mead procura os melhores parâmetros para cada algoritmo de segmentação, isto é, os parâmetros que proporcionam os resultados mais exatos com respeito a uma referência dada. A função objetivo foi definida a partir de sete métricas diferentes. Eles avaliam qualitativamente o resultado da segmentação baseadas na sua referência. Os experimentos foram realizados ao longo de três imagens de sensoriamento remoto de diferentes localidades do Brasil. Isso envolveu um total de 84 experimentos. Os resultados mostraram que as abordagens baseadas em grafos produzem os melhores resultados baseados em todas as métricas. As abordagens baseadas no crescimento de regiões e agrupamento apresentaram-se como boas opções para imagens de sensoriamento remoto.This dissertation aims to evaluate segmentation algorithms for remote sensing images. Four segmentation algorithms were considered in this study. These algorithms have different approaches such as clustering-based, region growing-based, bayesian-based and graph-based. As each algorithm has its own parameters, the process to find their optimum values was done using an optimization algorithm, Nelder - Mead. Nelder - Mead algorithm looks for the best parameters for each segmentation algorithm, i.e. the parameters that provide the most accurate results with respect to a given reference. The objective function was defined by seven different metrics. These metrics assess qualitatively the segmentation result based on its reference. The experiments were performed over three remote sensing images from different locations of Brazil. A total of 84 experiments have been performed. The results have shown that graph-based approaches produce the best results based on each metric. The region growing- and clustering-based approaches have shown to be good alternatives for remote sensing images.https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=56038@1https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=56038@2engreponame:Repositório Institucional da PUC-RIO (Projeto Maxwell)instname:Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)instacron:PUC_RIOinfo:eu-repo/semantics/openAccess2022-11-01T14:04:01Zoai:MAXWELL.puc-rio.br:56038Repositório InstitucionalPRIhttps://www.maxwell.vrac.puc-rio.br/ibict.phpopendoar:5342021-11-19T00:00Repositório Institucional da PUC-RIO (Projeto Maxwell) - Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)false
dc.title.en.fl_str_mv A COMPARISON OF SEGMENTATION ALGORITHMS FOR REMOTE SENSING
dc.title.alternative.pt.fl_str_mv UMA AVALIAÇÃO DE MÉTODOS DE SEGMENTAÇÃO PARA APLICAÇÕES EM SENSORIAMENTO REMOTO
title A COMPARISON OF SEGMENTATION ALGORITHMS FOR REMOTE SENSING
spellingShingle A COMPARISON OF SEGMENTATION ALGORITHMS FOR REMOTE SENSING
PEDRO MARCO ACHANCCARAY DIAZ
title_short A COMPARISON OF SEGMENTATION ALGORITHMS FOR REMOTE SENSING
title_full A COMPARISON OF SEGMENTATION ALGORITHMS FOR REMOTE SENSING
title_fullStr A COMPARISON OF SEGMENTATION ALGORITHMS FOR REMOTE SENSING
title_full_unstemmed A COMPARISON OF SEGMENTATION ALGORITHMS FOR REMOTE SENSING
title_sort A COMPARISON OF SEGMENTATION ALGORITHMS FOR REMOTE SENSING
author PEDRO MARCO ACHANCCARAY DIAZ
author_facet PEDRO MARCO ACHANCCARAY DIAZ
author_role author
dc.contributor.advisor1.fl_str_mv RAUL QUEIROZ FEITOSA
dc.contributor.advisor1ID.fl_str_mv 00889262810
dc.contributor.advisor1Lattes.fl_str_mv lattes.cnpq.br
dc.contributor.referee1.fl_str_mv RAUL QUEIROZ FEITOSA
dc.contributor.referee2.fl_str_mv SIDNEI PACIORNIK
dc.contributor.referee3.fl_str_mv MARIA LUIZA FERNANDES VELLOSO
dc.contributor.referee4.fl_str_mv MARIA LUIZA FERNANDES VELLOSO
dc.contributor.authorID.fl_str_mv 06176944783
dc.contributor.authorLattes.fl_str_mv lattes.cnpq.br/4979451422315118
dc.contributor.author.fl_str_mv PEDRO MARCO ACHANCCARAY DIAZ
contributor_str_mv RAUL QUEIROZ FEITOSA
RAUL QUEIROZ FEITOSA
SIDNEI PACIORNIK
MARIA LUIZA FERNANDES VELLOSO
MARIA LUIZA FERNANDES VELLOSO
description Esta dissertação tem como objetivo avaliar algoritmos de segmentação para imagens de sensoriamento remoto. Quatro algoritmos de segmentação foram considerados neste estudo. Esses algoritmos têm abordagens diferentes tais como baseado em agrupamento, em crescimento de regiões, em modelos bayesianos e em grafos. Como cada algoritmo tem os seus próprios parâmetros, o processo de encontrar seus parâmetros ótimos foi feito usando um algoritmo de otimização, Nelder - Mead. O algoritmo Nelder - Mead procura os melhores parâmetros para cada algoritmo de segmentação, isto é, os parâmetros que proporcionam os resultados mais exatos com respeito a uma referência dada. A função objetivo foi definida a partir de sete métricas diferentes. Eles avaliam qualitativamente o resultado da segmentação baseadas na sua referência. Os experimentos foram realizados ao longo de três imagens de sensoriamento remoto de diferentes localidades do Brasil. Isso envolveu um total de 84 experimentos. Os resultados mostraram que as abordagens baseadas em grafos produzem os melhores resultados baseados em todas as métricas. As abordagens baseadas no crescimento de regiões e agrupamento apresentaram-se como boas opções para imagens de sensoriamento remoto.
publishDate 2014
dc.date.issued.fl_str_mv 2014-05-09
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.uri.fl_str_mv https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=56038@1
https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=56038@2
url https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=56038@1
https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=56038@2
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO
dc.publisher.program.fl_str_mv PPG EM ENGENHARIA ELÉTRICA
dc.publisher.initials.fl_str_mv PUC-Rio
dc.publisher.country.fl_str_mv BR
publisher.none.fl_str_mv PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO
dc.source.none.fl_str_mv reponame:Repositório Institucional da PUC-RIO (Projeto Maxwell)
instname:Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)
instacron:PUC_RIO
instname_str Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)
instacron_str PUC_RIO
institution PUC_RIO
reponame_str Repositório Institucional da PUC-RIO (Projeto Maxwell)
collection Repositório Institucional da PUC-RIO (Projeto Maxwell)
repository.name.fl_str_mv Repositório Institucional da PUC-RIO (Projeto Maxwell) - Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)
repository.mail.fl_str_mv
_version_ 1748324960814759936

Registros relacionados