Espacialização da exatidão da classificação automática de imagens multiespetrais usando medidas de incerteza e classificadores não rígidos

Detalhes bibliográficos
Autor(a) principal: Palma, João Pedro Apolinário
Data de Publicação: 2012
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://hdl.handle.net/10316/99682
Resumo: Dissertação de Mestrado em Engenharia Geográfica apresentada à Faculdade de Ciências e Tecnologia da Universidade de Coimbra.
id RCAP_867662519b8df1858b69042762b9da2d
oai_identifier_str oai:estudogeral.uc.pt:10316/99682
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Espacialização da exatidão da classificação automática de imagens multiespetrais usando medidas de incerteza e classificadores não rígidosDissertação de Mestrado em Engenharia Geográfica apresentada à Faculdade de Ciências e Tecnologia da Universidade de Coimbra.A classificação automática de imagens multiespetrais é uma importante ferramenta na construção de mapas temáticos de ocupação de solo, permitindo uma monitorização eficaz das alterações paisagísticas e de cobertura de solo, contribuindo para uma melhor gestão dos recursos presentes na superfície terrestre. Existem diversos tipos de classificadores, sendo de destacar os classificadores rígidos que atribuem, inequivocamente, uma ocupação de solo a um pixel, e os classificadores não rígidos que, não atribuem uma classe a um pixel, mas definem valores de confiança de atribuição de cada classe a esse pixel. Os classificadores não rígidos permitem calcular índices de incerteza representantes da dificuldade que o classificador teve para classificar o pixel em questão. Um tema importante na produção de mapas de cobertura de solo é a avaliação da sua exatidão. Regra geral, esta avaliação da exatidão da classificação é feita recorrendo a matrizes de confusão para toda a imagem classificada mas, uma vez que a exatidão poderá não ser homogénea em toda a classificação, este método não permite obter uma avaliação da variação da exatidão em diferentes zonas da imagem. O principal objetivo desta dissertação consiste na avaliação da incerteza resultante da classificação de imagens multiespetrais utilizando diferentes classificadores e, consequentemente, estudar de que forma esta informação da incerteza poderá ser um indicador para espacializar a exatidão da classificação, em diferentes áreas da imagem classificada. A abordagem utilizada baseia-se na metodologia proposta por Fonte e Gonçalves (2011), ou seja, são realizadas classificações de duas imagens de diferentes resoluções, utilizando diferentes classificadores não rígidos, sendo as imagens das incertezas resultantes das classificações segmentadas, permitindo diferenciar zonas da classificação com diferentes valores de incerteza. São então, calculadas as médias de incerteza, em cada zona segmentada, e é calculada a exatidão global da classificação para diferentes níveis de incerteza, assim como a exatidão do utilizador e do produtor, para diferentes níveis de incerteza. Os estudos realizados e os resultados obtidos mostram que a exatidão resultante da classificação de imagens multiespetrais utilizando classificadores não rígidos varia consistentemente em função do nível de incerteza obtido, o que sugere que a incerteza pode ser um indicador da exatidão da classificação, bem como da espacialização dessa exatidão na classificação em questão.The automatic classification of multispectral images is an important tool in the construction of thematic and land cover maps and, enables an efficient monitoring of landscape and ground cover changes contributing to a better management of resources on the land surface. Several types of classifiers can be used to produce these maps. Hard classifiers that clearly assign a land occupation type to a pixel, and soft classifiers that do not assign a class to a pixel, but provides information about the degree of membership of that pixel to each of the possible classes. Soft classifiers allow calculating indexes of uncertainty, representing the difficulty that the classifier had to classify the pixel in question. An important issue in the production of land cover maps is their accuracy evaluation. Generally, this classification accuracy assessment is done by obtaining confusion matrices for the entire classified image but, since the accuracy may not be uniform throughout the classification, this method does not allow an evaluation of the accuracy variation in different areas of the image. The main objective of the thesis is to assess the uncertainty resulting from the classification of multispectral images using different classifiers, and to investigate how this uncertainty information may be used as an indicator to spatialize the classification accuracy in different areas of the classified image. It is presented an approach based on the methodology proposed by Fonte and Gonçalves (2011). Two images of different resolutions are classified using different soft classifiers, and the resulting uncertainty images are segmented, allowing to identify different classification areas with different values of uncertainty. Then it is calculated the uncertainty average in each segmented area, and it is calculated the classification overall accuracy and the users and producers accuracy for different levels of uncertainty. The obtained results show that the accuracy of the classification of multispectral images using soft classifiers varies consistently with the level of uncertainty obtained, suggesting that the uncertainty information may be an indicator of the accuracy of a classification and an indicator to spatialize the accuracy of the classification in question.2012info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesishttp://hdl.handle.net/10316/99682http://hdl.handle.net/10316/99682porPalma, João Pedro Apolinárioinfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2023-04-14T09:24:40Zoai:estudogeral.uc.pt:10316/99682Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T21:17:14.275442Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse
dc.title.none.fl_str_mv Espacialização da exatidão da classificação automática de imagens multiespetrais usando medidas de incerteza e classificadores não rígidos
title Espacialização da exatidão da classificação automática de imagens multiespetrais usando medidas de incerteza e classificadores não rígidos
spellingShingle Espacialização da exatidão da classificação automática de imagens multiespetrais usando medidas de incerteza e classificadores não rígidos
Palma, João Pedro Apolinário
title_short Espacialização da exatidão da classificação automática de imagens multiespetrais usando medidas de incerteza e classificadores não rígidos
title_full Espacialização da exatidão da classificação automática de imagens multiespetrais usando medidas de incerteza e classificadores não rígidos
title_fullStr Espacialização da exatidão da classificação automática de imagens multiespetrais usando medidas de incerteza e classificadores não rígidos
title_full_unstemmed Espacialização da exatidão da classificação automática de imagens multiespetrais usando medidas de incerteza e classificadores não rígidos
title_sort Espacialização da exatidão da classificação automática de imagens multiespetrais usando medidas de incerteza e classificadores não rígidos
author Palma, João Pedro Apolinário
author_facet Palma, João Pedro Apolinário
author_role author
dc.contributor.author.fl_str_mv Palma, João Pedro Apolinário
description Dissertação de Mestrado em Engenharia Geográfica apresentada à Faculdade de Ciências e Tecnologia da Universidade de Coimbra.
publishDate 2012
dc.date.none.fl_str_mv 2012
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 http://hdl.handle.net/10316/99682
http://hdl.handle.net/10316/99682
url http://hdl.handle.net/10316/99682
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.source.none.fl_str_mv reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron:RCAAP
instname_str Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron_str RCAAP
institution RCAAP
reponame_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
collection Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository.name.fl_str_mv Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
repository.mail.fl_str_mv
_version_ 1799134067571032064

Registros relacionados