ANÁLISE DO NÍVEL DE LEGENDA DE CLASSIFICAÇÃO DE AREAS URBANAS EMPREGANDO IMAGENS MULTIESPECTRAIS E HIPERESPECTRAIS COM OS MÉTODOS ÁRVORE DE DECISÃO C4.5 E FLORESTA RANDÔMICA

Detalhes bibliográficos
Autor(a) principal: Anjos, Camila Souza dos
Data de Publicação: 2017
Outros Autores: Almeida, Cláudia Maria de, Galvão, Lênio Soares, Souza Filho, Carlos Roberto, Lacerda, Marielcio Gonçalves, Prati, Ronaldo Cristiano
Tipo de documento: Artigo
Idioma: por
Título da fonte: Boletim de Ciências Geodésicas
Texto Completo: https://revistas.ufpr.br/bcg/article/view/54222
Resumo: Ambientes urbanos representam uma das áreas mais desafiadoras do sensoriamento remoto devido à grande diversidade encontrada nos materiais presentes na sua superfície. O uso de imagens com alta resolução espacial e alta resolução espectral surge como uma alternativa para aplicações urbanas, pois a combinação destas duas características permite uma melhor detecção e discriminação de alvos. O presente trabalho tem um duplo objetivo: i) avaliar dois conjuntos de dados na classificação fina de alvos urbanos para dois níveis de legenda (com 11 e 38 classes de cobertura do solo): um deles composto exclusivamente por uma imagem orbital multiespectral (WV-2) e o outro conjunto composto exclusivamente por uma imagem aerotransportada hiperespectral (SpecTIR), ii) bem como testar o desempenho de dois métodos diferentes de classificação de imagens, Árvore de Decisão C4.5 e Floresta Randômica (Random Forest), para ambos os níveis de legenda. Oito experimentos de classificação foram realizados para atender a tais objetivos de investigar a eficácia dos sensores e dos métodos em dois níveis de detalhamento. Foram obtidas classificações de elevada acurácia. Demonstrou-se para todos os níveis de detalhamento e métodos que as classificações obtidas com dados do sensor SpecTIR apresentaram resultados significantemente superiores aos das classificações com dados do sensor WV-2.
id UFPR-2_35397a141145670338c8ddab5be5192c
oai_identifier_str oai:revistas.ufpr.br:article/54222
network_acronym_str UFPR-2
network_name_str Boletim de Ciências Geodésicas
repository_id_str
spelling ANÁLISE DO NÍVEL DE LEGENDA DE CLASSIFICAÇÃO DE AREAS URBANAS EMPREGANDO IMAGENS MULTIESPECTRAIS E HIPERESPECTRAIS COM OS MÉTODOS ÁRVORE DE DECISÃO C4.5 E FLORESTA RANDÔMICAGeociências; GeodésiaWorldView-2, ProSpecTIR V-S, Classificação de Cobertura do Solo Urbano, Métodos Não Paramétricos.Ambientes urbanos representam uma das áreas mais desafiadoras do sensoriamento remoto devido à grande diversidade encontrada nos materiais presentes na sua superfície. O uso de imagens com alta resolução espacial e alta resolução espectral surge como uma alternativa para aplicações urbanas, pois a combinação destas duas características permite uma melhor detecção e discriminação de alvos. O presente trabalho tem um duplo objetivo: i) avaliar dois conjuntos de dados na classificação fina de alvos urbanos para dois níveis de legenda (com 11 e 38 classes de cobertura do solo): um deles composto exclusivamente por uma imagem orbital multiespectral (WV-2) e o outro conjunto composto exclusivamente por uma imagem aerotransportada hiperespectral (SpecTIR), ii) bem como testar o desempenho de dois métodos diferentes de classificação de imagens, Árvore de Decisão C4.5 e Floresta Randômica (Random Forest), para ambos os níveis de legenda. Oito experimentos de classificação foram realizados para atender a tais objetivos de investigar a eficácia dos sensores e dos métodos em dois níveis de detalhamento. Foram obtidas classificações de elevada acurácia. Demonstrou-se para todos os níveis de detalhamento e métodos que as classificações obtidas com dados do sensor SpecTIR apresentaram resultados significantemente superiores aos das classificações com dados do sensor WV-2.Boletim de Ciências GeodésicasBulletin of Geodetic SciencesAnjos, Camila Souza dosAlmeida, Cláudia Maria deGalvão, Lênio SoaresSouza Filho, Carlos RobertoLacerda, Marielcio GonçalvesPrati, Ronaldo Cristiano2017-07-31info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionapplication/pdfhttps://revistas.ufpr.br/bcg/article/view/54222Boletim de Ciências Geodésicas; Vol 23, No 2 (2017)Bulletin of Geodetic Sciences; Vol 23, No 2 (2017)1982-21701413-4853reponame:Boletim de Ciências Geodésicasinstname:Universidade Federal do Paraná (UFPR)instacron:UFPRporhttps://revistas.ufpr.br/bcg/article/view/54222/33037Copyright (c) 2017 Camila Souza dos Anjos, Cláudia Maria de Almeida, Lênio Soares Galvão, Carlos Roberto Souza Filho, Marielcio Gonçalves Lacerda, Ronaldo Cristiano Pratihttp://creativecommons.org/licenses/by-nc/4.0info:eu-repo/semantics/openAccess2017-07-31T16:00:12Zoai:revistas.ufpr.br:article/54222Revistahttps://revistas.ufpr.br/bcgPUBhttps://revistas.ufpr.br/bcg/oaiqdalmolin@ufpr.br|| danielsantos@ufpr.br||qdalmolin@ufpr.br|| danielsantos@ufpr.br1982-21701413-4853opendoar:2017-07-31T16:00:12Boletim de Ciências Geodésicas - Universidade Federal do Paraná (UFPR)false
dc.title.none.fl_str_mv ANÁLISE DO NÍVEL DE LEGENDA DE CLASSIFICAÇÃO DE AREAS URBANAS EMPREGANDO IMAGENS MULTIESPECTRAIS E HIPERESPECTRAIS COM OS MÉTODOS ÁRVORE DE DECISÃO C4.5 E FLORESTA RANDÔMICA
title ANÁLISE DO NÍVEL DE LEGENDA DE CLASSIFICAÇÃO DE AREAS URBANAS EMPREGANDO IMAGENS MULTIESPECTRAIS E HIPERESPECTRAIS COM OS MÉTODOS ÁRVORE DE DECISÃO C4.5 E FLORESTA RANDÔMICA
spellingShingle ANÁLISE DO NÍVEL DE LEGENDA DE CLASSIFICAÇÃO DE AREAS URBANAS EMPREGANDO IMAGENS MULTIESPECTRAIS E HIPERESPECTRAIS COM OS MÉTODOS ÁRVORE DE DECISÃO C4.5 E FLORESTA RANDÔMICA
Anjos, Camila Souza dos
Geociências; Geodésia
WorldView-2, ProSpecTIR V-S, Classificação de Cobertura do Solo Urbano, Métodos Não Paramétricos.
title_short ANÁLISE DO NÍVEL DE LEGENDA DE CLASSIFICAÇÃO DE AREAS URBANAS EMPREGANDO IMAGENS MULTIESPECTRAIS E HIPERESPECTRAIS COM OS MÉTODOS ÁRVORE DE DECISÃO C4.5 E FLORESTA RANDÔMICA
title_full ANÁLISE DO NÍVEL DE LEGENDA DE CLASSIFICAÇÃO DE AREAS URBANAS EMPREGANDO IMAGENS MULTIESPECTRAIS E HIPERESPECTRAIS COM OS MÉTODOS ÁRVORE DE DECISÃO C4.5 E FLORESTA RANDÔMICA
title_fullStr ANÁLISE DO NÍVEL DE LEGENDA DE CLASSIFICAÇÃO DE AREAS URBANAS EMPREGANDO IMAGENS MULTIESPECTRAIS E HIPERESPECTRAIS COM OS MÉTODOS ÁRVORE DE DECISÃO C4.5 E FLORESTA RANDÔMICA
title_full_unstemmed ANÁLISE DO NÍVEL DE LEGENDA DE CLASSIFICAÇÃO DE AREAS URBANAS EMPREGANDO IMAGENS MULTIESPECTRAIS E HIPERESPECTRAIS COM OS MÉTODOS ÁRVORE DE DECISÃO C4.5 E FLORESTA RANDÔMICA
title_sort ANÁLISE DO NÍVEL DE LEGENDA DE CLASSIFICAÇÃO DE AREAS URBANAS EMPREGANDO IMAGENS MULTIESPECTRAIS E HIPERESPECTRAIS COM OS MÉTODOS ÁRVORE DE DECISÃO C4.5 E FLORESTA RANDÔMICA
author Anjos, Camila Souza dos
author_facet Anjos, Camila Souza dos
Almeida, Cláudia Maria de
Galvão, Lênio Soares
Souza Filho, Carlos Roberto
Lacerda, Marielcio Gonçalves
Prati, Ronaldo Cristiano
author_role author
author2 Almeida, Cláudia Maria de
Galvão, Lênio Soares
Souza Filho, Carlos Roberto
Lacerda, Marielcio Gonçalves
Prati, Ronaldo Cristiano
author2_role author
author
author
author
author
dc.contributor.none.fl_str_mv
dc.contributor.author.fl_str_mv Anjos, Camila Souza dos
Almeida, Cláudia Maria de
Galvão, Lênio Soares
Souza Filho, Carlos Roberto
Lacerda, Marielcio Gonçalves
Prati, Ronaldo Cristiano
dc.subject.por.fl_str_mv Geociências; Geodésia
WorldView-2, ProSpecTIR V-S, Classificação de Cobertura do Solo Urbano, Métodos Não Paramétricos.
topic Geociências; Geodésia
WorldView-2, ProSpecTIR V-S, Classificação de Cobertura do Solo Urbano, Métodos Não Paramétricos.
description Ambientes urbanos representam uma das áreas mais desafiadoras do sensoriamento remoto devido à grande diversidade encontrada nos materiais presentes na sua superfície. O uso de imagens com alta resolução espacial e alta resolução espectral surge como uma alternativa para aplicações urbanas, pois a combinação destas duas características permite uma melhor detecção e discriminação de alvos. O presente trabalho tem um duplo objetivo: i) avaliar dois conjuntos de dados na classificação fina de alvos urbanos para dois níveis de legenda (com 11 e 38 classes de cobertura do solo): um deles composto exclusivamente por uma imagem orbital multiespectral (WV-2) e o outro conjunto composto exclusivamente por uma imagem aerotransportada hiperespectral (SpecTIR), ii) bem como testar o desempenho de dois métodos diferentes de classificação de imagens, Árvore de Decisão C4.5 e Floresta Randômica (Random Forest), para ambos os níveis de legenda. Oito experimentos de classificação foram realizados para atender a tais objetivos de investigar a eficácia dos sensores e dos métodos em dois níveis de detalhamento. Foram obtidas classificações de elevada acurácia. Demonstrou-se para todos os níveis de detalhamento e métodos que as classificações obtidas com dados do sensor SpecTIR apresentaram resultados significantemente superiores aos das classificações com dados do sensor WV-2.
publishDate 2017
dc.date.none.fl_str_mv 2017-07-31
dc.type.none.fl_str_mv

dc.type.driver.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
format article
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://revistas.ufpr.br/bcg/article/view/54222
url https://revistas.ufpr.br/bcg/article/view/54222
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv https://revistas.ufpr.br/bcg/article/view/54222/33037
dc.rights.driver.fl_str_mv http://creativecommons.org/licenses/by-nc/4.0
info:eu-repo/semantics/openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc/4.0
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Boletim de Ciências Geodésicas
Bulletin of Geodetic Sciences
publisher.none.fl_str_mv Boletim de Ciências Geodésicas
Bulletin of Geodetic Sciences
dc.source.none.fl_str_mv Boletim de Ciências Geodésicas; Vol 23, No 2 (2017)
Bulletin of Geodetic Sciences; Vol 23, No 2 (2017)
1982-2170
1413-4853
reponame:Boletim de Ciências Geodésicas
instname:Universidade Federal do Paraná (UFPR)
instacron:UFPR
instname_str Universidade Federal do Paraná (UFPR)
instacron_str UFPR
institution UFPR
reponame_str Boletim de Ciências Geodésicas
collection Boletim de Ciências Geodésicas
repository.name.fl_str_mv Boletim de Ciências Geodésicas - Universidade Federal do Paraná (UFPR)
repository.mail.fl_str_mv qdalmolin@ufpr.br|| danielsantos@ufpr.br||qdalmolin@ufpr.br|| danielsantos@ufpr.br
_version_ 1799771719420870656