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
Autor(a) principal: | |
---|---|
Data de Publicação: | 2017 |
Outros Autores: | , , , , |
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 |