Exploração de atributos de contexto em imagens digitais no estudo da cobertura vegetal em bacias hidrográficas

Detalhes bibliográficos
Autor(a) principal: Silva Centeno, Jorge Antonio
Data de Publicação: 1991
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da UFRGS
Texto Completo: http://hdl.handle.net/10183/234080
Resumo: O conhecimento atualizado da cobertura vegetal de bacias hidrográficas é importante para o estudo de processos hidrológicos como por exemplo os de erosão, infiltração ou escoamento superficial. Uma forma de estimar esta informação é através de técnicas de sensoriamento remoto, especialmente em países em desenvolvimento, onde a cobertura de aerofotogrametria não está regularmente disponível. O presente trabalho apresenta o uso dos atributos de contexto como meio de melhorar a precisão da classificação da Máxima Verossimi1hança Gaussiana de imagens usadas em sensoriamento remoto. Para isto. os algoritmos de relaxação fuzzy e probabilística são testados. Este tipo de processo implementa a informação contextual mediante coeficientes de compatibilidade espacial entre classes. De maneira geral. os processos de relaxação iniciam-se com uma primeira estimativa da probabilidade que associa cada pixel a cada uma das classes consideradas. a qual é posteriormente corrigida iterativamente utilizando os coeficientes de compatibilidade. Paralelamente, um método alternativo é proposto, no qual as probabilidades são submetidas a um processo de filtragem espacial para, a seguir, utilizar a relaxação probabilística. Testes com imagens sintéticas e reais, comprovam que a precisão da classificação pode ser aumentada utilizando os atributos de contexto. Os mapas temáticos obtidos por estas metodologias são mais homogêneos e neles pixels de mesma classe se apresentam agrupados espacialmente. tornando a imagem mais adequada para análise. facilitando assim a caracterização da cobertura vegetal da bacia.
id URGS_08c58012bc3a83d395b896d51963d4bb
oai_identifier_str oai:www.lume.ufrgs.br:10183/234080
network_acronym_str URGS
network_name_str Biblioteca Digital de Teses e Dissertações da UFRGS
repository_id_str 1853
spelling Silva Centeno, Jorge AntonioHaertel, Vitor Francisco de Araújo2022-01-15T04:47:34Z1991http://hdl.handle.net/10183/234080000046947O conhecimento atualizado da cobertura vegetal de bacias hidrográficas é importante para o estudo de processos hidrológicos como por exemplo os de erosão, infiltração ou escoamento superficial. Uma forma de estimar esta informação é através de técnicas de sensoriamento remoto, especialmente em países em desenvolvimento, onde a cobertura de aerofotogrametria não está regularmente disponível. O presente trabalho apresenta o uso dos atributos de contexto como meio de melhorar a precisão da classificação da Máxima Verossimi1hança Gaussiana de imagens usadas em sensoriamento remoto. Para isto. os algoritmos de relaxação fuzzy e probabilística são testados. Este tipo de processo implementa a informação contextual mediante coeficientes de compatibilidade espacial entre classes. De maneira geral. os processos de relaxação iniciam-se com uma primeira estimativa da probabilidade que associa cada pixel a cada uma das classes consideradas. a qual é posteriormente corrigida iterativamente utilizando os coeficientes de compatibilidade. Paralelamente, um método alternativo é proposto, no qual as probabilidades são submetidas a um processo de filtragem espacial para, a seguir, utilizar a relaxação probabilística. Testes com imagens sintéticas e reais, comprovam que a precisão da classificação pode ser aumentada utilizando os atributos de contexto. Os mapas temáticos obtidos por estas metodologias são mais homogêneos e neles pixels de mesma classe se apresentam agrupados espacialmente. tornando a imagem mais adequada para análise. facilitando assim a caracterização da cobertura vegetal da bacia.Updated knowledge of Land-cover in watersheds plays an important role in the study of hydrological processes as soil erosion, infiltration or runoff. Remote sensing techniques are an invaluable tool for this purpose, specially in third word countries, where regular air-photograph coverage is not available. This study applies contextual attributes to improve the accuracy of the Gaussian Maximum Likelihood classification of remote sensing images. Therefore, fuzzy and probabilistic relaxation are tested Such iterative processes implement contextual information using coefficients that represent spatial compatibility between classes. Relaxation processes starts making an initial estimate of the probabilities that relate each pixel to the classes considered in the classification. This estimates are then iteratively updated using the compatibility coefficients. An alternative procedure is introduced, in which probabilites are first filtered using a low pass filter and then the probablilistic relaxation is used. Tests with synthetic images and real LANDSAT scenes confirm that the accuracy of the classification can be incremented using contextual information. The resulting thematic maps are more homogeneous and pixels of the same class form groups. making the image more adequated to analysis and making it easier to characterize land-cover of the basins.application/pdfporBacias hidrográficasVegetaçãoImagens digitaisSensoriamento remotoExploração de atributos de contexto em imagens digitais no estudo da cobertura vegetal em bacias hidrográficasinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisUniversidade Federal do Rio Grande do SulInstituto de Pesquisas HidráulicasCurso de Pós-Graduação em Recursos Hidricos e SaneamentoPorto Alegre, BR-RS1991mestradoinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSTEXT000046947.pdf.txt000046947.pdf.txtExtracted Texttext/plain276131http://www.lume.ufrgs.br/bitstream/10183/234080/2/000046947.pdf.txtd98673c53f81f6ef590f19aede83ad72MD52ORIGINAL000046947.pdfTexto completoapplication/pdf13874998http://www.lume.ufrgs.br/bitstream/10183/234080/1/000046947.pdf1a8d5dea34cad5ef48fff76d48c64bd3MD5110183/2340802022-03-26 05:01:54.151844oai:www.lume.ufrgs.br:10183/234080Biblioteca Digital de Teses e Dissertaçõeshttps://lume.ufrgs.br/handle/10183/2PUBhttps://lume.ufrgs.br/oai/requestlume@ufrgs.br||lume@ufrgs.bropendoar:18532022-03-26T08:01:54Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false
dc.title.pt_BR.fl_str_mv Exploração de atributos de contexto em imagens digitais no estudo da cobertura vegetal em bacias hidrográficas
title Exploração de atributos de contexto em imagens digitais no estudo da cobertura vegetal em bacias hidrográficas
spellingShingle Exploração de atributos de contexto em imagens digitais no estudo da cobertura vegetal em bacias hidrográficas
Silva Centeno, Jorge Antonio
Bacias hidrográficas
Vegetação
Imagens digitais
Sensoriamento remoto
title_short Exploração de atributos de contexto em imagens digitais no estudo da cobertura vegetal em bacias hidrográficas
title_full Exploração de atributos de contexto em imagens digitais no estudo da cobertura vegetal em bacias hidrográficas
title_fullStr Exploração de atributos de contexto em imagens digitais no estudo da cobertura vegetal em bacias hidrográficas
title_full_unstemmed Exploração de atributos de contexto em imagens digitais no estudo da cobertura vegetal em bacias hidrográficas
title_sort Exploração de atributos de contexto em imagens digitais no estudo da cobertura vegetal em bacias hidrográficas
author Silva Centeno, Jorge Antonio
author_facet Silva Centeno, Jorge Antonio
author_role author
dc.contributor.author.fl_str_mv Silva Centeno, Jorge Antonio
dc.contributor.advisor1.fl_str_mv Haertel, Vitor Francisco de Araújo
contributor_str_mv Haertel, Vitor Francisco de Araújo
dc.subject.por.fl_str_mv Bacias hidrográficas
Vegetação
Imagens digitais
Sensoriamento remoto
topic Bacias hidrográficas
Vegetação
Imagens digitais
Sensoriamento remoto
description O conhecimento atualizado da cobertura vegetal de bacias hidrográficas é importante para o estudo de processos hidrológicos como por exemplo os de erosão, infiltração ou escoamento superficial. Uma forma de estimar esta informação é através de técnicas de sensoriamento remoto, especialmente em países em desenvolvimento, onde a cobertura de aerofotogrametria não está regularmente disponível. O presente trabalho apresenta o uso dos atributos de contexto como meio de melhorar a precisão da classificação da Máxima Verossimi1hança Gaussiana de imagens usadas em sensoriamento remoto. Para isto. os algoritmos de relaxação fuzzy e probabilística são testados. Este tipo de processo implementa a informação contextual mediante coeficientes de compatibilidade espacial entre classes. De maneira geral. os processos de relaxação iniciam-se com uma primeira estimativa da probabilidade que associa cada pixel a cada uma das classes consideradas. a qual é posteriormente corrigida iterativamente utilizando os coeficientes de compatibilidade. Paralelamente, um método alternativo é proposto, no qual as probabilidades são submetidas a um processo de filtragem espacial para, a seguir, utilizar a relaxação probabilística. Testes com imagens sintéticas e reais, comprovam que a precisão da classificação pode ser aumentada utilizando os atributos de contexto. Os mapas temáticos obtidos por estas metodologias são mais homogêneos e neles pixels de mesma classe se apresentam agrupados espacialmente. tornando a imagem mais adequada para análise. facilitando assim a caracterização da cobertura vegetal da bacia.
publishDate 1991
dc.date.issued.fl_str_mv 1991
dc.date.accessioned.fl_str_mv 2022-01-15T04:47:34Z
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.uri.fl_str_mv http://hdl.handle.net/10183/234080
dc.identifier.nrb.pt_BR.fl_str_mv 000046947
url http://hdl.handle.net/10183/234080
identifier_str_mv 000046947
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.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UFRGS
instname:Universidade Federal do Rio Grande do Sul (UFRGS)
instacron:UFRGS
instname_str Universidade Federal do Rio Grande do Sul (UFRGS)
instacron_str UFRGS
institution UFRGS
reponame_str Biblioteca Digital de Teses e Dissertações da UFRGS
collection Biblioteca Digital de Teses e Dissertações da UFRGS
bitstream.url.fl_str_mv http://www.lume.ufrgs.br/bitstream/10183/234080/2/000046947.pdf.txt
http://www.lume.ufrgs.br/bitstream/10183/234080/1/000046947.pdf
bitstream.checksum.fl_str_mv d98673c53f81f6ef590f19aede83ad72
1a8d5dea34cad5ef48fff76d48c64bd3
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)
repository.mail.fl_str_mv lume@ufrgs.br||lume@ufrgs.br
_version_ 1816737045413888000

Registros relacionados