Decomposição automatizada de imagens em fatores geomorfológicos

Detalhes bibliográficos
Autor(a) principal: Carvalho, Paulo Roberto Moura de
Data de Publicação: 2020
Tipo de documento: Tese
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da UFRGS
Texto Completo: http://hdl.handle.net/10183/218224
Resumo: Nos estudos das geociências, dados de amostragem regular (ex.: imagens) são observações de estruturas geológicas. Assim, espera-se que elas retratem a grande riqueza de feições e complexidade estrutural que a natureza apresenta. Remover ruído puramente aleatório desses dados (sem uma estrutura espacial) é uma tarefa trivial. Separar feições com estruturas espaciais diferentes, por exemplo, variações de relevo da escala de 10km das variações na de 1km, é de crescente interesse na atividade de geomodelagem. No entanto, esse objetivo requer um algoritmo sofisticado. Os métodos existentes para essa tarefa requerem uma parametrização cujo ajuste é tarefa laboriosa, por vezes tediosa, e objeto de interpretação. Após visitar os principais métodos para decomposição estrutural manual e com aprendizado de máquina, esta tese propõe um algoritmo que automatiza a decomposição estrutural baseando-se no variograma. Ou seja, um dado de entrada cujo variograma apresente múltiplas estruturas com diferentes escalas e anisotropias é decomposto automaticamente em imagens cujos variogramas individuais correspondem a cada estrutura. Software de código aberto foi escrito para testar o algoritmo proposto com um dado sintético cujo variograma contém quatro estruturas imbricadas. Os resultados mostraram eficácia semelhante ao da krigagem fatorial, porém de forma automatizada e com bom desempenho computacional.
id URGS_fdaa85eec56453e82847403125cd53af
oai_identifier_str oai:www.lume.ufrgs.br:10183/218224
network_acronym_str URGS
network_name_str Biblioteca Digital de Teses e Dissertações da UFRGS
repository_id_str 1853
spelling Carvalho, Paulo Roberto Moura deCosta, Joao Felipe Coimbra LeiteSoares, Amilcar2021-02-25T04:18:32Z2020http://hdl.handle.net/10183/218224001121440Nos estudos das geociências, dados de amostragem regular (ex.: imagens) são observações de estruturas geológicas. Assim, espera-se que elas retratem a grande riqueza de feições e complexidade estrutural que a natureza apresenta. Remover ruído puramente aleatório desses dados (sem uma estrutura espacial) é uma tarefa trivial. Separar feições com estruturas espaciais diferentes, por exemplo, variações de relevo da escala de 10km das variações na de 1km, é de crescente interesse na atividade de geomodelagem. No entanto, esse objetivo requer um algoritmo sofisticado. Os métodos existentes para essa tarefa requerem uma parametrização cujo ajuste é tarefa laboriosa, por vezes tediosa, e objeto de interpretação. Após visitar os principais métodos para decomposição estrutural manual e com aprendizado de máquina, esta tese propõe um algoritmo que automatiza a decomposição estrutural baseando-se no variograma. Ou seja, um dado de entrada cujo variograma apresente múltiplas estruturas com diferentes escalas e anisotropias é decomposto automaticamente em imagens cujos variogramas individuais correspondem a cada estrutura. Software de código aberto foi escrito para testar o algoritmo proposto com um dado sintético cujo variograma contém quatro estruturas imbricadas. Os resultados mostraram eficácia semelhante ao da krigagem fatorial, porém de forma automatizada e com bom desempenho computacional.In the geoscience studies, regularly sampled data (e.g. images) are observations of geologic structures. Hence, it is expected that they bear the great variety of shapes and structural complexity that nature presents. Removing purely random noise from these data (without spatial structure) is a trivial task. Separating shapes with different spatial structures, for example, variations in relief with 10km scale from those with 1km scale, is of growing interest in the geomodeling practice. However, such objective requires a sophisticated algorithm. The existing methods for this task demand parameters of laborious, sometimes tedious, adjustment that is object of interpretation. After visiting the main methods of manual structural decomposition and with machine learning, this thesis proposes an algorithm that automatizes structural decomposition based on the variogram. That is, a given input data, whose variogram has multiple nested structures with different scales and anisotropies, is decomposed automatically into images with variograms corresponding to each nested structure. Open-source software was written to test the proposed algorithm on synthetic data with variogram bearing four nested structures. Results showed an effectiveness similar to factorial kriging, although by automatized way and with good computational performance.application/pdfporTecnologia mineralDecomposição automatizada de imagens em fatores geomorfológicosinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisUniversidade Federal do Rio Grande do SulEscola de EngenhariaPrograma de Pós-Graduação em Engenharia de Minas, Metalúrgica e de MateriaisPorto Alegre, BR-RS2020doutoradoinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSTEXT001121440.pdf.txt001121440.pdf.txtExtracted Texttext/plain338561http://www.lume.ufrgs.br/bitstream/10183/218224/2/001121440.pdf.txtaebbfa83c11c0ce1ac459bc278ae2049MD52ORIGINAL001121440.pdfTexto completoapplication/pdf12003455http://www.lume.ufrgs.br/bitstream/10183/218224/1/001121440.pdfddf4a2b2c06c36876b76aa0c23783683MD5110183/2182242021-03-09 04:43:48.797386oai:www.lume.ufrgs.br:10183/218224Biblioteca Digital de Teses e Dissertaçõeshttps://lume.ufrgs.br/handle/10183/2PUBhttps://lume.ufrgs.br/oai/requestlume@ufrgs.br||lume@ufrgs.bropendoar:18532021-03-09T07:43:48Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false
dc.title.pt_BR.fl_str_mv Decomposição automatizada de imagens em fatores geomorfológicos
title Decomposição automatizada de imagens em fatores geomorfológicos
spellingShingle Decomposição automatizada de imagens em fatores geomorfológicos
Carvalho, Paulo Roberto Moura de
Tecnologia mineral
title_short Decomposição automatizada de imagens em fatores geomorfológicos
title_full Decomposição automatizada de imagens em fatores geomorfológicos
title_fullStr Decomposição automatizada de imagens em fatores geomorfológicos
title_full_unstemmed Decomposição automatizada de imagens em fatores geomorfológicos
title_sort Decomposição automatizada de imagens em fatores geomorfológicos
author Carvalho, Paulo Roberto Moura de
author_facet Carvalho, Paulo Roberto Moura de
author_role author
dc.contributor.author.fl_str_mv Carvalho, Paulo Roberto Moura de
dc.contributor.advisor1.fl_str_mv Costa, Joao Felipe Coimbra Leite
dc.contributor.advisor-co1.fl_str_mv Soares, Amilcar
contributor_str_mv Costa, Joao Felipe Coimbra Leite
Soares, Amilcar
dc.subject.por.fl_str_mv Tecnologia mineral
topic Tecnologia mineral
description Nos estudos das geociências, dados de amostragem regular (ex.: imagens) são observações de estruturas geológicas. Assim, espera-se que elas retratem a grande riqueza de feições e complexidade estrutural que a natureza apresenta. Remover ruído puramente aleatório desses dados (sem uma estrutura espacial) é uma tarefa trivial. Separar feições com estruturas espaciais diferentes, por exemplo, variações de relevo da escala de 10km das variações na de 1km, é de crescente interesse na atividade de geomodelagem. No entanto, esse objetivo requer um algoritmo sofisticado. Os métodos existentes para essa tarefa requerem uma parametrização cujo ajuste é tarefa laboriosa, por vezes tediosa, e objeto de interpretação. Após visitar os principais métodos para decomposição estrutural manual e com aprendizado de máquina, esta tese propõe um algoritmo que automatiza a decomposição estrutural baseando-se no variograma. Ou seja, um dado de entrada cujo variograma apresente múltiplas estruturas com diferentes escalas e anisotropias é decomposto automaticamente em imagens cujos variogramas individuais correspondem a cada estrutura. Software de código aberto foi escrito para testar o algoritmo proposto com um dado sintético cujo variograma contém quatro estruturas imbricadas. Os resultados mostraram eficácia semelhante ao da krigagem fatorial, porém de forma automatizada e com bom desempenho computacional.
publishDate 2020
dc.date.issued.fl_str_mv 2020
dc.date.accessioned.fl_str_mv 2021-02-25T04:18:32Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10183/218224
dc.identifier.nrb.pt_BR.fl_str_mv 001121440
url http://hdl.handle.net/10183/218224
identifier_str_mv 001121440
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/10183/218224/2/001121440.pdf.txt
http://www.lume.ufrgs.br/bitstream/10183/218224/1/001121440.pdf
bitstream.checksum.fl_str_mv aebbfa83c11c0ce1ac459bc278ae2049
ddf4a2b2c06c36876b76aa0c23783683
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_ 1800309175665819648