Classificação de imagens em áreas cultivadas com citrus por técnicas de sensoriamento remoto e geoestatística

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

Processamento e classificação de imagens biológicas: aplicação à histologia

A Histologia, o estudo de tecidos, é uma das áreas fundamentais da Biologia que permitiu enormes avanços científicos. Sendo uma tarefa exigente, meticulosa e demorada, será importante aproveitar a existência de ferramentas e algoritmos computacionais no seu auxílio, tornando o processo mais rápido e possibilitando a descoberta de informação que poderá não estar visível à partida. Esta dissertação tem como principal objectivo averiguar se um animal foi ou não sujeito à ingestão de um xenobiótico. Com esse objectivo em vista, utilizaram-se técnicas de processamento e segmentação de imagem aplicadas a imagens de tecido renal de ratos saudáveis e ratos que ingeriram o xenobiótico. Destas imagens extraíram-se inúmeras características do corpúsculo renal que após serem analisadas através de vários algoritmos de classificação mostraram ser possível saber se o animal ingeriu ou não o xenobiótico, com um reduzido grau de incerteza. ABSTRACT: Histology, the study of tissues, is one of the key areas of Biology that has allowed huge advances in Science. Being a demanding, meticulous and time consuming task, it is important to use the existence of computational tools and algorithms in its aid, making the process faster and enabling the discovery of information that may not be initially visible. The main goal of this thesis is to ascertain if an animal was subjected or not to the ingestion of a xenobiotic. With this in mind, were used image processing and segmentation techniques applied on images of kidney tissue from healthy rats and rats that ingested the xenobiotic. From these images were extracted several features of renal glomeruli that after being analyzed by various classification algorithms had shown to be possible to know, with an acceptable degree of certainty, if the animal ingested or not the xenobiotic.

Avaliação de técnicas de classificação digital de imagens landsat em diferentes padrões de cobertura da terra em Rondônia

Remotely sensed imagery has been widely used for land use/cover classification thanks to the periodic data acquisition and the widespread use of digital image processing systems offering a wide range of classification algorithms. The aim of this work was to evaluate some of the most commonly used supervised and unsupervised classification algorithms under different landscape patterns found in Rondônia, including (1) areas of mid-size farms, (2) fish-bone settlements and (3) a gradient of forest and Cerrado (Brazilian savannah). Comparison with a reference map based on the kappa statistics resulted in good to superior indicators (best results - K-means: k=0.68; k=0.77; k=0.64 and MaxVer: k=0.71; k=0.89; k=0.70 respectively for three areas mentioned). Results show that choosing a specific algorithm requires to take into account both its capacity to discriminate among various spectral signatures under different landscape patterns as well as a cost/benefit analysis considering the different steps performed by the operator performing a land cover/use map. it is suggested that a more systematic assessment of several options of implementation of a specific project is needed prior to beginning a land use/cover mapping job.

Utilização das imagens LISS III para a classificação do uso do solo aplicado ao cadastro geométrico da propriedade rústica

Relatório de Estágio de Mestrado em Gestão do Território - Especialização em Detecção Remota e Sistemas de Informação Geográfica

Avaliação de técnicas de classificação digital de imagens landsat em diferentes padrões de cobertura da terra em Rondônia

Dados de sensoriamento remoto têm sido largamente utilizados para classificação da cobertura e uso da terra, em particular graças à aquisição periódica de imagens de satélite e à generalização dos sistemas de processamento digital de imagens, que oferecem uma variedade de algoritmos de classificação de imagens. Este trabalho teve por objetivo avaliar alguns dos métodos mais comuns de classificações supervisionadas e não supervisionadas para imagens do sensor TM do satélite Landsat-5, em três áreas com diferentes padrões de paisagem em Rondônia: (1) áreas de fazendas de "Médio porte", (2) assentamentos no padrão "Espinha de peixe" e (3) áreas de contato entre floresta e "Cerrado". A comparação com um mapa de referência baseado na estatística Kappa produziu indicadores de desempenho bons ou superiores (melhores resultados - K-médias: k = 0,68; k = 0,77; k = 0,64 e MaxVer: k = 0,71; k = 0,89; k = 0,70, respectivamente nas três áreas citadas), para os algoritmos utilizados. Os resultados indicaram que a escolha de um algoritmo deve considerar tanto a capacidade de discriminar várias assinaturas espectrais em diferentes padrões de paisagem quanto a relação custo/benefício decorrente das várias etapas do trabalho dos operadores que elaboram um mapa de cobertura e uso da terra. Este trabalho apontou a necessidade de esforço mais sistemático de avaliação prévia de várias opções de execução de um projeto específico antes de se iniciar o trabalho de elaboração de um mapa de cobertura e uso da terra.

Classificação de esquizofrenia com base em máquinas de suporte vetorial aplicadas a características de imagens de ressonância magnética

Dissertação (mestrado)—Universidade de Brasília, Faculdade Gama, Programa de Pós-Graduação em Engenharia Biomédica, 2015.

Análise comparada da segmentação e classificação orientada por objectos de uma imagem de alta resolução WORLDVIEW-2

Dissertação de Mestrado em Gestão do Território, Especialização em Detecção Remota e Sistemas de Informação Geográfica

Imagens mono e multitemporais Modis para estimativa da área com soja no estado de Mato Grosso

O objetivo deste trabalho foi avaliar uma nova metodologia para mapeamento da cultura da soja no Estado de Mato Grosso, por meio de imagens Modis e de diferentes abordagens de classificação de imagens. Foram utilizadas imagens diárias e imagens de 16 dias. As imagens diárias foram diretamente classificadas pelo algoritmo Isoseg. As duas séries de imagens de 16 dias, referentes ao ciclo total e à metade do ciclo da cultura da soja, foram transformadas pela análise de componentes principais (ACP), antes de serem classificadas. Dados de referência, obtidos por interpretação visual de imagens do sensor TM/Landsat-5, foram utilizados para a avaliação da exatidão das classificações. Os melhores resultados foram obtidos pela classificação das imagens do ciclo total da soja, transformadas pela ACP: índice global de 0,83 e Kappa de 0,63. A melhor classificação de imagens diárias mostrou índice global de 0,80 e Kappa de 0,55. AACP aplicada às imagens do ciclo total da soja permitiu o mapeamento das áreas de soja com índices de exatidão melhores do que os obtidos pela classificação derivada das imagens de data única.

Classificação orientada a objetos aplicada na caracterização da cobertura da terra no Araguaia

O objetivo deste trabalho foi utilizar a classificação orientada a objetos em imagens TM/ Landsat‑5, para caracterizar classes de uso e cobertura da terra, na região do Médio Araguaia. A cena 223/068, adquirida em 5/9/2010, foi submetida a correção radiométrica, atmosférica e geométrica, como etapas de pré‑processamento. Em seguida, foram geradas duas imagens por meio das matemáticas de bandas espectrais do índice de vegetação por diferença normalizada (NDVI) e do índice de água por diferença normalizada modificado (MNDWI), utilizados na classificação de imagens. Para a segmentação destas, utilizaram-se os parâmetros de escala 250, 200, 150, 100, 50, os algoritmos "assign class" e "nearest neighbor", e os descritores de média, área e relação de borda. Foi empregada matriz de confusão, para avaliar a acurácia da classificação, por meio do coeficiente de exatidão global e do índice de concordância Kappa. A exatidão global para o mapeamento foi de 83,3%, com coeficiente Kappa de 0,72. A classificação foi feita quanto às fitofisionomias do Cerrado, ao uso antrópico e urbano da terra, a corpos d'água e a bancos de areia. As matemáticas de bandas espectrais utilizadas apresentam resultados promissores no delineamento das classes de cobertura da terra no Araguaia.

Estimativa de áreas com culturas de verão no Paraná, por meio de imagens multitemporais EVI/Modis

O objetivo deste trabalho foi estimar e mapear as áreas com as culturas de soja e milho, no Paraná, com uso de imagens multitemporais EVI/Modis. Foram avaliados os anos‑safra de 2004/2005 a 2007/2008. Em razão da alta dinâmica temporal e da heterogeneidade de datas de semeadura das culturas no estado, foram utilizadas cenas que contemplavam as fases de pré‑plantio e de desenvolvimento inicial das culturas, para gerar a imagem de mínimo EVI (IMIE), e cenas que consideravam o pico vegetativo das culturas, para gerar a imagem de máximo EVI (IMAE). Estas imagens foram utilizadas para gerar a composição colorida RGB (R, IMAE; GB, IMIE), o que permitiu a confecção de máscara das áreas com soja e milho. As estimativas das áreas de máscara por município foram comparadas com dados oficiais de produção agrícola municipal, tendo-se observado bons ajustes (R²>0,84, d>0,95, c>0,85) entre os dados. Para a avaliação da exatidão espacial das máscaras, imagens Landsat‑5/TM e AWiFS/IRS foram usadas como referência para construção da matriz de erros. Os resultados obtidos são indicativos de que a metodologia proposta é altamente eficiente e pode ser utilizada para mapeamento dessas culturas.

Técnicas de mineração de dados para identificação de áreas com cana-de-açúcar em imagens Landsat 5

Neste trabalho, verificou-se a aderência de técnicas de mineração de dados voltadas para problemas de classificação de dados na identificação automatizada de áreas cultivadas com cana-de-açúcar, em imagens do satélite Landsat 5/TM. Para essa verificação, foram estudadas imagens de áreas cultivadas com cana-de-açúcar em três fases fenológicas diferentes. Os pixels foram convertidos em valores de refletância de superfície, nas vizinhanças das cidades de Araras, São Carlos e Araraquara, no Estado de São Paulo. Foram gerados cinco modelos de árvores de decisão binária, induzidos pelo algoritmo C4.5, em que todos produziram taxas de acerto superiores a 90%. A introdução de atributos de textura trouxe ganhos significativos na acurácia do modelo de classificação e contribuiu para melhorar a distinção de áreas cultivadas com cana-de-açúcar em meio a tipos diversos de cobertura do solo, como solo exposto, área urbana, lagos e rios. Os índices de vegetação mostraram-se relevantes na distinção da fase e do estado fenológico das culturas. Os resultados reforçam o potencial forte das árvores de decisão no processo de classificação e identificação de áreas cultivadas com cana-de-açúcar, em diferentes cidades produtoras, no Estado de São Paulo.

Uso da análise discriminante regularizada (RDA) no reconhecimento de padrões em imagens digitais hiperespectral de sensoriamento remoto

Em cenas naturais, ocorrem com certa freqüência classes espectralmente muito similares, isto é, os vetores média são muito próximos. Em situações como esta, dados de baixa dimensionalidade (LandSat-TM, Spot) não permitem uma classificação acurada da cena. Por outro lado, sabe-se que dados em alta dimensionalidade [FUK 90] tornam possível a separação destas classes, desde que as matrizes covariância sejam suficientemente distintas. Neste caso, o problema de natureza prática que surge é o da estimação dos parâmetros que caracterizam a distribuição de cada classe. Na medida em que a dimensionalidade dos dados cresce, aumenta o número de parâmetros a serem estimados, especialmente na matriz covariância. Contudo, é sabido que, no mundo real, a quantidade de amostras de treinamento disponíveis, é freqüentemente muito limitada, ocasionando problemas na estimação dos parâmetros necessários ao classificador, degradando portanto a acurácia do processo de classificação, na medida em que a dimensionalidade dos dados aumenta. O Efeito de Hughes, como é chamado este fenômeno, já é bem conhecido no meio científico, e estudos vêm sendo realizados com o objetivo de mitigar este efeito. Entre as alternativas propostas com a finalidade de mitigar o Efeito de Hughes, encontram-se as técnicas de regularização da matriz covariância. Deste modo, técnicas de regularização para a estimação da matriz covariância das classes, tornam-se um tópico interessante de estudo, bem como o comportamento destas técnicas em ambientes de dados de imagens digitais de alta dimensionalidade em sensoriamento remoto, como por exemplo, os dados fornecidos pelo sensor AVIRIS. Neste estudo, é feita uma contextualização em sensoriamento remoto, descrito o sistema sensor AVIRIS, os princípios da análise discriminante linear (LDA), quadrática (QDA) e regularizada (RDA) são apresentados, bem como os experimentos práticos dos métodos, usando dados reais do sensor. Os resultados mostram que, com um número limitado de amostras de treinamento, as técnicas de regularização da matriz covariância foram eficientes em reduzir o Efeito de Hughes. Quanto à acurácia, em alguns casos o modelo quadrático continua sendo o melhor, apesar do Efeito de Hughes, e em outros casos o método de regularização é superior, além de suavizar este efeito. Esta dissertação está organizada da seguinte maneira: No primeiro capítulo é feita uma introdução aos temas: sensoriamento remoto (radiação eletromagnética, espectro eletromagnético, bandas espectrais, assinatura espectral), são também descritos os conceitos, funcionamento do sensor hiperespectral AVIRIS, e os conceitos básicos de reconhecimento de padrões e da abordagem estatística. No segundo capítulo, é feita uma revisão bibliográfica sobre os problemas associados à dimensionalidade dos dados, à descrição das técnicas paramétricas citadas anteriormente, aos métodos de QDA, LDA e RDA, e testes realizados com outros tipos de dados e seus resultados.O terceiro capítulo versa sobre a metodologia que será utilizada nos dados hiperespectrais disponíveis. O quarto capítulo apresenta os testes e experimentos da Análise Discriminante Regularizada (RDA) em imagens hiperespectrais obtidos pelo sensor AVIRIS. No quinto capítulo são apresentados as conclusões e análise final. A contribuição científica deste estudo, relaciona-se à utilização de métodos de regularização da matriz covariância, originalmente propostos por Friedman [FRI 89] para classificação de dados em alta dimensionalidade (dados sintéticos, dados de enologia), para o caso especifico de dados de sensoriamento remoto em alta dimensionalidade (imagens hiperespectrais). A conclusão principal desta dissertação é que o método RDA é útil no processo de classificação de imagens com dados em alta dimensionalidade e classes com características espectrais muito próximas.

Integração de imagem aérea de alta resolução e dados de varredura a laser na classificação de cenas urbanas para detectar regiões de via

Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)

Proposta de atualização de cadastro urbano a partir de detecção de alterações em imagens QUICK BIRD tomadas em diferentes épocas

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)