D - SCHNEIDER, MARIO JORGE.pdf - Universidade Federal do ...

More documents

Recommendations

Info

Na tabela 4, podemos identificar a legenda de cores adotada para identificar cada uma das classes, bem como a quantidade de áreas distintas na imagem de cada um dos tipos de coberturas, e a quantidade de pixeis adotados. Tipo de Cobertura Legenda Areas Distintas Quantidade de pixeis Sombras Preto 5 463 Solos Amarelo 8 1893 Mata Verde mar 8 1602 Campos Verde claro 6 1732 Edificações Coral 11 1975 Asfalto Azul escuro 12 1717 IAgua Azul Claro 13 1709 - Tabela 4 - Legenda, quantidade de plxels para classlficaçao das Imagens. rouu,a 5(a) - de imagens pelo método de Máxima Verossimilhança em imagem RGB de Rio Negro. Na figura acima, verificamos que o classificador agrupou grande parte das classes de acordo, gerando alguns pontos de erro, verificados em campo. 1) Falta de definição entre a sombra da mata ciliar na região do rio. 2) Pequena quantidade de sombras na mata fechada 3) Terreno baldio e solo descoberto definido como construção. 4) Várias residências classificadas como solos. 5) Falta de definição entre residências e arruamento. 63
Estes pontos levantados poderiam ser trabalhados, visando à melhoria dos parâmetros das classes definidas para classificação, porém, um dos objetos de estudo deste trabalho, é a maneira como os programas existentes, se comportam em relação às imagens híbridas. Assim adotou-se as amostras dos mesmos locais delimitados na imagem RGB das bandas 3, 2 e 1, e aplicou-se o classificador nas imagens híbridas, obtendo os seguintes comportamentos. A melhoria da resolução espacial levou à redefinição das classes, obtendo imagens menos homogêneas, com maior segmentação. Na maioria das imagens, houve a migração de pontos de uma classe para outra, indicando a alteração do valor radiométrico dos pixeis, como podemos notar na classe mata, que passou de verde mar, para amarelo, verde e até preto em algumas imagens. Isto representa claramente a adulteração dos valores. Não é possível, a partir da classificação empregada sobre as imagens híbridas, a utilização da legenda existente na tabela 4, porém, percebe-se que uma nova alteração nos valores referência das classes poderia aproximar a classificação do inicial, com um nível de detalhamento bem maior. em imagem híbrida por SUBSTITUiÇÃO. No processamento da imagem híbrida por SUBSTITUiÇÃO, que menos alterou o comportamento espectral, pela análise estatística, identificamos que foi 64
Page 1 and 2:
MARIO JORGE SCHNEIDER PROCESSAMENTO
Page 3 and 4:
AGRADECIMENTOS A minha esposa Ireni
Page 5 and 6:
CAPÍTULO 7-APLICAÇÃO DOS MÉTODO
Page 7 and 8:
RESUMO As técnicas de fusão de im
Page 9 and 10:
1 - INTRODUÇÃO 1.1 JUSTIFICATIVA
Page 11 and 12:
1.2 OBJETIVO O principal interesse
Page 13 and 14: 1.3 CONTRIBUIÇÃO Diferentes méto
Page 15 and 16: CAPÍTULO 7 - APLICAÇÃO DOS MÉTO
Page 17 and 18: A vantagem do Sensoriamento Remoto,
Page 19 and 20: Saturação: Grau em que a cor não
Page 21 and 22: e nos com órbitas polares, depende
Page 23 and 24: Pancromáticos O termo "pancromáti
Page 25 and 26: Imagens originais com Transformada
Page 27 and 28: Resolução espacial. A resolução
Page 29 and 30: Outro fator importante refere-se ao
Page 31 and 32: Pixel. Cada elemento da matriz de u
Page 33 and 34: 0 matching de histograma entre duas
Page 35 and 36: CAPITULO 5 - FUSÃO DE IMAGENS DE D
Page 37 and 38: 5.2 Métodos de Fusão A combinaç
Page 39 and 40: 2) Geração de um novo conjunto, d
Page 41 and 42: 6) Transformada das Componentes pri
Page 43 and 44: Formulação para conversão RGB-HS
Page 45 and 46: HSV (Matiz, Saturação e Valor) O
Page 49 and 50: A grande vantagem do método da Sub
Page 51 and 52: Este último método, visualmente i
Page 55 and 56: veremos a seguir. Iniciamos os trab
Page 57 and 58: Figura 4(b) Fusão IKONOS pelo mét
Page 59 and 60: ealizado, pois trabalha com parâme
Page 61 and 62: Podemos verificar a melhoria visual
Page 63: O número de pixeis para cada class
Page 67 and 68: A dificuldade de identificação de
Page 69 and 70: que houve migração das classes, s
Page 71 and 72: HSV RGa SUB Figura 6 - Segmentaçã
Page 73 and 74: Ponto D. Construção com Telhado b
Page 75 and 76: conseguimos identificar na imagem.
Page 77 and 78: vegetação arbustiva, com no máxi
Page 79 and 80: Os métodos HSV, HSI e CPA produzir
Page 81 and 82: REFERÊNCIAS BIBLIOGRÁFICAS Carper
Page 83 and 84: Wald, L., Rachin T., and Mangolini
Page 85 and 86: ; Ajuste das faixas dos dados ptr =
show all

D - SCHNEIDER, MARIO JORGE.pdf - Universidade Federal do ...

Create successful ePaper yourself

Delete template?

Save as template?