Uso de redes neurais artificiais e objetos geográficos na classificação de imagens de sensoriamento remoto

AUTOR(ES)
FONTE

CERNE

DATA DE PUBLICAÇÃO

2014-06

RESUMO

Conduziu-se este trabalho, com o objetivo de se alcançar o desenvolvimento de uma metodologia para a criação de um mapa de uso e cobertura do solo na região norte do estado de MG, onde, além de atividades agropecuárias, predominam vegetações nativas de cerrado, florestas estacionais deciduais e extensas áreas de vereda. Utilizando parcelas inventariadas e imagens dos sensores Rapideye, Landsat TM e MODIS, foram traçados três objetivos específicos: testar o uso de técnicas de segmentação de imagens para uma classificação baseada em objetos contemplando informações espectrais, espaciais e temporais; Testar o uso de imagens de alta resolução espacial (Rapideye) combinadas a séries temporais Landsat-TM, visando a captar os efeitos da sazonalidade, e a classificação dos dados por meio de Redes Neurais Artificiais. Por meio da série temporal de imagens MODIS e parcelas inventariadas, foram extraídas as assinaturas temporais das principais fisionomias presentes na região, observando-se, assim, os melhores períodos do ano a serem representados no processo de classificação. Os objetos criados na segmentação das imagens Rapideye, juntamente com a série temporal Landsat TM, foram classificados por dez diferentes arquiteturas de redes MultiLayerParceptron. Os resultados mostraram que metodologia atende aos propósitos do estudo e as características das fisionomias presentes na região. Com excelentes valores de acurácia para as classes nativas, o estudo mostra a importância da adequação da base de dados em trabalhos de classificação e da importância de uma segmentação que atenda aos propósitos do trabalho.

ASSUNTO(S)

segmentação de imagens classificação baseada em objetos séries temporais

Documentos Relacionados