Classificação de Imagens por Sensoriamento Remoto: Análise Comparativa das Metodologias Pixel-a-Pixel e Segmentação por Região

Vitor Malsa da Silva

Please use this identifier to cite or link to this item: http://hdl.handle.net/1843/IGCM-9VDRDW

Full metadata record

DC Field	Value	Language
dc.contributor.advisor1	Ursula Ruchkys de Azevedo	pt_BR
dc.contributor.advisor-co1	Eric Oliveira Pereira	pt_BR
dc.contributor.referee1	Maria Marcia Magela Machado	pt_BR
dc.creator	Vitor Malsa da Silva	pt_BR
dc.date.accessioned	2019-08-09T19:37:06Z	-
dc.date.available	2019-08-09T19:37:06Z	-
dc.date.issued	2014-12-03	pt_BR
dc.identifier.uri	http://hdl.handle.net/1843/IGCM-9VDRDW	-
dc.description.resumo	O uso de imagens de satélites de sensoriamento remoto tem sido amplamente aplicado em projetos de mapeamento de uso do solo. Apontada como uma das alternativas viáveis para para mapeamentos do uso da terra, a classificação de imagens tem se apresentado como uma técnica de grande contribuição no que diz respeito à otimização de tempo na produção e ao ganho de qualidade dos produtos cartográficos. Nesse contexto, o objetivo desse trabalho é comparar os resultados da classificação de imagens do satélite RapidEye com resolução espacial de 5 metros, da região do entorno do Parque Estadual Serra Verde/MG a partir de três métodos de classificação: Distância Euclidiana, Máxima Verossimilhança e Bhattacharya. Após realizado o pré-processamento, passou-se à coleta de amostras das classes para o mapeamento do uso do solo, tais como: Mata, Vegetação aberta, Solo exposto, Água, Área construída e Via asfaltada. Nas etapas seguintes, realizou-se a classificação, a avaliação de cada classificação e os parâmetros estatísticos. Observou-se que o método MaxVer apresentou os melhores resultados, contudo, demonstrou confusão entre classes solo exposto e área construída. O resultado obtido com o classificador Distância Euclidiana manteve melhor consistência nas áreas próximas das amostras de treinamento, porém superestimou a existência de classes em regiões não amostradas. Finalmente, o algoritmo de classificaçãoBhattacharya apresentou imperfeições, não identificando elementos da área de estudo pertencentes à classe Mata.	pt_BR
dc.language	Português	pt_BR
dc.publisher	Universidade Federal de Minas Gerais	pt_BR
dc.publisher.initials	UFMG	pt_BR
dc.rights	Acesso Aberto	pt_BR
dc.subject	Geoprocessamento	pt_BR
dc.subject.other	Sensoriamento remoto	pt_BR
dc.subject.other	Classificação	pt_BR
dc.subject.other	Processamento de imagens	pt_BR
dc.subject.other	Algoritmos	pt_BR
dc.title	Classificação de Imagens por Sensoriamento Remoto: Análise Comparativa das Metodologias Pixel-a-Pixel e Segmentação por Região	pt_BR
dc.type	Monografias de Especialização	pt_BR
Appears in Collections:	Especialização em Geoprocessamento

Files in This Item:

File	Description	Size	Format
vitor_mals__da_silva.pdf		1.17 MB	Adobe PDF	View/Open

Show simple item record