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

Página do item simplificado
dc.creatorVitor Malsa da Silva
dc.date.accessioned2019-08-09T19:37:06Z
dc.date.accessioned2025-09-08T23:50:09Z
dc.date.available2019-08-09T19:37:06Z
dc.date.issued2014-12-03
dc.identifier.urihttps://hdl.handle.net/1843/IGCM-9VDRDW
dc.languagePortuguês
dc.publisherUniversidade Federal de Minas Gerais
dc.rightsAcesso Aberto
dc.subjectSensoriamento remoto  
dc.subjectClassificação
dc.subjectProcessamento de imagens  
dc.subjectAlgoritmos  
dc.subject.otherGeoprocessamento
dc.titleClassificação de Imagens por Sensoriamento Remoto: Análise Comparativa das Metodologias Pixel-a-Pixel e Segmentação por Região
dc.typeMonografia de especialização
local.contributor.advisor-co1Eric Oliveira Pereira
local.contributor.advisor1Ursula Ruchkys de Azevedo
local.contributor.referee1Maria Marcia Magela Machado
local.description.resumoO 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.
local.publisher.initialsUFMG

Arquivos

Pacote original

Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
vitor_mals__da_silva.pdf
Tamanho:
1.15 MB
Formato:
Adobe Portable Document Format
Baixar

Coleções

Especialização em Geoprocessamento

Logo UFMG