Pular para o conteúdo
Even3

Minicurso

Extração de atributos em imagens UHR e VHR com GEOBIA

Gravado no evento Serfa 2020 + IEEE GRSS & Isprs · 3 h 3 min de gravação

Trechos em vídeo

Sobre o conteúdo

A atividade intitulada "Extração de atributos em imagens UHR e VHR com GEOBIA", apresentada no evento "Extração de atributos em imagens UHR e VHR com abordagem GEOBIA" no âmbito do 10º CERFA 2020, aborda o desafio da classificação e extração de atributos em alvos complexos de áreas urbanas utilizando o paradigma de análise de imagens geográficas baseada em objetos (GEOBIA). Inicialmente, o palestrante Marielcio Lacerda contextualiza sua trajetória técnica e acadêmica na Força Aérea Brasileira e no IEAv, enfatizando a importância do tratamento automatizado do grande volume de dados (Big Data) proveniente de múltiplos sensores remotos para apoio à tomada de decisão.

O que é abordado

  1. Abertura e apresentação inicial do CERFA 2020
  2. Introdução ao sensoriamento remoto e abordagem GEOBIATrecho de 1 min 43 s
  3. Conceitos de ARP e regulamentação aeronáutica
  4. Metodologia: área de estudo e planejamento de voo
  5. Processamento fotogramétrico e conjuntos de dados UHR e VHR
  6. Processo de segmentação multirresolução no eCognitionTrecho de 2 min
  7. Intervalo e avisos sobre eventos IEEE GRSS e MundoGEO
  8. Verdade de campo, atributos e estudos de caso
  9. Classificação supervisionada e proposta do índice APTRITrecho de 2 min
  10. Análise comparativa dos resultados e discussões
  11. Conclusões e trabalhos futuros
  12. Sessão de perguntas e encerramento

Dúvidas que o conteúdo responde

Qual foi a área de estudo escolhida para a pesquisa e por qual motivo?

Foi escolhida a cidade de Inconfidentes, no sul de Minas Gerais, devido ao baixo fluxo de tráfego aéreo na região e à disponibilidade de 23 marcos geodésicos de alta precisão levantados pela Faculdade de Agrimensura do IFSULDEMINAS para apoio e checagem de campo.

Como foram definidos os parâmetros de segmentação no software eCognition?

A definição ocorreu por meio de testes empíricos de tentativa e erro, somando centenas de combinações entre os parâmetros de escala, forma, compacidade e máxima diferença espectral para evitar supersegmentação ou subsegmentação dos alvos.

Em que consiste a métrica proposta denominada APTRI (ou EPTRI)?

O APTRI (Accuracy and Processing Time Relational Index) é uma métrica proposta para preencher a lacuna da literatura ao avaliar simultaneamente a acurácia (exatidão global) e o tempo total de processamento, atribuindo pesos configuráveis a cada parâmetro de acordo com o interesse da aplicação, como na navegação autônoma em tempo real.

Por que classificadores como SVM e Deep Learning obtiveram menor acurácia em alguns testes iniciais?

Porque esses modelos dependem fortemente de conjuntos amostrais volumosos para convergirem adequadamente; nos primeiros estudos de caso a porcentagem de amostras coletadas representava menos de 0,3% dos segmentos totais, resultando em desempenho inferior quando comparados ao Random Forest e AdaBoost.

Qual a relação prática entre a altura de voo, a câmera e o GSD?

Em uma câmera com distância focal fixa, quanto maior a altitude de voo em relação ao terreno, maior é a área abrangida no solo por cada pixel do sensor, resultando em um valor numérico de GSD maior (menor resolução espacial e menor nível de detalhamento).

Assuntos

  • GEOBIA
  • sensoriamento remoto
  • UHR
  • VHR
  • ARP
  • eCognition
  • classificação de imagens
  • APTRI