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

O conceito e as vantagens da abordagem GEOBIA
Trecho de a da gravação

Os riscos da supersegmentação e subsegmentação no GEOBIA
Trecho de a da gravação

A proposta do índice para balancear acurácia e tempo
Trecho de a da gravação
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.
Em seguida, é realizado um detalhamento conceitual e regulatório sobre Aeronaves Remotamente Pilotadas (ARPs). O palestrante discute a nomenclatura técnica segundo normas do DECEA, ANAC e ANATEL, diferenciando aeromodelos, drones e sistemas de aeronaves remotamente pilotadas (SARP/RPAS), além de alertar sobre normas de segurança de voo, limites operacionais, autorizações do Ministério da Defesa para aerolevantamento e solicitação de espaço aéreo via sistema SARPAS.
Apresenta-se então a metodologia desenvolvida na pesquisa de mestrado realizada no ITA, aplicada na cidade de Inconfidentes (MG). Foram executados voos fotogramétricos com um DJI Phantom 4 em diferentes altitudes e ângulos de câmera, complementados por imagens orbitais dos satélites WorldView-2 e WorldView-3 em bandas RGB. Utilizando o software Pix4Dmapper e apoio de pontos de controle terrestres levantados em campo, foram gerados ortomosaicos e modelos digitais de superfície (DSM) que totalizaram sete conjuntos de dados com GSD variando de 6 cm a 2 metros.
O processo de segmentação da abordagem GEOBIA é conduzido no software eCognition em duas etapas: multirresolução (ajustando parâmetros de escala, forma e compacidade) e fusão por máxima diferença espectral. Com base em centenas de testes prévios, o método garantiu a separação de 21 classes urbanas sem incorrer em super ou subsegmentação severa. Posteriormente, extraíram-se 26 atributos espectrais, espaciais e texturais por segmento para alimentar oito algoritmos de classificação supervisionada no ambiente Weka (Random Forest, C4.5, MLP, SVM, AdaBoost, Deep Learning, LMT e um ensemble por Majority Voting), organizados em quatro estudos de caso.
Para a validação quantitativa dos resultados, compararam-se as classificações com uma verdade de campo detalhada gerada no QGIS, originando matrizes de confusão e métricas de exatidão global e índice Kappa. Diante do dilema entre precisão e custo computacional em aplicações de navegação autônoma em tempo real, o palestrante introduziu o índice relacional APTRI (Accuracy and Processing Time Relational Index), permitindo ponderar a acurácia e o tempo de processamento conforme as necessidades da missão. A sessão é finalizada com uma rodada de perguntas e respostas abordando ajuste de parâmetros, ferramentas de código aberto como o SPRING e relação entre parâmetros de voo e GSD, seguida pelo encerramento e anúncios de eventos futuros.
O que é abordado
- Abertura e apresentação inicial do CERFA 2020
- Introdução ao sensoriamento remoto e abordagem GEOBIATrecho de 1 min 43 s
- Conceitos de ARP e regulamentação aeronáutica
- Metodologia: área de estudo e planejamento de voo
- Processamento fotogramétrico e conjuntos de dados UHR e VHR
- Processo de segmentação multirresolução no eCognitionTrecho de 2 min
- Intervalo e avisos sobre eventos IEEE GRSS e MundoGEO
- Verdade de campo, atributos e estudos de caso
- Classificação supervisionada e proposta do índice APTRITrecho de 2 min
- Análise comparativa dos resultados e discussões
- Conclusões e trabalhos futuros
- 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).