Loading presentation...

Present Remotely

Send the link below via email or IM

Copy

Present to your audience

Start remote presentation

  • Invited audience members will follow you as you navigate and present
  • People invited to a presentation do not need a Prezi account
  • This link expires 10 minutes after you close the presentation
  • A maximum of 30 users can follow your presentation
  • Learn more about this feature in our knowledge base article

Do you really want to delete this prezi?

Neither you, nor the coeditors you shared it with will be able to recover it again.

DeleteCancel

Apresentação M.Sc UFV 2016

No description
by

Darlan M Nunes

on 1 November 2016

Comments (0)

Please log in to add your comment.

Report abuse

Transcript of Apresentação M.Sc UFV 2016

EXTRAÇÃO SEMIAUTOMÁTICA DE MALHA VIÁRIA EM IMAGENS
ORBITAIS UTILIZANDO CLASSIFICAÇÃO BASEADA EM OBJETOS E
OPERADORES MORFOLÓGICOS

Dissertação por

Darlan Miranda Nunes

Orientadora:
Profa. Nilcilene das Graças Medeiros
Coorientador:
Prof. Afonso de Paula dos Santos

Universidade Federal de Viçosa
Programa de Pós-Graduação em Engenharia Civil
Área de Concentração em Informações Espaciais

Viçosa
Minas Gerais - Brasil
Outubro de 2016

Contextualização da dissertação
Introdução
Justificativas
Objetivos
Algumas Discussões
Considerações finais
Materiais
Extração de feições cartográficas









Técnicas de Análise e Processamento Digital de Imagens
Análise de Imagens Baseada em Objetos (OBIA)
ou
Análise de Imagens Baseada em Objetos Geográficos (GEOBIA)


Morfologia Matemática (MM)
Constante
demanda
por
dados geoespaciais
referentes a
malha viária.



De fundamental importância para o gerenciamento, planejamento e tomada de decisões.


Minimizar clicos de atualização de bases cartográficas.



Procedimentos convencionais




Busca por alternativas (semi. ou autom.)
Métodos
Experimentos
Resultados
Método do Buffer Duplo
Referência: Santos (2015)
Decreto-lei nº 89.817

Tamanho do buffer = valor do PEC para a escala e classe testadas

90% das linhas testadas (dm e RMS) menor ou igual valor de PEC e EP (escala e classe testada)
Resultados da avaliação da acurácia posicional planimétrica das imagens
As três imagens enquadraram-se na Classe A para a escala 1:25.000

Área teste 3 - situação não ideal (
poucas linhas
e
distribuição

mais
na região
central
)
Imagens orbitais RapidEye (nível 3A);


Software
ENVI e Módulo Feature Extraction, v. 5.1;


Software
MATLAB, v. R2013a;


Software
ArcGIS, v. 10.2;


Software
CARTOMORPH.
Fluxograma de etapas da metodologia para extração da malha viária
Fluxograma síntese
Avaliação da qualidade do processo de extração por correspondência linear
Proposição de uma
metodologia semiautomática para extração de malha viária

abordagem conjunta de
Classificação de Imagens Baseada em Objetos
e
Operadores de Morfologia Matemática



Aplicar a metodologia proposta sobre
imagens RapidEye (nível 3A)



Avaliar
as
imagens
utilizadas e o
método de extração


métricas
que utilizam de
correspondência
entre
feições lineares
requerem tempo;
dispendiosos; e
morosos.
confiáveis;
mais ágeis; e
economicamente viáveis.
Análise de Correspodência linear (CARTOMORPH)
Referências:

WIEDEMANN (2003), CARDIM e SILVA (2013) e CARDIM
et
al. (2014).
Métricas: Corretude, Completude, Qualidade, Redundância e RMS diferença
Muito obrigado!
A segmentação das imagens --> boa delineação das vias;
Classificação baseada em objetos, não foi suficiente para detectar todas as vias nas imagens (falhas e falsos neg.);
Operadores da morfologia matemática essenciais
recuperar as vias "perdidas";

soluções para filtragem dos ruídos;

refinamento da malha viária.
Método de extração sensível à obstruções totais ou parciais nas vias (árvores e sombras)
Regras e atributos associados foram determinantes para classificar das vias;
Dificuldade e em particionar as regiões com mutias edificações (confusão espectral dos alvos);
O
método proposto
demonstrou
êxito
na
extração
da
malha viária
das
imagens RapidEye
nas
áreas teste


Alternativa viável
para o processo de
extração
de
estradas / rodovias


Melhor desempenho
na extração de
vias não pavimentadas
em
áreas rurais
Para fins de compor base cartográfica




Aplicabilidade do método condicionada:




Possibilidades de melhorias
Recomendações para trabalhos futuros
Expandir a metodologia




Classificação baseada em objetos




Extração das feições
aplicar sobre imagens de outros sensores remotos e de diferentes resoluções
inserir regras mais robustas e utilizar outras plataformas
uso de dados auxiliares que possam potencializar o método proposto ou contornar limitações
à intervenção e conhecimento do operador;

qualidade das imagens utilizadas; e

contexto dos alvos de interesse.
tarefa de pós-edição: topologia, generalização, etc.
Automação de processos


Feições antrópicas (edificações, malhas viárias, etc.)


Área menos automatizada do mapeamento e a etapa que significativamente mais consome tempo
Fonte dos dados de campo: Teixeira (2016)
Resultados da
classificação baseada em objetos
Resultado das operações
Top-hat
por abertura e limiarização
Resultado após
1º Reconstrução morfológica
Resultado após
2º Reconstrução morfológica
Fonte dos dados de campo: Teixeira (2016)
Full transcript