Buscar

 

RI UFLA (Universidade Federal de Lavras) >
DCC - Departamento de Ciência da Computação >
DCC - Graduação >
DCC - Bacharelado em Ciência da Computação (Monografias) >

Please use this identifier to cite or link to this item: http://repositorio.ufla.br/jspui/handle/1/5192

Title: Classificação de áreas cafeeiras em imagens multiespectrais através de redes neurais artificiais e extratores de textura
???metadata.dc.creator???: Silva, Alexsandro Cândido de Oliveira
???metadata.dc.contributor.advisor1???: Lacerda, Wilian Soares
???metadata.dc.contributor.advisor-co???: Andrade, Lívia Naiara de
Arcebi Júnior, Fausto Weimar
???metadata.dc.contributor.referee1???: Oliveira, Thomaz Chaves de Andrade
Keywords: Imagens de Satélite
Características de Textura
Redes Neurais Artificiais
Classificação Automática.
???metadata.dc.date.submitted???: 17-Apr-2013
Issue Date: 17-Mar-2015
Citation: SILVA, A. C. O. Classificação de áreas cafeeiras em imagens multiespectrais através de redes neurais artificiais e extratores de textura. 2013. 121 p. Monografia (Graduação em Ciência da Computação) - Universidade Federal de Lavras, Lavras, 2013.
???metadata.dc.description.resumo???: As imagens de Sensoriamento Remoto se tornam cada vez mais propícias ao estudo da variação espacial e temporal da superfície da terra. No entanto, apenas a informação espectral dessas imagens não é suficiente para classificar objetos que possuem valores de pixels semelhantes como as culturas cafeeiras e as florestas nativas. Essas duas classes possuem um padrão espectral muito próximo o que dificulta a classificação automática baseada nos dados espectrais. A aplicação de Redes Neurais Artificiais (RNA) na classificação de imagens de Sensoriamento Remoto se mostra uma abordagem promissora na discriminação de classes. Mas a rede neural não produz uma discriminação satisfatória entre áreas cafeeiras e matas utilizando dados espectrais. Neste trabalho foram estudadas três regiões com características distintas do sul do estado de Minas Gerais, onde a cafeicultura é uma atividade de fundamental importância. O trabalho propõe a extração de atributos espaciais como a textura das imagens destas regiões para diferenciar classes com características espectrais similares. A utilização de atributos de textura auxilia o processo de classificação feito pela RNA. A metodologia aplicada foi a mesma nas três áreas de estudo. Com o software Envi, coletaram-se polígonos representativos de cada classe de uso da terra para treinamento e validação da RNA. Para extração das medidas de textura destes polígonos utilizou-se o software Texture e a rede neural foi implementada no software Scilab. O classificador automático construído por uma RNA e um Extrator de Texturas apresentou índices de acurácia satisfatórios e superiores a outros classificadores encontrados na literatura, mostrando-se um bom procedimento na classificação de dados de Sensoriamento Remoto.
Abstract: Remote Sensing images become increasingly propitious to the study of spatial and temporal variation of the land surface. However, just the spectral information of these images is not enough to classify objects that have similar pixels values like coffee crops and native forests. These two classes have a spectral pattern very close which makes difficult the automatic classification based on the spectral data. The application of Artificial Neural Network (ANN) in the classification of Remote Sensing images has shown a promising approach for discrimination classes. But the neural network doesn’t produce a satisfactory discrimination between coffee areas and forests using spectral data. In this work it was studied three regions with distinct features of the south of the state Minas Gerais where the coffee is an activity of paramount importance. This work proposes the extraction of spatial attributes like a texture of images of these regions to differentiate classes with similar spectral features. The use of texture attributes assists the classification process made by ANN. The methodology applied was the same for the three study areas. With the software Envi, it collected representing polygons each class of the land use for training and validation of the ANN. For extraction of the texture measures these polygons it used the software Texture and the neural network was implemented in the software Scilab. The automatic classifier built with one ANN and one Extractor Texture showed satisfactory and superior accuracy indices to other classifiers found literature, it shown a good procedure in the Remote Sensing data classification.
URI: http://repositorio.ufla.br/jspui/handle/1/5192
???metadata.dc.language???: pt_BR
Appears in Collections:DCC - Bacharelado em Ciência da Computação (Monografias)

Files in This Item:

File Description SizeFormat
TCC_Classificacao_de_areas_cafeeiras_em_imagens_multiespectrais_atraves_de_redes_neurais_artificiais_e_extratores_de_textura.pdf5.95 MBAdobe PDFView/Open

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.


View Statistics

 


DSpace Software Copyright © 2002-2010  Duraspace - Feedback