Use este identificador para citar ou linkar para este item: repositorio.ufla.br/jspui/handle/1/5097
Título: Avaliação de métodos de segmentação de imagens aplicadas na classificação de culturas cafeeiras
Autor : Marujo, Rennan de Freitas Bezerra
Primeiro orientador: Volpato, Margarete Marin Lordelo
metadata.teses.dc.contributor.advisor-co: Lacerda, Wilian Soares
Primeiro membro da banca: Saúde, André Vital
Alves, Helena Maria Ramos
Palavras-chave: Classificação automática
Cafeicultura
Segmentação
Classificação orientada a segmento
Sensoriamento remoto
Data da publicação: 19-Fev-2015
Referência: MARUJO, R. F. B. Avaliação de métodos de segmentação de imagens aplicadas na classificação de culturas cafeeiras. 2013. 50 p. Monografia (Graduação em Ciência da Computação) - Universidade Federal de Lavras, Lavras, 2013.
Resumo: O presente trabalho avalia métodos de segmentação em imagens de satélite visando a construção de uma árvore de processos automatizada para a classificação de áreas cafeeiras. As imagens passaram por diferentes métodos de segmentação, caracterização de atributos espaciais, espectrais, forma e textura, uma vez que este tipo de cultivo, devido as suas características instrinsicas é facilmente confundido com a mata nativa em processos de classificação automática onde consideram-se apenas as variações espectrais. Foram usados algoritmos segmentadores de imagens, algoritmos de aprendizagem supervisionada e imagens do satélite Rapideye, que possuem alta resolução espacial e radiométrica. A avaliação da segmentação foi feita comparando 3 algoritmos: Chess board, Quad tree e Multi-resolution segmentation, em 2 níveis hierárquicos, utilizando o algoritmo do vizinho mais próximo para a classificação da imagem através das amostras coletadas. As acurácias foram comparadas com o algoritmo de classificação pixel a pixel de máxima verossimilhança que é um método baseado puramente em valores espectrais, O método mais preciso foi Multi-resolution segmentation com um índice global e índice Kappa de 80,7616% e 0,7115 respectivamente. Utilizou-se como avaliadores específicos a acurácia de produtor para a classe café que apresentou 78,97% e a acurácia de usuário também para a classe café, com acerto de 77,35%. Estes expressam uma boa qualificação, mas requerem uma pós classificação feita por interprete humano para obter valores mais precisos.
URI: http://repositorio.ufla.br/jspui/handle/1/5097
Idioma: pt_BR
Aparece nas coleções:DCC - Bacharelado em Ciência da Computação (Monografias)



Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.