[en] A KNOWLEDGE-BASED APPROACH FOR AUTOMATIC INTERPRETATION OF MULTIDATE REMOTE SENSING DATA

[pt] UMA ABORDAGEM BASEADA EM CONHECIMENTO PARA A INTERPRETAÇÃO AUTOMÁTICA DE DADOS DE SENSORIAMENTO REMOTO MULTI-DATA

[pt] GILSON ALEXANDRE OSTWALD PEDRO DA COSTA

[pt] SENSORIAMENTO REMOTO

[pt] PROCESSAMENTO DIGITAL DE IMAGENS

[pt] INTERPRETACAO BASEADA EM CONHECIMENTO

[en] REMOTE SENSING

[en] DIGITAL PROCESSING OF IMAGES

[en] KNOWLEDGE BASED INTERPRETATION

[pt] O objetivo genérico desta Tese foi o desenvolvimento de técnicas computacionais baseadas em conhecimento para apoiar a interpretação automática de dados de sensoriamento remoto multi-temporais, com ênfase na investigação da aquisição e representação explícita de conhecimento temporal, bem como na sua integração com outros tipos de conhecimento dentro do processo de interpretação. Dois objetivos específicos, inter-relacionados, foram perseguidos: (i) o desenvolvimento de um novo método de classificação baseado no conceito de cadeias nebulosas de Markov (CNM), que provê meios para a estimação de seus parâmetros temporais e para a utilização de conhecimento temporal no processo de classificação; e (ii) a modelagem e implementação de um ambiente baseado em conhecimento, de código livre, para a interpretação de dados de sensoriamento remoto. Para validar o novo método de classificação multitemporal, foram realizados experimentos voltados à interpretação de uma seqüência de três imagens LANDSAT de uma área na Região Centro-Oeste do Brasil, utilizando um método estocástico e outro analítico para a estimação das matrizes de transição de classes que compõem o modelo CNM. Enquanto os classificadores mono-temporais obtiveram uma acurácia média por classe de 55%, o esquema multi-temporal alcançou acurácias entre 63% e 94%. Resultados semelhantes em termos de acurácia global foram verificados. Além disso, quando comparado a abordagens multi-temporais correlatas, o método proposto obteve melhores resultados. De forma a validar o ambiente baseado em conhecimento aqui proposto, o método CNM foi implementado através de suas funcionalidades. Um conjunto de experimentos nos quais diferentes variações do método CNM, estruturadas no novo ambiente, foi executado satisfatoriamente.

[en] The general objective of this research was the development of knowledgebased computational techniques to support the interpretation of multitemporal remote sensing data, focusing on the investigation of the explicit representation of temporal knowledge and its integration to other types of knowledge; and also on the processing and acquisition of temporal knowledge. Two interrelated, specific objectives were pursued: (i) the development of a novel multitemporal classification method based on the concept of fuzzy Markov chain (FMC) that provides for the automatic estimation of its temporal related parameters and for the exploration of temporal knowledge in the classification process; and (ii) the design and implementation of an open-source, knowledge-based framework for multitemporal interpretation of remote sensing data. In order to validate the new multitemporal classification method, experiments were carried out aiming at the interpretation of a sequence of three LANDSAT images from the central region of Brazil, using both a stochastic and an analytical technique to estimate the class transition possibilities that compose the FMC model. While the monotemporal classifiers used in the experiments attained an average class accuracy of approximately 55%, the multitemporal scheme reached accuracies between 65% and 94%. Similar results in terms of overall accuracy were also observed. Furthermore, when compared to two alternative multitemporal classification approaches, the devised method consistently showed better results. In order to validate the proposed multitemporal framework, the FCM-based method was implemented using its temporal functionalities, and a number of experiments in which different variants of the FCM-based method were structured through the framework were successfully carried out.

RAUL QUEIROZ FEITOSA

MARLEY MARIA BERNARDES REBUZZI VELLASCO

RAUL QUEIROZ FEITOSA

BRUNO FEIJO

GILBERTO CAMARA NETO

ANTONIO MARIA GARCIA TOMMASELLI

CHRISTIAN HEIPKE

2009-09-15

2009-03-02

[pt] TEXTO

application/pdf

application/pdf

application/pdf

application/pdf

application/pdf

application/pdf

application/pdf

application/pdf

application/pdf

INGLÊS

https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=14130@1

https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=14130@2

https://doi.org/10.17771/PUCRio.acad.14130