Publication
Classificação automática de zonas verdes para fins de cartografia
| datacite.subject.fos | Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática | pt_PT |
| dc.contributor.advisor | Dias, José Manuel Bioucas | |
| dc.contributor.advisor | Silva, José Silvestre Serra da | |
| dc.contributor.author | Dias, Joel Augusto Joanaz D’Assunção | |
| dc.date.accessioned | 2017-02-03T14:41:49Z | |
| dc.date.available | 2017-02-03T14:41:49Z | |
| dc.date.issued | 2015-10 | |
| dc.description.abstract | Esta dissertação de mestrado expõe um estudo com o objetivo de discriminar os tipos de vegetação. Uma forma de se obter informações sobre o terreno é através da cartografia, sendo a fotogrametria aérea uma das técnicas mais utilizadas. O objectivo principal deste estudo é o desenvolvimento de uma ferramenta que permita processar fotografias aéreas na banda do visível e que discirna e classifique os diferentes tipos de vegetação. A metodologia adotada é constituida por tres fases principais: extração de características, seleção de características e classificação de imagem recorrendo a dois classificadores, o K-vizinhos mais próximos e a maquina de suporte vetorial. Na primeira fase são extraídas características estatísticas e de textura; na segunda fase implementa-se uma técnica de seleção de características relevantes. A última fase divide-se na otimização dos parâmetros de entrada dos classificadores e posterior classificação das imagens.Não foi possivel a utilização das oito classes pré-definidas devido à similaridade entre algumas delas, pelo que se procedeu à fusão de algumas, resultando em quatro novas classes. Realizou-se a classificação das imagens como as novas classes e comparou-se o desempenho dos dois classificadores. Verificou-se que o melhor classificador é a máquina de suporte vetorial utilizando a função de núcleo RBF apresentando 89,9% de classificações corretas. Testou-se a influência do seletor de características e concluiu-se que este conduziu a um aumento médio de 8,25%no desempenho dos classificadores. Conclui-se que os melhores resultados alcançados foram com 10 características para o K-vizinhos mais próximos e com 20 características para o Support Vectorial Machine. | pt_PT |
| dc.description.abstract | This paper presents a study with the purpose of discriminating the different types of vegetation. One way to get information abaut the land is through cartography, where aerial photogrammetry is one of the most used techniques. The main objective of this thesis is the development of a tool capable of processing aerial photographs on the visible spectrum and for it to be able to discern and classify the different types of vegetation. The adopted methodology comprises into major steps: feature extraction, feature selection and image classification using two classifiers, K-Nearest Neighbors and Support vector machine. The first step extracts statistical features and features of texture; the second step implements a feature selection technique aimed at selecting the most relevant features and the last step is divided in the optimization of the classifiers input parameters and subsequent image classification. It was not possible to use the eight classes pre-defined due to the similarity between some of them, which led to the merge of some, resulting in four new classes. The images were classified according the new classes and the performance of the two classifiers was compared. It was found that the best classifier is the Support Vector Machine using the function of Kernel Radial Basis Function showing 89,8% of correct classifications. The influence of the feature selector was tested and it was concludedthat it led to an average increase of 8,25% in the classifier´s performance. It was also concluded that the best results were achieved with 10 fatures for the K-Nearest Neigbors and with 20 features for the Support vector Machine. | pt_PT |
| dc.identifier.uri | http://hdl.handle.net/10400.26/17842 | |
| dc.language.iso | por | pt_PT |
| dc.subject | Classificação | pt_PT |
| dc.subject | Fotografia aérea | pt_PT |
| dc.subject | Seletor de caracteristicas | pt_PT |
| dc.subject | Vegetação | pt_PT |
| dc.title | Classificação automática de zonas verdes para fins de cartografia | pt_PT |
| dc.type | master thesis | |
| dspace.entity.type | Publication | |
| rcaap.rights | openAccess | pt_PT |
| rcaap.type | masterThesis | pt_PT |
| thesis.degree.grantor | Academia Militar |