Busca avançada
Ano de início
Entree

Geração de MDS baseado na segmentação e classificação de imagens hiperespectrais

Processo: 14/24844-6
Linha de fomento:Bolsas no Exterior - Estágio de Pesquisa - Doutorado
Vigência (Início): 05 de março de 2015
Vigência (Término): 04 de março de 2016
Área do conhecimento:Ciências Exatas e da Terra - Geociências - Geodésia
Pesquisador responsável:Antonio Maria Garcia Tommaselli
Beneficiário:Raquel Alves de Oliveira
Supervisor no Exterior: Eija Honkavaara
Instituição-sede: Faculdade de Ciências e Tecnologia (FCT). Universidade Estadual Paulista (UNESP). Campus de Presidente Prudente. Presidente Prudente , SP, Brasil
Local de pesquisa : Finnish Geospatial Research Institute (FGI), Finlândia  
Vinculado à bolsa:13/17787-3 - Desenvolvimento e avaliação de técnicas para geração de nuvens densas de pontos, utilizando imagens hiperespectrais coletadas por VANT, BP.DR
Assunto(s):Fotogrametria

Resumo

Modelos de superfície digitais (MSD) de florestas podem ser gerados a partir de imagens digitais e a precisão resultante e completude dependerá da resolução das imagens, tamanho da área de sobreposição entre as imagens, etc. Correspondência de imagens é a principal etapa no processo de geração de MDS, mas, apesar de ter sido bastante explorado em diferentes áreas, há um grande espaço para melhorar estas técnicas em cenários florestais. Imagens hiperespectrais fornecem informação espectral detalhada para cada pixel da imagem, o que auxilia o processo de segmentação e classificação. Imagens classificados podem melhorar o processo de correspondência de imagens, guiando a variação dos parâmetros necessários nas estratégias de correspondência para os diferentes objetos (classes) e servindo como pontos de interesse para a correspondência baseada em feições. A maioria dos algoritmos de correspondência utiliza uma única banda da imagem ou três (RGB) e sua extensão para imagens multiespectrais ou hiperespectrais é um processo mais complexo, devido às diferenças entre as respostas espectrais de bandas e a quantidade de dados a serem processados. Neste projeto, ao contrário de sensores hiperespectrais clássicos baseados em varredura linear, as imagens hiperespectrais serão adquiridas em formato de quadro, favorável às plataformas instáveis. No entanto, a câmera de quadro a ser utilizada não adquire todas as imagens do cubo instantaneamente, causando um deslocamento de posição e orientação entre banda com o movimento da plataforma. Neste contexto, os principais objetivos deste projeto com o Instituto Geodésico Finlandês (FGI) são: obter experiência com os métodos de Sensoriamento Remoto para as florestas finlandesas desenvolvidos pelo grupo do FGI; estudar e desenvolver técnicas para o registro de imagens hiperespectrais; avaliar métodos segmentação e classificação em florestas atlânticas para imagens de alta resolução; e avaliar o método proposto utilizando diferentes conjuntos de dados. Na avaliação da qualidade serão comparados MDS gerados a partir de diferentes software utilizados no FGI e do software em desenvolvimento neste projeto. (AU)

Publicações científicas
(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)
OLIVEIRA, RAQUEL A.; TOMMASELLI, ANTONIO M. G.; HONKAVAARA, EIJA. Generating a hyperspectral digital surface model using a hyperspectral 2D frame camera. ISPRS JOURNAL OF PHOTOGRAMMETRY AND REMOTE SENSING, v. 147, p. 345-360, JAN 2019. Citações Web of Science: 5.
DE OLIVEIRA, RAQUEL A.; TOMMASELLI, ANTONIO M. G.; HONKAVAARA, EIJA. Geometric Calibration of a Hyperspectral Frame Camera. PHOTOGRAMMETRIC RECORD, v. 31, n. 155, p. 325-347, SEP 2016. Citações Web of Science: 10.

Por favor, reporte erros na lista de publicações científicas escrevendo para: cdi@fapesp.br.