Análise de séries temporais de imagens de sensoriamento remoto para a detecção de anomalias

• Processo: 20/06477-7
• Linha de fomento: Bolsas no Brasil - Iniciação Científica
• Vigência (Início): 01 de agosto de 2020
• Vigência (Término): 31 de julho de 2021
• Área do conhecimento: Ciências Exatas e da Terra - Ciência da Computação
• Pesquisador responsável: Maurício Araújo Dias
• Beneficiário: Giovanna Carreira Marinho
• Instituição-sede: Faculdade de Ciências e Tecnologia (FCT). Universidade Estadual Paulista (UNESP). Campus de Presidente Prudente. Presidente Prudente , SP, Brasil
• Assunto(s): Aprendizado computacional Visão computacional Sensoriamento remoto Análise de imagens Análise de séries temporais Reconhecimento de padrões Anomalias Análise quantitativa

Resumo

O uso de técnicas para análise de imagens de sensoriamento remoto auxiliadas por diferentes classificadores vem contribuindo significativamente para o desenvolvimento de novas metodologias por parte da comunidade científica, sendo essas, empregadas com sucesso a inúmeras aplicações. Recentemente, foi proposta uma estratégia de uso de classificadores para localização de poluição de água em imagens de sensoriamento remoto, a qual baseia-se em uma taxonomia para detecção de anomalias. Apesar disso, ainda são necessários estudos sobre a aplicação dessa estratégia em séries temporais de imagens. Este trabalho propõe realizar análise de séries temporais de imagens de sensoriamento remoto de modo a aumentar o número de ferramentas, abordagens e metodologias que poderão contribuir para a área de detecção de anomalias com foco em localização de poluição de água. Para isso, será usada uma metodologia que inicialmente realiza pré-processamento nos dados das imagens (baseado na aplicação de aumento de contraste e pan-sharpening) e amostragem. Em seguida, de acordo com a mesma metodologia, são feitos: treinamento de classificadores para classificações contextual e não contextual. As métricas acurácias, precisão, recall e F-measure (ou F1-score) serão usadas para validar os resultados, de modo a realizar uma análise quantitativa.