Two-phase methods to segment man-made objects around reservoirs (2023)
- Authors:
- Autor USP: HAMIDISHAD, NAYEREH - IME
- Unidade: IME
- Sigla do Departamento: MAC
- DOI: 10.11606/T.45.2023.tde-05062023-071021
- Subjects: APRENDIZADO COMPUTACIONAL; PROCESSAMENTO DE IMAGENS; RESERVATÓRIOS
- Keywords: Aprendizagem profunda; Deep learning; High-resolution RS imagery; Image processing; Imagem RS de alta resolução; Man-made object segmentation; Object-based method; Reservoir segmentation; Segmentação de reservatórios; Segmentação feita pelo homem
- Agências de fomento:
- Language: Inglês
- Abstract: Os reservatórios são infraestruturas fundamentais para a gestão dos recursos hídricos. Eles reduzem os efeitos das flutuações de fluxo de água intersazonais e interanuais e, portanto, facilitam o abastecimento de água, a geração de energia hidrelétrica e o controle de enchentes, para citar alguns exemplos. Há uma interação significativa entre o meio ambiente e os reservatórios. Por exemplo, as atividades humanas podem afetar a qualidade da água afluente do reservatório e seus processos químicos e biológicos. As construções ao redor dos reservatórios são um exemplo de tais atividades. Essa questão social pode ser detectada segmentando os objetos criados pelo homem em torno dos reservatórios nas imagens de sensoriamento remoto (RS). Os métodos tradicionais baseados em pixels, baseados em objetos (OB) e de aprendizado profundo são três abordagens de mapeamento de cobertura da terra (LCM). Desenvolvemos uma nova abordagem baseada em técnicas de processamento de imagens e no método OB para segmentar regiões selecionadas ao redor de reservatórios. As desvantagens da abordagem OB, como a alta dependência dos resultados na escolha dos parâmetros, nos levaram a usar DL para contornar a necessidade excessiva de especificação de parâmetros e o ajuste frequentemente exigido pelos métodos OB. Nos últimos anos, o DL atraiu considerável atenção como um método para segmentar imagens das imagens do RS e alcançou um sucesso notável. Para segmentar objetos artificiais em torno dosreservatórios utilizando um fluxo de trabalho de ponta a ponta, segmentar os reservatórios e destacar a região de interesse (ROI) em torno deles é essencial. No entanto, os reservatórios são normalmente considerados em uma classe ampla denominada corpos dágua. Além disso, os estudos de segmentação de objetos feitos pelo homem implementados em imagens RS de alta resolução urbana consideram menos frequentemente construções na zona rural. Portanto, eles frequentemente não consideram estruturas desafiadoras de cobertura do solo, como estradas não asfaltadas. Nesta pesquisa, desenvolvemos uma nova abordagem baseada em técnicas de processamento de DL e imagens para segmentação de objetos feitos pelo homem em torno dos reservatórios. No fluxo de trabalho em duas fases proposto, o reservatório é inicialmente segmentado usando um modelo DL. Em seguida, uma etapa de pós-processamento é proposta para remover erros da vegetação flutuante nos reservatórios. Em seguida, a RoI ao redor do reservatório (RoIaR) é destacada usando as técnicas de processamento de imagem. Finalmente, os objetos artificiais na roiar são segmentados por um modelo DL. Coletamos imagens de alta resolução do Google Earth (GE) de oito reservatórios no Brasil, localizados principalmente nas paisagens, em dois anos disponíveis para treinar os modelos de fluxo de trabalho. Além disso, validamos o fluxo de trabalho preparado com um conjunto de dados de teste não visto durante o treinamento. As pontuações F1 do estágiode segmentação semântica da fase 1, estágio de pós-processamento e estágio de segmentação semântica da fase 2 no conjunto de teste externo são 92,54%, 94,68% e 88,11%, respectivamente, que mostram alta capacidade de generalização do fluxo de trabalho preparado
- Imprenta:
- Data da defesa: 17.04.2023
- Este periódico é de acesso aberto
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: gold
- Licença: cc-by-nc-sa
-
ABNT
HAMIDISHAD, Nayereh. Two-phase methods to segment man-made objects around reservoirs. 2023. Tese (Doutorado) – Universidade de São Paulo, São Paulo, 2023. Disponível em: https://www.teses.usp.br/teses/disponiveis/45/45134/tde-05062023-071021/. Acesso em: 27 abr. 2024. -
APA
Hamidishad, N. (2023). Two-phase methods to segment man-made objects around reservoirs (Tese (Doutorado). Universidade de São Paulo, São Paulo. Recuperado de https://www.teses.usp.br/teses/disponiveis/45/45134/tde-05062023-071021/ -
NLM
Hamidishad N. Two-phase methods to segment man-made objects around reservoirs [Internet]. 2023 ;[citado 2024 abr. 27 ] Available from: https://www.teses.usp.br/teses/disponiveis/45/45134/tde-05062023-071021/ -
Vancouver
Hamidishad N. Two-phase methods to segment man-made objects around reservoirs [Internet]. 2023 ;[citado 2024 abr. 27 ] Available from: https://www.teses.usp.br/teses/disponiveis/45/45134/tde-05062023-071021/
Informações sobre o DOI: 10.11606/T.45.2023.tde-05062023-071021 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
