???jsp.display-item.identifier??? https://repositorio.unipampa.edu.br/jspui/handle/riu/9580
Tipo: Trabalho de Conclusão de Curso
metadata.dc.title: Avaliação da qualidade da segmentação de imagem do CBERS 04A através do modelo U-Net no contexto do planejamento urbano no município de Itaqui - RS
metadata.dc.title.alternative: Evaluation of the quality of CBERS 04A image segmentation using the U-Net model in the context of urban planning in the municipality of Itaqui - RS
Autor(es): Sant’Anna, Danilo Venturini de Melo
Primeiro Orientador: Galafassi, Cristiano
1° Membro da banca: Galafassi, Cristiano
2° Membro da banca: Gass, Sidnei Luís Bohn
3° Membro da banca: Elesbão, Igor Silveira
Resumo: O processo de segmentação é fundamental para extrair informações relevantes de imagens de sensoriamento remoto, como identificação de áreas urbanas, cobertura vegetal, corpos d'água e outros elementos geográficos. Porém a segmentação manual de imagens de satélite pode ser trabalhosa e lenta, e é propensa a erros humanos. As redes neurais convolucionais (CNNs) oferecem uma alternativa avançada e automatizada para a segmentação manual de imagens de satélite, permitindo uma análise mais precisa e eficiente das características espaciais e espectrais das imagens. Tendo isso em vista, o presente trabalho traz uma análise aprofundada do desenvolvimento e desempenho de um modelo de rede neural convolutiva U-Net, capaz de segmentar imagens provenientes do satélite CBERS 04A. A grande vantagem em usar uma CNN é sua capacidade de aprender automaticamente características complexas das imagens, proporcionando resultados precisos e eficientes em tarefas de segmentação e análise de dados de sensoriamento remoto. O modelo escolhido foi a U-Net que utiliza camadas de convolução para capturar detalhes em múltiplas escalas na entrada e saída, facilitando a segmentação precisa de imagens ao combinar informações de downsampling e upsampling paths. Como os dados de treinamento (máscaras) ainda precisam ser feitos manualmente, há grandes chances de haver erros sistemáticos, graças à baixa qualidade dos recortes da imagem da área urbana de Itaqui. O modelo é capaz de segmentar corretamente a maioria dos pixels, mas há espaço para melhorias, além disso imagens com uma melhor qualidade podem aumentar consideravelmente a acurácia do modelo. A segmentação resultando pode ser utilizada em conjunto com outros dados para auxiliar no planejamento urbano da cidade de Itaqui, principalmente no que diz respeito ao crescimento ordenado da cidade e prevenção em casos de enchentes que é um problema recorrente na região.
Abstract: The segmentation process is crucial to extracting relevant information from remote sensing images, such as identification of urban areas, plant cover, water bodies and other geographical elements. However, the manual segmentation of satellite images can be laborious and slow, and is prone to human errors. Convolutional neural networks (CNNs) offer an advanced and automated alternative to the manual segmentation of satellite images, allowing for more accurate and efficient analysis of the spatial and spectral characteristics of the images. With this in mind, the present work brings an in-depth analysis of the development and performance of a U-Net convolutive neural network model, able to segment images from the CBERS 04A satellite. The great advantage of using a CNN is its ability to automatically learn complex characteristics of images, providing accurate and efficient results in targeting and remote sensing data analysis tasks. The model chosen was the U-Net that uses convolutionary layers to capture details on multiple scales on input and output, facilitating precise segmentation of images by combining downsampling and upsampling path information. As the training data (masks) still need to be done manually, there is a great chance of there being systematic errors, thanks to the poor quality of the cuts of the image of the urban area of Itaqui. The model is able to correctly segment most pixels, but there is room for improvements, besides better quality images can significantly increase the accuracy of the model. The resulting segmentation can be used in conjunction with other data to assist the urban planning of the city of Itaqui, especially with regard to the orderly growth of the town and prevention in cases of flooding which is a recurring problem in the region.
metadata.dc.subject: Segmentação
Sensoriamento remoto
CBERS 04A
Inteligência artificial
Crescimento urbano
U-Net
Segmentation
Remote sensing
Artificial Intelligence
Urban growth
Space resolution
CNPQ: CNPQ::ENGENHARIAS
Idioma: por
metadata.dc.publisher.country: Brasil
metadata.dc.publisher: Universidade Federal do Pampa
Sigla da Instituição: UNIPAMPA
Campus: Campus Itaqui
metadata.dc.identifier.citation: SANT’ANNA, Danilo Venturini de Melo. Avaliação da qualidade da segmentação de imagem do CBERS 04A através do modelo U-Net no contexto do planejamento urbano no município de Itaqui - RS. 2024. 27 f. Trabalho de Conclusão de Curso (Bacharelado em Engenharia Cartográfica e de Agrimensura) - Universidade Federal do Pampa, Itaqui, 2024.
Tipo de acesso: Acesso Aberto
metadata.dc.identifier.uri: https://repositorio.unipampa.edu.br/jspui/handle/riu/9580
metadata.dc.date.issued: 12-Jul-2024
???org.dspace.app.webui.jsptag.ItemTag.appears???Engenharia de Agrimensura

???org.dspace.app.webui.jsptag.ItemTag.files???
???org.dspace.app.webui.jsptag.ItemTag.file??? ???org.dspace.app.webui.jsptag.ItemTag.description??? ???org.dspace.app.webui.jsptag.ItemTag.filesize??????org.dspace.app.webui.jsptag.ItemTag.fileformat??? 
Danilo Venturini de Mello Sant'Anna - 2024.pdf463.37 kBAdobe PDF???org.dspace.app.webui.jsptag.ItemTag.view???


???jsp.display-item.copyright???