1. Repositório Institucional da Universidade Tecnológica Federal do Paraná (RIUT)
  2. GRAD - Cursos de Graduação
  3. TCC - Trabalhos de Conclusão de Curso de Graduação
  4. Curitiba
  5. CT - Sistemas de Informação
Use este identificador para citar ou linkar para este item: http://repositorio.utfpr.edu.br/jspui/handle/1/9289
Registro completo de metadados
Campo DCValorIdioma
dc.creatorCosta, João Paulo de Oliveira
dc.creatorOrtolan, Lucas Dissenha
dc.date.accessioned2020-11-12T12:03:56Z-
dc.date.available2020-11-12T12:03:56Z-
dc.date.issued2014-03-21
dc.identifier.citationCOSTA, João Paulo de Oliveira; ORTOLAN, Lucas Dissenha. Classificação de imagens de sensoriamento remoto utilizando redes neurais artificiais. 2014. 78 f. Trabalho de Conclusão de Curso (Graduação) – Universidade Tecnológica Federal do Paraná, Curitiba, 2014.pt_BR
dc.identifier.urihttp://repositorio.utfpr.edu.br/jspui/handle/1/9289-
dc.languageporpt_BR
dc.publisherUniversidade Tecnológica Federal do Paranápt_BR
dc.subjectSensoriamento remotopt_BR
dc.subjectRedes neurais (Computação)pt_BR
dc.subjectRemote sensingpt_BR
dc.subjectNeural networks (Computer science)pt_BR
dc.titleClassificação de imagens de sensoriamento remoto utilizando redes neurais artificiaispt_BR
dc.typebachelorThesispt_BR
dc.description.resumoAs imagens produzidas a partir do sensoriamento remoto geralmente são analisadas por especialistas para extração de informações usadas para análise de dados ou tomada de decisões. Este processo pode ser auxiliado por meio de um procedimento automático de classificação, de tal forma que uma imagem temática seja produzida, enfatizando características e/ou regiões de interesse. O presente trabalho tem como objetivo desenvolver uma metodologia baseada em Redes Neurais Artificiais (RNAs) para reconhecimento de padrões em imagens de sensoriamento remoto em dois cenários distintos. O primeiro refere-se à imagens de satélite da região de Três Pontas, localizada ao Sul de Minas Gerais, onde a cultura cafeeira encontra-se presente. Neste caso, o objetivo é identificar automaticamente zonas produtores de café, diferenciando-a de regiões de mata e de outros usos. O segundo cenário é composto por imagens da região da Baía de Paranaguá referentes à duas datas de aquisição distintas, 1986 e 1999. Este trabalho tem como objetivo delimitar as regiões correspondentes à zonas urbanas. Dessa forma, é possível determinar diferentes itens, incluindo invasão de zonas de preservação e crescimento urbano. A precisão da classificação foi avaliada com base no índice Kappa, que fornece uma ideia da acurácia da classificação. O melhor índice obtido no primeiro cenário foi de 0.81 e no segundo de 0.80, ambos considerados bons. Alguns dos erros da abordagem proposta podem ser minimizados ao considerar diferentes descritores e operações de pré-processamento, o que pode incentivar o desenvolvimento de trabalhos futuros.pt_BR
dc.degree.localCuritibapt_BR
dc.publisher.localCuritibapt_BR
dc.contributor.advisor1Dorini, Leyza Elmeri Baldo
dc.publisher.departmentDepartamento Acadêmico de Informáticapt_BR
dc.subject.cnpqSistemas de Informaçãopt_BR
Aparece nas coleções:CT - Sistemas de Informação

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
CT_COBSI_2013_2_06.pdf16,98 MBAdobe PDFThumbnail
Visualizar/Abrir
Mostrar registro simples do item Recomendar este item Visualizar estatísticas


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.