29/08/2011

Programa de Pós-Graduação em
Ciências Cartográficas Sumário

CLASSIFICAÇÃO DOS TIPOS DE PAVIMENTOS A  Introdução

PARTIR DE IMAGEM AÉREA UTILIZANDO  Objetivos
ANÁLISE ORIENTADA A OBJETO
 Justificativa

Mestrando: Germán Torrijos Cadena  Fundamentação teórica

 Materiais e Método
Orientadores: Profª Drª Maria de Lourdes Bueno Trindade Galo
 Desenvolvimento

 Resultados
Linha de Pesquisa: Cartografia, SIG e Análise Espacial
 Considerações finais

 Recomendações

 Agradecimentos

Introdução Introdução
 A Crescente disponibilidade de sensores de alta
Surge a necessidade de métodos alternativos de
resolução espacial.
classificação que não se limitem aos atributos
espectrais.

Parâmetros
geométricos e
topológicos, como
distância, perímetro,
área, forma, textura,
direção e
conectividade

1
 29/08/2011

Introdução Objetivos

Novos métodos e metodologias para a extração de  Geral.

informação das imagens digitais. • Desenvolver um método para a classificação dos tipos de
pavimentos das vias urbanas, a partir de uma ortoimagem,
A classificação orientada a utilizando a abordagem de classificação orientada a objeto.
objeto considera informações  Específicos.
de objeto (ou segmentos) • Apresentar um estudo de caso, considerando uma área da
cidade de Bogotá, Colômbia;
extraídas da imagem no
processo de classificação
baseada em conhecimento. • Analisar a qualidade da classificação obtida.
Aos tipos de material das
vias urbanas num setor da
cidade de Bogotá, utilizando
uma ortoimagem.

Justificativa Justificativa

 A circulação de veículos na região metropolitana da cidade de  Para modificar essa situação, o sistema viário precisa passar
Bogotá, capital da Colômbia, é muito alta, as vias urbanas da por estudos urgentes, que se apliquem conforme as condições
cidade para o ano 2008, apresentou o seguinte inventário : técnicas e econômicas das áreas afetadas na cidade.
de 14.781 km da rede viária.
 No auxilio da solução desse problema, há uma demanda
• 25% estão em estado regular; crescente por informações espaciais precisas e atualizadas, as
• 26% estado bom; quais podem ser adquiridas por técnicas de Sensoriamento
Remoto, visando ao monitoramento, à análise e ao
• 49% estado ruim. mapeamento das áreas urbanas e intraurbanas da capital
Fonte: IDU (2009)
Colombiana e das demais cidades do país.

2
 29/08/2011

Justificativa
 O Instituto Geográfico “Agustín Codazzi” (I.G.A.C), adquiriu
uma câmara Vexcel Ultracam-D.
 Em consonância com essa iniciativa, esta pesquisa propõe o
desenvolvimento de um método, para testar a abordagem da
análise orientada a objeto na classificação dos tipos de
material das vias urbanas no centro da cidade de Bogotá,
utilizando como fonte uma ortoimagem obtida com a câmara
Vexcel Ultracam-D.
Justificativa
Assim, essa nova abordagem contribuiria para o
desenvolvimento de métodos semi-automáticos para
a classificação de imagens e a avaliação rápida,
econômica dos tipos de materiais das vias urbanas e
seu estado de conservação.

Fundamentação teórica Fundamentação teórica

Interpretação de imagens multiespectrais:
 O uso de técnicas baseadas em classificação de objetos ao
Análise Visual Análise Quantitativa invés de pixels se apresentam como alternativas.

Especificando claramente o objetivo da extração da informação,

definindo as categorias a serem mapeadas ⇒ feições, objetos,
classes, tipos de cobertura da terra

Examina o aspecto
Alocar um pixel a uma dada classe multidimensional dos dados e
com base em suas características sua resolução r. ⇒
espectrais . Classificação da imagem

Não Supervisionada Supervisionada Abordagens:

-Pixel a Pixel
-Por Regiões ⇒ Segmentação

Antunes (2003)

3
 29/08/2011

Fundamentação teórica

 Premissas • Os objetos de interesse podem estar

associados a diferentes níveis de abstração.
• A caracterização dos objetos não pode limitar-se a atributos
espectrais.
Forma, tamanho, textura, padrão (inserir o conhecimento).

• A descrição do espaço de atributos de uma classe pode ser

imprecisa.

Fonte: Definiens (2003).

Material e Método Seleção da área-teste

Área de estudo

4
 29/08/2011

Material e Método Material e Método

 Material • Arquivo vetorial das Quadras da área de estudo, elaborado

• Ortoimagem aérea de alta resolução espacial, tomada no ano pelo Cadastro Distrital da Bogotá D.C e disponibilizado pelo
de 2009, nas bandas referentes à luz azul (390-470 nm), verde Instituto Geográfico, em um convênio de cooperação, com a
(420-580 nm) e vermelha (620-690 nm); escala de elaboração 1:2000.
 Os Softwares
• Ecognition (Trial) 8.0 e Ecognition Developer 8.0 - Unesp;
• ENVI 4.4(demo free);
• ERDAS Imagine 9.1 (demo free);
• ARC-VIEW 3.2 (free);
• ArcGis 9.3.1 V. -Unesp .

Procedimento metodológico Definição e caracterização das classes

Seleção Área de Estudo

Conhecimento contexto Interpretação

a priori Da Imagem

Definição de classes Elaboração

Segmentação
e elaboração de chaves
Multiresolução Da rede
de interpretação hierárquica

objetos
vias
Funções
Fuzzy

Classificação
Avaliação da
Classificação

Matriz de Índice de
Kappa
Confusão Instabilidade

ANÁLISE DOS
RESULTADOS

5
 29/08/2011

Segmentação
Segmentação

ℎ𝑓𝑜𝑟𝑚𝑎 = 𝑤𝑐𝑜𝑚𝑝𝑎𝑐𝑖𝑑𝑎𝑑𝑒 ∗ ℎ𝑐𝑜𝑚𝑝𝑎𝑐𝑖𝑑𝑎𝑑𝑒 + 1 − 𝑤𝑐𝑜𝑚𝑝𝑎𝑐𝑖𝑑𝑎𝑑𝑒 ∗ ℎ𝑙𝑖𝑠𝑢𝑟𝑎

Fonte: Adaptada de Definiens (2009).

Segmentação Segmentação

Exemplo de uma segmentação com o arquivo vetorial

6
 29/08/2011

Segmentação

Segmentação

7
 29/08/2011

Desenvolvimento
Desenvolvimento

 Classes de interesse.

Descritores Espaciais

8
 29/08/2011

Desenvolvimento Desenvolvimento

Funções Fuzzy ou Booleana

Desenvolvimento Desenvolvimento

9
 29/08/2011

Resultados

 Avaliação da classificação

• Matriz de confusão : coeficientes estatísticos

• Análise de medidas de incerteza : estatísticas de estabilidade

 Para estimar o número de elementos amostrais numa imagem • Com um nível de probabilidade de 95%
classificada, onde a variável não é quantitativa, mas • um nível permissível de erro de ± 5%
categórica, recomenda-se usar a probabilidade binomial • e um 85% de acertos
(CHUVIECO, 2002).

Resultados

Aleatório Estratificado por Classes.

10
 29/08/2011

Resultados

Resultados

• Do total de 200 segmentos ou polígonos 60 polígonos

foram classificados erroneamente.
• a exatidão global (eg) computada foi 70%
• O coeficiente de concordância Kappa (k) 58,19%
(Landis e Koch (1977) ;
 Para a analise por classe, foram computadas a exatidão do
usuário (eu) erro de comissão (ec)
e a exatidão do produtor (ep) erro de omissão (e o) das
classes mapeadas.
A concordância Kappa ( ) por classe.

11
29/08/2011

12
 29/08/2011

Análise qualitativa

Análise qualitativa Considerações finais

• Cumprimento dos os objetivos propostos.

• O isolamento das Quadras foi, mais eficiente a partir do

arquivo vetorial.

• Os resultados obtidos nesta pesquisa foram avaliados

qualitativamente e quantitativamente, permitindo estimar um
grau de confiabilidade para conhecer com boa precisão os
tipos de material presentes nas diferentes vias da área de
estudo.

13

Considerações finais
• O resultado da classificação não pretende apresentar o estado
de conservação ruim ou bom das vias urbanas, mas prover
meios de suprir a demanda por informações precisas e rápidas
sobre a existência de vias que apresentam condições não aptas
para a mobilização dos veículos e das comunidades em geral.
Recomendações
• O englobamento dos tipos de material das vias urbanas em
três classes foi muito geral, devendo-se considerar as áreas de
transição ou intermediárias, bem como outros possíveis
materiais, para um melhor critério na classificação.
29/08/2011
Recomendações
• Estudos mais avançados devem ser realizados, para a análise
das vias da cidade como um todo.
• A câmara Ultracam-D trabalha com a banda ou canal
infravermelho, o qual não foi fornecido para esta pesquisa, seu
uso é recomendado devido a seu maior potencial na separação
de outras classes como, por exemplo, vegetação.
• Os critérios de escala, forma e compacidade são critérios de
cada estudo que não podemos generalizar, pelo fato de haver
trabalhos similares com imagens de alta resolução espacial,
portanto, o conhecimento do intérprete é fundamental na
criação de suas próprias regras.
Agradecimentos
• A Profa. Dra. Maria de Lourdes Bueno Trindade Galo.
• Ao Prof. Dr. Antonio Maria Garcia Tommaselli.
• Aos professores do Departamento de Cartografia, Matemática
e demais, pela formação, competência e qualidade no ensino.
• Ao Conselho Nacional de Desenvolvimento Científico e
Tecnológico (CNPq).
• Ao Governo do Brasil pela oportunidade que fornece aos
países em desenvolvimento.
• À Universidade Estadual Paulista (UNESP) e ao Programa de
Pós-Graduação em Ciências Cartográficas (PPGCC).
• Aos colegas do PPGCC, pelo apoio e bons momentos
compartilhados.
14
 29/08/2011

Agradecimentos

• À Eng. Msc. Fernanda de Almeida Prado, pelas correções e

boa vontade em sua ajuda.
• À Eng. Msc. Cristina Aparecida Beneditti pelas orientações MUITO OBRIGADO
no manejo do software Ecognition.
• À universidade Distrital “Francisco José de Caldas” de
Bogotá, Colômbia pelo afastamento para a realização do curso
de mestrado.
• Ao Instituto Geográfico “Agustín Codazzi” da Colômbia, pelo
fornecimento das imagens de Bogotá, Colômbia.

15