COMPARAÇÃO DE TÉCNICAS DE EXTRAÇÃO DE TELHADOS UTILIZANDO ANÁLISE DE IMAGEM BASEADA EM OBJETO (OBIA) EM PRODUTOS OBTIDOS POR AERONAVE REMOTAMENTE PILOTADA
DOI:
https://doi.org/10.36557/2674-9432.2026v5n4p134-157Palabras clave:
Extração de telhados, Drone, Modelo Digital de Superfície, Análise de Componentes Principais, Classificação orientada a objetosResumen
Este artigo compara duas estratégias de extração automática de telhados a partir de produtos obtidos por aeronave remotamente pilotada: a composição RGBZ, formada pelo ortomosaico RGB e pelo Modelo Digital de Superfície (MDS), e a composição PCA-RGBZ, obtida pela Análise de Componentes Principais. As duas abordagens foram processadas por análise de imagem baseada em objeto (OBIA), segmentação MeanShift, extração de atributos estatísticos e classificação supervisionada por SVM. A validação foi realizada por matriz de confusão, acurácia global, acurácia do produtor, acurácia do usuário, F1-score e Kappa. Os resultados indicaram desempenho superior da PCA-RGBZ, com acurácia global de 95,7% e Kappa de 0,949, enquanto a RGBZ obteve 84,1% e Kappa de 0,813. A PCA reduziu redundâncias entre bandas, melhorou a delimitação das bordas e diminuiu confusões entre telhados, vegetação e objetos elevados. Conclui-se que a integração entre MDS, PCA e OBIA é promissora para mapeamento de coberturas urbanas em escala local.
Descargas
Citas
ANTUNES, F. S.; NEVES, L. V.; SILVA, K. S.; GRAÇA, A. J. S. Análise da integração entre Sensoriamento Remoto e SIG na classificação da cobertura da terra em Duque de Caxias/RJ. Revista Brasileira de Geomática, v. 5, n. 1, p. 82-102, 2017.
AWRANGJEB, M.; FRASER, C. S. Automatic segmentation of raw LIDAR data for extraction of building roofs. Remote Sensing, v. 6, n. 5, p. 3716-3751, 2014. DOI: 10.3390/rs6053716.
BLASCHKE, T. Object based image analysis for remote sensing. ISPRS Journal of Photogrammetry and Remote Sensing, v. 65, n. 1, p. 2-16, 2010. DOI: 10.1016/j.isprsjprs.2009.06.004.
BORGES, T.; BRANFORD, S. Kalungas usam mapeamento digital para defender seu território. Mongabay - Notícias Ambientais, 2021. Disponível em: https://brasil.mongabay.com/2021/03/comunidade-kalunga-mapeia-seu-territorio-digitalmente-para-sobreviver-no-cerrado/. Acesso em: 23 nov. 2021.
CAL, A. High-Resolution Object-Based Building Extraction Using PCA of LiDAR nDSM and Aerial Photos. In: TIEFENBACHER, J. P.; POREH, D. (org.). Spatial Variability in Environmental Science - Patterns, Processes, and Analyses. London: IntechOpen, 2020. DOI: 10.5772/intechopen.92640.
CHANG, C. C.; LIN, C. J. LIBSVM: A library for support vector machines. ACM Transactions on Intelligent Systems and Technology, v. 2, n. 3, p. 1-27, 2011. DOI: 10.1145/1961189.1961199.
COMANICIU, D.; MEER, P. Mean shift: a robust approach toward feature space analysis. IEEE Transactions on Pattern Analysis and Machine Intelligence, v. 24, n. 5, p. 603-619, 2002. DOI: 10.1109/34.1000236.
CONGALTON, R. G. A review of assessing the accuracy of classifications of remotely sensed data. Remote Sensing of Environment, v. 37, n. 1, p. 35-46, 1991. DOI: 10.1016/0034-4257(91)90048-B.
FOODY, G. M. Status of land cover classification accuracy assessment. Remote Sensing of Environment, v. 80, n. 1, p. 185-201, 2002. DOI: 10.1016/S0034-4257(01)00295-4.
HSU, C. W.; CHANG, C. C.; LIN, C. J. A Practical Guide to Support Vector Classification. Taipei: Department of Computer Science, National Taiwan University, 2016. Disponível em: https://www.csie.ntu.edu.tw/~cjlin/papers/guide/guide.pdf. Acesso em: 23 nov. 2021.
HUANG, C.; WEI, H. L.; RAU, J. Y.; JHAN, J. P. Use of principal components of UAV-acquired narrow-band multispectral imagery to map the diverse low stature vegetation fAPAR. GIScience & Remote Sensing, v. 56, n. 4, p. 605-623, 2019. DOI: 10.1080/15481603.2018.1550873.
JOLLIFFE, I. T.; CADIMA, J. Principal component analysis: a review and recent developments. Philosophical Transactions of the Royal Society A, v. 374, n. 2065, 2016. DOI: 10.1098/rsta.2015.0202.
LOPES, T.; MELANDA, E. A.; STANGANINI, F. N. Avaliação dos produtos cartográficos gerados por RPA quadrimotor. In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 19., 2019, Santos. Anais [...]. São José dos Campos: INPE, 2019. p. 2438-2441.
MARROQUIM, R. MeanShift Segmentation. Rio de Janeiro: Universidade Federal do Rio de Janeiro, 2016. Disponível em: https://www.lcg.ufrj.br/marroquim/courses/cos756/assignments/assignment-meanshift-segmentation.pdf. Acesso em: 23 nov. 2021.
NOORI, R. et al. Assessment of input variables determination on the SVM model performance using PCA, Gamma test, and forward selection techniques for monthly stream flow prediction. Journal of Hydrology, v. 401, p. 177-189, 2011.
PORTELA, N. M. Modelo de mistura de Gaussiana Fuzzy contextual. 2015. Tese (Doutorado em Ciência da Computação) - Universidade Federal de Pernambuco, Recife, 2015.
SIMS, D. A.; GAMON, J. A. Relationships between leaf pigment content and spectral reflectance across a wide range of species, leaf structures and developmental stages. Remote Sensing of Environment, v. 81, n. 2-3, p. 337-354, 2002. DOI: 10.1016/S0034-4257(02)00010-X.
STEHMAN, S. V. Selecting and interpreting measures of thematic classification accuracy. Remote Sensing of Environment, v. 62, n. 1, p. 77-89, 1997. DOI: 10.1016/S0034-4257(97)00083-7.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2026 Fernando Alves Barros Firmino, Sângela Cruz Morais
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Você tem o direito de:
- Compartilhar — copiar e redistribuir o material em qualquer suporte ou formato para qualquer fim, mesmo que comercial.
- Adaptar — remixar, transformar, e criar a partir do material para qualquer fim, mesmo que comercial.
- O licenciante não pode revogar estes direitos desde que você respeite os termos da licença.
De acordo com os termos seguintes:
- Atribuição — Você deve dar o crédito apropriado , prover um link para a licença e indicar se mudanças foram feitas . Você deve fazê-lo em qualquer circunstância razoável, mas de nenhuma maneira que sugira que o licenciante apoia você ou o seu uso.
- Sem restrições adicionais — Você não pode aplicar termos jurídicos ou medidas de caráter tecnológico que restrinjam legalmente outros de fazerem algo que a licença permita.
