Utilize este identificador para referenciar este registo:
http://hdl.handle.net/10071/21860
Autoria: | Caçador, David Galvão Chambel |
Orientação: | Almeida, Ana Maria Carvalho de Silva, João Pedro Afonso Oliveira da |
Data: | 26-Nov-2020 |
Título próprio: | Automatic recognition of megalithic objects in areas of interest in satellite imagery |
Referência bibliográfica: | CAÇADOR, David Galvão Chambel - Automatic recognition of megalithic objects in areas of interest in satellite imagery [Em linha]. Lisboa: Iscte, 2020. Dissertação de mestrado. [Consult. Dia Mês Ano] Disponível em www:<http://hdl.handle.net/10071/21860>. |
Palavras-chave: | Multispectral images Panchromatic images Hyperspectral images Circular hough transform Spectral indices Supervised machine learning Imagens multiespectrais Imagens pancromáticas Imagens hiperespectrais Transformação de hough circular Índices espectrais Aprendizagem automática |
Resumo: | The integration of airborne and satellite imagery with Computer Vision and Machine
Learning methodologies provided the ability of covering ample ground and enabled the
detection of new terrain features, providing means to remotely locate, monitor and protect
from destruction sites of cultural heritage. This work seeks to fuse spectral information
obtainable from multispectral or hyperspectral images with spatial information derived
from panchromatic images, provided by ESA and obtained from its satellites, to
implement a high-performance automatic detection system capable of detecting buried or
covered by vegetation dolmens. Separate methods were implemented, where for
hyperspectral images a system was attempted based on the dolmens respective spectral
material signature, and for panchromatic and multispectral images a system that extracted
spectral indices, fused all into one and applied circle detection to identify dolmen
locations, eliminating false positives through supervised machine learning. The
hyperspectral images could not be used for the creation of a dolmens’ material signature,
and by extension cannot automatically delineate regions of high likelihood of dolmen
presence in images, due to the size of each pixel being of much higher dimensions than
the known dolmens and the dolmens surrounding environments being too similar. The
system created through the fusion of panchromatic and multispectral images proved
capable of detecting dolmen locations, while simultaneously proving that part of the
existent defined ontology of the dolmen (their insertion near water sources) can be used
to delineate areas of high probability of dolmen presence, and that using supervised
learning methods can enable the elimination of around 87.2% of false positives. A integração de imagens aéreas e satélite com metodologias do âmbito da Aprendizagem Automática (Machine Learning) e Visão Computacional (Computer Vision) providenciou a capacidade de cobrir terrenos amplos e permitiu a extração de novas características do terreno, fornecendo meios para localizar, monitorizar e proteger remotamente de destruição locais com património cultural. Este trabalho procura unir informações espectrais e espaciais, derivadas de imagens multiespectrais, hiperespectrais e pancromáticas cedidas e obtidas pelos satélites da ESA, para implementar um sistema de deteção automática de alto desempenho capaz de detetar dolmens enterrados ou cobertos por vegetação. Separadamente, implementaram-se métodos onde se tentou desenvolver um sistema baseado na assinatura espectral do material dos dolmens, para imagens hiperespectrais, e, para imagens pancromáticas e multiespectrais, um sistema para extrair índices espectrais, fundir todos os índices extraídos num só e aplicar deteção de círculos para identificar locais onde haja grande probabilidade de existir um dólmen, após eliminação de falsos positivos através de uma técnica supervisionada de Aprendizagem Automática. As imagens hiperespectrais não demonstraram capacidade de definir uma assinatura de material de dolmens e, por extensão, não aptas a delinear automaticamente regiões com alta probabilidade de presença de dólmen, devido à grande dimensão dos pixels em comparação com os pixels dos dolmens conhecidos e os arredores dos dolmens serem demasiado semelhantes. O sistema criado da fusão de imagens pancromáticas e multiespectrais mostrou-se capaz de detetar localizações de dólmen, provando, simultaneamente, que parte da informação na ontologia existente para dólmens em Portugal (nomeadamente, a inserção usual próximo de fontes de água) pode ser usada para delinear áreas de alta probabilidade de presença de dólmen e que o uso de métodos de aprendizagem supervisionada permitiu eliminar cerca de 87.2% falsos positivos. |
Designação do grau: | Mestrado em Engenharia Informática |
Arbitragem científica: | yes |
Acesso: | Acesso Aberto |
Aparece nas coleções: | T&D-DM - Dissertações de mestrado |
Ficheiros deste registo:
Ficheiro | Descrição | Tamanho | Formato | |
---|---|---|---|---|
Master_David_Chambel_Cacador.pdf | 35,43 MB | Adobe PDF | Ver/Abrir |
Todos os registos no repositório estão protegidos por leis de copyright, com todos os direitos reservados.