Abstracts

[pt] Esta dissertao visa investigar tcnicas desegmentao semntica para a anlise de dados de observao daTerra. Dois so os objetivos perseguidos neste estudo. O primeiro avaliar o potencial de tcnicas de segmentao semntica como opoaos mtodos tradicionais de segmentao de imagens que tipicamenteignoram a informao semntica. O segundo objetivo consiste emcomparar a segmentao semntica com a abordagem tpica baseada emobjeto (OBIA). O estudo apoia-se numa implementao de segmentaosemntica baseada em Campos Aleatrios Condicionais. A estratgiabaseada em objeto representada neste estudo pelo algoritmo desegmentao conhecido como Multiresoluo. O classificadorFlorestas Aleatrias (Random Forests) utilizado para gerar oschamados potenciais de associao dos campos aleatrioscondicionais, bem como para realizar a tarefa de classificao nacadeia de processamento tpico da abordagem baseada em objeto.Experimentos realizados sobre duas imagens de altssima resoluoespacial (8 cm) indicaram uma clara superioridade da segmentaosemntica, tanto em termos de acurcia espacial quanto de acurciatemtica. Embora carentes de uma anlise mais aprofundada quepermita a generalizao de suas concluses, os resultados obtidosno presente estudo provm elementos suficientes para encorajar apesquisa futura sobre a aplicao da segmentao semntica nacomposio de estratgias sofisticadas de classificao de imagens,em particular sendo parte de modelos baseadas emobjeto. [en] This dissertation investigates semanticsegmentation techniques for the analysis of Earth observation data.This study has two main task. The first one is to assess thepotential of semantic segmentation techniques as an option totraditional image segmentation methods that typically ignore thesemantic information. The second objective is to compare thesemantic segmentation with the typical objectbased approach (OBIA).The study is based on an implementation of semantic segmentationbased on Conditional Random Fields. The object-based approach isrepresented in this study by the segmentation algorithm known asMultiresolution. The Random Forests classifier is used to generatethe association potentials for the conditional random fields and toperform the classification task in a representative implementationof the typical object-based approach. Experiments carried out ontwo high spatial resolution images (8 cm) indicated a clearsuperiority of semantic segmentation, both in terms of spatialaccuracy and thematic accuracy. Although a more extensive analysisis required for the generalization of the aforementionedconclusions, the results of this study provide enough evidence toencourage a future research on the use of semantic segmentation tocompose sophisticated image classification models, in particularbeing part of models inspired in the OBIA approach.Advisors/Committee Members: RAUL QUEIROZ FEITOSA.