Ana Beatriz de Almeida Felix
Research Interests
Ana Beatriz de Almeida Felix has a total of 6 co-authors. Here are the top co-authors by number of shared publications:
- Andressa Tognon
Graduanda em Agronomia Universidade Católica Dom Bosco (UCDB) Campo Grande Mato Grosso do Sul Brasil
1 shared publication - Denilson de Oliveira Guilherme
Universidade Católica Dom Bosco
1 shared publication - Maria Eduarda Basílio de Ávila1 shared publication
- Paola Ferreira Guimarães Grau1 shared publication
- Rafael Henrique Nogueira1 shared publication
- Wesley dos Santos Carvalho
Universidade Católica Dom Bosco
1 shared publication
Latest Publications
- Open Access
- 2 July 2024
- Published by Brazilian Journals in Revista Políticas Públicas & Cidades
- Vol. 13 (2) , e1051
CLASSIFICAÇÃO BASEADA EM OBJETO (GEOBIA) UTILIZANDO IMAGEM DE SATÉLITE CBERS 4A WPM EM UMA ÁREA URBANA
A crescente evolução na resolução espacial, temporal, espectral e radiométrica das imagens de satélite tem demandado técnicas mais robustas e sofisticadas para extração de informação útil. Em áreas urbanas as análises espaciais ficam limitadas pela resolução espacial das imagens, onde dados de sensores com melhor resolução espacial ainda possuem alto custo de aquisição. Com o lançamento do satélite CBERS 4A sensor WPM de alta resolução espacial tem aberto grandes possibilidades na análise do uso e cobertura do solo em regiões urbanas e rurais do Brasil. A abordagem GEOBIA tem ganhado muita atenção dos pesquisadores nos últimos anos emergindo como um novo paradigma para a análise de imagens de satélite de alta resolução espacial, baseando-se em objetos geográficos. Devido a grande variabilidade espectral dentro de uma mesma classe de uso e cobertura do solo a abordagem GEOBIA tem várias vantagens sobre a tradicional análise de imagem baseada em pixel. Portanto, o principal desafio é selecionar parâmetros e algoritmos ideais que possam combinar os objetos presentes na imagem com objetos geográficos significativos no mundo real. Desta forma o objetivo deste trabalho é realizar uma classificação por meio da abordagem GEOBIA utilizando uma imagem de satélite CBERS 4A sensor WPM, testando diferentes valores de parâmetros de segmentação Mean-Shift: Spatial radius (hs) e Range radius (hr). Os resultados demonstraram que todos valores testados apresentaram boa performance na classificação com valores de acurácia geral acima de 91%.
- 2 July 2024
- Published by Brazilian Journals in Revista Políticas Públicas & Cidades
- Vol. 13 (2) , e1051
Open AccessCLASSIFICAÇÃO BASEADA EM OBJETO (GEOBIA) UTILIZANDO IMAGEM DE SATÉLITE CBERS 4A WPM EM UMA ÁREA URBANA
A crescente evolução na resolução espacial, temporal, espectral e radiométrica das imagens de satélite tem demandado técnicas mais robustas e sofisticadas para extração de informação útil. Em áreas urbanas as análises espaciais ficam limitadas pela resolução espacial das imagens, onde dados de sensores com melhor resolução espacial ainda possuem alto custo de aquisição. Com o lançamento do satélite CBERS 4A sensor WPM de alta resolução espacial tem aberto grandes possibilidades na análise do uso e cobertura do solo em regiões urbanas e rurais do Brasil. A abordagem GEOBIA tem ganhado muita atenção dos pesquisadores nos últimos anos emergindo como um novo paradigma para a análise de imagens de satélite de alta resolução espacial, baseando-se em objetos geográficos. Devido a grande variabilidade espectral dentro de uma mesma classe de uso e cobertura do solo a abordagem GEOBIA tem várias vantagens sobre a tradicional análise de imagem baseada em pixel. Portanto, o principal desafio é selecionar parâmetros e algoritmos ideais que possam combinar os objetos presentes na imagem com objetos geográficos significativos no mundo real. Desta forma o objetivo deste trabalho é realizar uma classificação por meio da abordagem GEOBIA utilizando uma imagem de satélite CBERS 4A sensor WPM, testando diferentes valores de parâmetros de segmentação Mean-Shift: Spatial radius (hs) e Range radius (hr). Os resultados demonstraram que todos valores testados apresentaram boa performance na classificação com valores de acurácia geral acima de 91%.