Proposta de TCC

Processamento e segmentação de imagens de Synthetic Aperture Radar: utilizando python

Aluno: João Pedro Turri
Supervisão: Alfredo Goldman e Álvaro Luiz Fazenda (UNIFESP)

Motivação

A ampla disponibilidade de dados públicos georeferenciados, aliada aos avanços na capacidade de processamento das máquinas, tem possibilitado a utilização de métodos computacionais para resolver problemas que antes demandavam a atenção de especialistas, como a análise de imagens de satélite. Contudo, essa nem sempre é uma via de mão única, como exemplificado pelo projeto ForestEyes, que atua com duas frentes complementares no contexto da análise de imagens de satélite para identificação de áreas de floresta e deflorestamento - a análise por meio de machine learning, e o rotulamento manual por usuários em uma plataforma online para atualizar continuamente o conjunto de treinamento. Estando concluída uma primeira etapa do projeto a partir da utilização de imagens do satélite LANDSAT em confronto com o baseline estabelecido a partir do trabalho de especialistas pelo PRODES, novas frentes de trabalho se abrem com a utilização de imagens dos satélites da família Sentinel, que possuem imagens óticas de maior resolução do que o LANDSAT, bem como imagens de radar (SAR).

O presente estudo se propõe a pesquisar e testar metodologias para o trabalho com imagens de radar, que envolvem abordagens específicas, visando à complementação do trabalho com imagens óticas já desenvolvido pelo projeto ForestEyes. Pretendemos abarcar duas frentes de trabalho: a segmentação de imagens de radar SAR, e o processamento das mesmas para aumentar sua apreensibilidade pela percepção humana. Quanto ao primeiro ponto, serão utilizadas adaptações do algoritmo SLIC para a segmentação em superpixels utilizando métricas adequadas a imagens de radar. Para o segundo ponto, será testado um método utilizando uma Rede Generativa Adversarial (GAN) para produzir imagem ótica a partir de imagem de radar, e outro método utilizando uma arquitetura CGAN. Finalmente, as diferentes metodologias empregadas serão comparadas, utilizando também a percepção de voluntários, para determinar as metodologias mais adequadas para o problema da detecção de deflorestamento em imagem de satélite.

Projeto

Acesse o PDF com o projeto e cronograma aqui

Monografia

Acesse o PDF com a monografia aqui

Código do projeto

O repositório com o código desenvolvido está no GitHub