Dissertação

Deteção de minas em imagens multi-espectrais EVALUATED

Este trabalho explora a deteção de minas terrestres usando imagens multi-espetrais adquiridas em contexto militar. As condições em que as imagens são obtidas influenciam diretamente os métodos usados para realizar a deteção automática de minas terrestres através de técnicas de processamento de imagens. Duas metodologias são propostas, uma usando classificadores tradicionais e outra utilizando métodos de aprendizagem profunda, nomeadamente, uma Rede Neuronal Convolucional (CNN). Na primeira metodologia, as técnicas de fusão de classificadores também são usadas para entender as suas potencialidades. O desempenho foi avaliado de acordo com o número de características, do tipo de minas, o ambiente e a profundidade da mina. Na CNN, foi realizado um estudo em função do mapa de características, do tipo de minas terrestres e do meio. Uma análise quantitativa mostra que o uso de classificadores tradicionais dá uma precisão geral acima de 97% em ambientes internos e externos, até uma determinada profundidade testada. Foi demonstrado que a robustez de alguns classificadores, quando expostos a padrões específicos (ou seja, apenas minas enterradas), tem um desempenho reduzido, no entanto, a fusão de classificadores é constante, 97,9% para 0 [mm] e 96,0% para 1-50 [mm], suprimindo esse facto. Os métodos de aprendizagem profunda adotados apresentam um aumento desses valores para as minas maiores e uma diminuição para as menores. Esses resultados experimentais esclarecem os fatores que influenciam a deteção de minas e os méritos e deméritos da classificação baseada na CNN em comparação com os métodos clássicos.
minas terrestres, deteção, combinação classificadores, aprendizagem profunda, Rede Neuronal Convolucional

Dezembro 13, 2018, 14:0

Documentos da dissertação ainda não disponíveis publicamente

Orientação

ORIENTADOR

José Manuel Bioucas Dias

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Associado

ORIENTADOR

José Silvestre Serra da Silva

Academia Militar

Professor Auxiliar