Dissertação

Analysis of Planetary Surfaces: Crater Detection EVALUATED

As crateras de impacto podem ser encontradas em todos os corpos telúricos do Sistema Solar, sendo a característica geomórfica planetária mais estudada pois permitem entender muitos processos geológicos tais como a idade da superfície de um planeta. Até aos dias de hoje não existem catálogos para crateras da superfície de Marte com diâmetro inferior a 1km. Como existe um grande número de crateras destas dimensões, a sua detecção manual é impraticável, exigindo uma abordagem automática. Propõe-se um método automático para detecção de crateras baseado na criação e treino de uma arquitectura de deep learning, uma rede neuronal de convolução (CNN). Desde a criação de um conjunto de treino consistente, definição de arquitectura da rede até ao treino da rede, são tarefas muito desafiantes. A rede treinada é posteriormente utilizada para a detecção de crateras em múltiplas escalas, pré definidas de 200m a 800m de diâmetro. Será utilizada a técnica de janela deslizante para percorrer uma imagem nas diferentes escalas e, para cada uma delas, as imagens obtidas são enviadas para a CNN que as irá classificar como crateras, ou não crateras. Após processamento de todas as escalas, será utilizada supressão de pontos não máximos seguido pelo método de agrupamento de ligação simples para agrupar as respostas da rede, para cada escala. De seguida, como várias crateras são detectadas em mais que uma escala, foi utilizado outro método de clustering, k-means, de forma a identificar o tamanho e posição de cada cratera detectada e obter uma resposta final para o sistema.
Crateras de Impacto, Rede Neuronal de Convolução, Detecção Automática de Crateras, Treino da Rede, Janela deslizante, Clustering

Julho 8, 2019, 10:0

Documentos da dissertação ainda não disponíveis publicamente

Orientação

ORIENTADOR

Pedro Miguel Berardo Duarte Pina

Departamento de Engenharia Civil, Arquitectura e Georrecursos (DECivil)

Professor Auxiliar Convidado

ORIENTADOR

Jorge Dos Santos Salvador Marques

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Catedrático