FenixEdu™

Dissertação

Classifying Geo-Referenced Photos and Segmenting Satellite Imagery for the Assessment of Flood Severity EVALUATED

Detalhes: A utilização de “social media” no contexto de desastres naturais tem aumentado rapidamente. Particularmente no contexto de inundações, temos que imagens georreferenciadas partilhadas pelos cidadãos podem fornecer conhecimento sobre a situação aos serviços de emergência, bem como assistir na avaliação de danos materiais, fornecendo informações que, de outra forma, seriam difíceis de recolher com sensores convencionais e/ou deteção remota. Além disso, avanços recentes em visão computacional e aprendizagem profunda podem apoiar a análise destes dados. Na minha dissertação, primeiramente focando-me em imagens ao nível do solo recolhidas durante inundações, avalio o uso de redes neurais convolucionais para (i) selecionar imagens com evidências diretas de uma inundação, e (ii) estimar a gravidade da inundação. As experiências reportadas alcançaram resultados de grande qualidade, demonstrando potencial no complemento de outras fontes de informação (e.g., de deteção remota). Imagens de satélite podem, por outro lado, ser usadas como alternativa (ou complemento) em tarefas como o mapeamento da extensão de inundações, ou seja, na classificação de pixéis referentes a áreas inundadas em imagens de satélite registadas durante, ou logo após, inundações. Baseando-me em trabalhos recentes, focados na segmentação de imagens, também avaliei o desempenho de uma versão adaptada da rede U-Net na segmentação de áreas inundadas, tendo como entrada múltiplas variáveis de deteção remota. Através de um extenso conjunto de testes, mostro que a arquitetura neuronal considerada é bastante eficaz, produzindo mapas que visualmente delimitam áreas inundadas com grande qualidade, e superando abordagens mais simples em termos de métricas padrão.
Keywords: Classificação de Fotos Georreferenciadas, Segmentação de Imagens de Satélite, Identificação e Delimitação de Cheias, Estimação da Severidade de Cheias, Redes Neuronais Convolucionais

Discussão: novembro 25, 2019, 10:30