Google Earth Search Engine: Classificação de imagens Aéreas

Transcrição

1 Google Earth Search Engine: Classificação de imagens Aéreas Susana Costa Orientada por: Prof. Doutor Hugo Proença Departamento de Informática Universidade da Beira Interior Covilhã, Portugal 18 de julho de 2013

2 CONTEÚDO Introdução e Objetivos Método Proposto: Extração de características Método Proposto: Redução de dimensionalidade Método Proposto: Classificação Reconhecimento de padrões Método Proposto: Pós-Processamento Op. morfológicos Experiências Conclusões Trabalho Futuro 2

3 INTRODUÇÃO E OBJETIVOS Este projeto visou a implementação e a validação de um método de reconhecimento de elementos naturais básicos (água, estradas e casas), em imagens provenientes do Google Earth e do Google Maps. 3

4 MP: EXTRAÇÃO DE CARACTERÍSTICAS 1. Cor/Intensidade RGB HSV 2. Matriz de co-ocorrência de tons cinza Contraste Energia Correlação Homogeneidade Função Entropia 3. Descritores de Gabor 4

5 MP: REDUÇÃO DE DIMENSIONALIDADE Normalização de dados Foi utilizada a regra: y = x m (1) para enquadrar os valores das características no intervalo [0 1]. M m Análise de Componentes Principais PCA Exigência da grande dimensionalidade da matriz de características extraídas (376740x53); O valor da variância foi definido nos 95%. (1) y = valor normalizado; x = valor inicial; M = máximo; m = mínimo. 5

6 MP: CLASSIFICAÇÃO RECONHECIMENTO DE PADRÕES Rede neuronal e parâmetros utilizados: Rede neuronal artificial para reconhecimento de padrões; MLP Multilayer Perceptron; Aprendizagem supervisionada; Dados balanceados. 6

7 MP: PÓS-PROCESSAMENTO OP. MORFOLÓGICOS Abertura e Fecho Abertura = Erosão + Dilatação Fecho = Dilatação + Erosão Elementos estruturantes: Disk; Line; Square. 7

8 EXPERIÊNCIAS Conj. Nº1 Imagens utilizadas para treino da ANN: Conj. Nº2 Conj. Nº3 Conj. Nº4 Img. G. Earth Img. G. Maps Img. Classe 8

9 EXPERIÊNCIAS Conj. Nº5 Imagens utilizadas para teste da ANN: Conj. Nº6 Conj. Nº7 Conj. Nº8 Conj. Nº9 Img. G. Earth Img. G. Maps Img. Classe 9

10 EXPERIÊNCIAS Características: 1) Cor/Intensidade; 2) Matriz de co-ocorrência de tons cinza e função entropia; 3) Filtros de Gabor; 4) Filtros de Gabor + Matriz de co-ocorrência de tons cinza e função entropia; 5) Cor/Intensidade + Filtros de Gabor; 6) Cor/Intensidade + Matriz de co-ocorrência de tons cinza e função entropia; 7) Cor/Intensidade + Função Gabor + Matriz de co-ocorrência de tons cinza e f. entropia. 10

11 EXPERIÊNCIAS (ETAPAS) Treino 4 Conjuntos Imagens Treino Teste 5 Conjuntos Imagens Teste Seleccionado o melhor resultado para cada conjunto de imagens, por elemento Operadores Morfológicos Seleccionado o melhor resultado por elemento, de todos os conjuntos 11

12 EXPERIÊNCIAS (ANÁLISES) Teste Rede Menor taxa erro/elemento/ conj. de imagens Aplicação Op. Morf (E.E.) Diferença de píxeis entre a imagem classe e a imagem obtida; Falsos Positivos e Falsos Negativos Na eficiência de cada melhor resultado de cada elemento Imagens XOR Diferença de píxeis entre a imagem obtida e a imagem XOR. 12

13 RESULTADOS ÁGUA % Erro - Elemento Água 25,00 Melhor resultado: Exp.1 - Cor/Intensidade; 22,50 20,00 17,50 15,00 12,50 Erro (%) 10,00 Pior resultado: Exp.5 - Cor/Intensidade + Filtros de Gabor; 7,50 5,00 2,50 0,00 C M G M+G C+G C+M C+G+M C=Cor/Intensidade; M=Matriz de co-ocorrência e função entropia; G=Filtros de Gabor 13

14 RESULTADOS ÁGUA Open line fill Imgs. originais Imgs classe ; Melhor cla. Rede Melhor cla. op. Morf. Imgs XOR 14

15 RESULTADOS CASAS % Erro - Elemento Casas 25,00 Melhor resultado: Exp.7 Todas as características; 22,50 20,00 17,50 15,00 12,50 Erro (%) 10,00 Pior resultado: Exp.6 Matriz de Co-ocorrência e Função Entropia. 7,50 5,00 2,50 0,00 C M G M+G C+G C+M C+G+M C=Cor/Intensidade; M=Matriz de co-ocorrência e função entropia; G=Filtros de Gabor 15

16 RESULTADOS CASAS Open square 10 Imgs. originais Imgs classe ; Melhor cla. Rede Melhor cla. op. Morf. Imgs XOR 16

17 RESULTADOS ESTRADAS % Erro - Elemento Estradas 25,00 Melhor resultado: Exp.5 Cor/Intensidade + Filtros de Gabor; 22,50 20,00 17,50 15,00 12,50 Erro (%) 10,00 7,50 Pior resultado: Exp.7 Todas as características 5,00 2,50 0,00 C M G M+G C+G C+M C+G+M C=Cor/Intensidade; M=Matriz de co-ocorrência e função entropia; G=Filtros de Gabor 17

18 RESULTADOS ESTRADAS Close sq 12 open sq 5 Imgs. originais Imgs classe ; Melhor cla. Rede Melhor cla. op. Morf. Imgs XOR 18

19 CONCLUSÕES Elemento Redes (treino) melhor resultado Experiência melhor resultado Menor % Erro (XOR) Operador Morfológico (Elem. Estrut.) Experiência pior resultado Água Rede treinada com Cjs. Imgs Nº4 e Nº1 (8 e 2 neurónios) 1 Cor/Intensidade 4,65 % Open Disk 10 Fill 5 Cor/Int. + Filtros Gabor Casas Rede treinada com Cj Imgs Nº2 (10, 12, 14 neurónios) 7 Todas as Caract. 2,70 % Open Square 10 2 Matriz C. e Fção Entropia Estradas Rede treinada com Cj Imgs Nº 2 (16, 14 e 4 neurónios) 5 Cor/Int. + Filtros Gabor 3,35% Close Square 12 Open Square 5 7 Todas as Caract. 19

20 CONCLUSÕES O valor de falsos negativos mostrou-se mais elevado do que o valor de falsos positivos em quase todas as experiências; A aplicação de operadores morfológicos e elementos estruturantes para diminuir os casos de falsos negativos provocou, na maioria dos casos, um aumento dos falsos positivos e vice-versa. 20

21 CONCLUSÕES (HETEROGENEIDADE DAS IMAGENS TESTE) Água: Casas: Estradas: 21

22 TRABALHO FUTURO Outras experiências: Diferentes valor da variância do PCA; Para reconhecimento dos três elementos usando uma única rede para o treino e uma única para o teste, em vez de um rede por cada elemento; Outros elementos estruturantes para os operadores morfológicos, no sentido de encontrar um que fosse adequado às características específicas de todas as imagens com um determinado elemento; Adicionar alguns aspectos que tornem o sistema automático, mais poderoso e capaz de obter melhores resultados em imagens com um grau de heterogeneidade elevado. 22

23 Obrigada pela atenção! 23