Deteção de padrões em imagens SAR

Abstract

Since the last century, concerns about safety and welfare issues have increased at the same pace as technolo gical advances. Synthetic Aperture Radar (SAR) is one way of creating images using active sensors, which has the advantage that it can be used in any climate and time of day. Due to its complexity, the use of these images is time consuming and requires an experienced user. This study aims to find a way to handle these images, in terms of geographic registration and image interpretation, in a more efficient way. Based on the literature on geographic registration techniques, image comparison and segmentation in SAR images, those with the greatest potential to solve the problems identified are developed and tested. The analysis of the solutions demonstrates that the developed methods have the ability to evolve into complete and efficient tools which are capable of answering the identified problems. The results indicate that the SAR-Harris SAR image comparator proves to be a stable enough algorithm to include in a semi-automatic registration tool. Concerning the SAR image classification and segmentation, the U-Net neural network presented values of accuracy near 70%, exhibiting the ability of the network to integrate a SAR image classification system. In the case of the C Means algorithm, despite not reaching the U-Net accuracy values, accuracy values in range 50-60% , it presents itself as an extremely versatile algorithm, also useful in the segmentation task. Still, there is a great margin of progress in the automation of the processes of geographic registration and segmentation of SAR images.

Desde o século passado, as preocupações em assuntos de segurança e bem-estar têm aumentado ao mesmo ritmo que os avanços tecnológicos. Synthetic Aperture Radar (SAR) é uma das formas de criar imagens utilizando sensores ativos, que possuem a vantagem de poder ser utilizado em qualquer clima e hora do dia. Devido à sua complexidade, a utilização destas imagens é muito custosa em termos de tempo e requer mão-de-obra qualificada. Este estudo tem o objetivo de encontrar uma forma de lidar com estas imagens, em termos de registo geográfico e interpretação da imagem, de forma mais eficiente. Com base na literatura acerca de técnicas registo geográfico, comparação entre imagens e segmentação em imagens SAR, são desenvolvidas e testadas aquelas que apresentam maior potencial para resolver os pro blemas identificados. A análise das soluções demonstram que os métodos estudados e desenvolvidos tem a capacidade de evoluir para ferramentas mais completas e eficientes capazes de responder aos problemas iden tificados. Os resultados indicam que o comparador de imagens SAR SAR-Harris revela ser um algoritmo estável e robusto o suficiente para originar uma ferramenta de registo semi-automática. Já em termos de classificação e segmentação de imagens SAR, a rede neuronal U-Net apresenta valores de accuracy próximos dos 70%, exibindo a capacidade da rede de integrar um sistema de classificação de imagens SAR. No caso do algoritmo C-Means apesar de não atingir os valores de precisão da U-Net, atingindo valores de 50-60%, apresenta-se como um algoritmo extremamente versátil e robusto, características úteis na tarefa de segmentação. Ainda assim, há uma grande margem de progressão na automatização dos processos de registo geográfico e de segmentação de imagens SAR.