Ciências Exatas e da Terra
Ciência da Computação
Resumo
A arborização urbana traz inúmeros benefícios econômicos. Efetiva-se, no entanto, uma redução da vegetação com a expansão das cidades. Como reação, o governo de Teresina - PI implementou uma política que exige que 12% dos lotes dos condomínios sejam cobertos por áreas verdes. A fiscalização manual, no entanto, apresenta grande ineficácia e ineficiência, como existem poucos fiscais e fazem-se ausentes dados públicos. Ademais, esses condomínios são remotamente localizados, dificultando seu acesso. Dessa forma, automatizar a fiscalização por meio do sensoriamento remoto manifesta-se como solução ideal. Por isso, essa pesquisa objetiva testar e determinar a acurácia de diferentes técnicas de segmentação, dentre elas: Limiarização de Intervalo Min-Max; Limiarização de Intervalo Média ± Desvio Padrão; K-Means + KNN; e SLIC. Para definir a acurácia do método, comparou-se os resultados do algoritmo em analisar terrenos com os dados extraídos manualmente. Comparou-se a eficiência apresentada por diferentes espaços de cor, visto estes serem determinantes para denotar características implícitas diferentes da imagem. Dentre todos, os sistemas HCL (Matriz-Croma-Luminosidade), por sua maior uniformidade perceptual, mostram-se modalmente mais acurados para o processo de segmentação de imagens por cor. Dentre as metodologias testadas, a limiarização de intervalo Min-Max utilizado vários espaços de cor paralelamente, foi aquela que apresentou os melhores resultados com uma acurácia de 84,623%. Depois dela, seguiram em ordem crescente de acurácia (dentre os melhores resultados para cada técnica): Limiarização de Intervalo Min-Max (HLS) (Acurácia: 84,45%); K-Means (HSV) (Acurácia: 72,961%); Limiarização de Intervalo Média ± Desvio Padrão (RGB) (Acurácia: 57,16%); SLIC (HSV) (Acurácia: (menos) – 75,801%). Os resultados obtidos, apesar de já promissores, podem ser aprimorados com reajustes dos parâmetros dos algoritmos e com o aprimoramento das amostras e metodologias adotadas.
Palavras-chave: SEGMENTAÇÃO, ÁREAS DE INTERESSE (ROI), ARBORIZAÇÃO URBANA