Decision trees to classify multitemporal imagery

Apresentação em tema: "Decision trees to classify multitemporal imagery"— Transcrição da apresentação:

1 Decision trees to classify multitemporal imagery
Thales Sehn Korting

2 The Earth is constantly changing.
Há mudanças feitas pela natureza (esquerda) e feitas pelo homem (direita). Driving forces: Natureza  mudanças suaves, algumas refletem as mudanças do homem Homem  mudanças bruscas

3 Science challenges How are ocean, atmosphere and land processes coupled? Understand patterns of change in local and global scale Where are changes taking place? Who is being impacted by the change? (Kumar, 2001) (Câmara, 2008)

4 Changes in different time-scales
Como ocorrem estas mudanças? Há escalas bem heterogêneas de ocorrência. (Heas, 2005)

5 Changes in geographical objects
Goodchild definiu uma série de tipos de mudança que podem ocorrer para objetos geográficos. Elas são estáticas ou dinâmicas, e se dividem em mudanças na geometria, movimento e estrutura interna dos objetos. Changes in geographical objects (Goodchild, 2007)

6 We focus on stationary objects.
Queremos estudar objetos que mudem em termos dos atributos de geometria ou estrutura interna. We focus on stationary objects. (Goodchild, 2007)

7 How to model changing patterns in land use/cover?
Mudanças podem ser detectadas através de padrões de mudança nos atributos. A vasta quantidade atual de satélites nos ajuda a responder esta pergunta.

8 SITS – Satellite Image Time Series
06/2008 SITS 07/2008 08/2008

9 SITS What? Detect changes When? Where? construction deforestation
road deforestation deforestation t1 t2 t3 Detect changes What? When? Where? Como um conjunto de imagens (SITS) pode auxiliar na detecção de padrões de mudança? Respondendo três perguntas sobre os eventos. What? When? Where?

10 SITS example 2006 2007 2007 2008 2008 2009

11 What attributes that best describe changing patterns?
Image objects Pixels Cells Regions Encontrar estes padrões envolve achar os melhores atributos. Citar outras representações de objeto, regiões, pixels, etc. (Kumar, 2001)

12 Segmentation in first, or multiple times?
Pode-se usar a segmentação inicial e descobrir o comportamento de cada segmento ao longo do tempo. Também é possível detectar as diferenças nos segmentos ao longo do tempo. Com a segmentação usando todas as bandas (snapshots), segmentos menores representarão a localização espacial das mudanças.

13 Variations in image attributes define temporal signatures.
NDVI Atributos são extraídos das imagens ao longo do tempo, ex.: NDVI. Citar questão da resolução. ≠ Temporal resolutions

14 Signature for deforestation
Similar signatures define changing patterns. Signature for deforestation Algumas trajetórias apresentam o comportamento de não mudança. Podem-se encontrar assinaturas de mudanças como: Desmatamento Crescimento urbano Plantação de certa cultura e colheita (Freitas, 2008)

15 Visual Interpretation
Transformation Classification Algebra Visual Interpretation Métodos para detecção de mudanças em SITS.

16 Statistics AI, M. Learning, P. Recognition Data Mining Data Bases Hypothesis Classification methods based on data mining are efficient to identify temporal signatures. Identificar significa encontrar a identidade: Padrões de mudança Atributos que descrevem a mudança

17 Decision trees to classify changes
Independence of number of attributes amplitude of attributes Easy to understand the result Árvores procuram a entropia dos cortes,  quanto um corte aumenta a separabilidade dos elementos. Independe da amplitude e número de atributos. Funções não paramétricas Número de termos e samples  crescem exponencialmente em relação ao total de atributos.

18 C4.5 Algorithm Entropy Information Value
Gain  Advantage of using one attribute in despite to another info for all classes minus info per branch

19 C4.5 classification example
2 attributes pixel_mean, area 3 training classes 4 forest, 3 clear_cut, 2 road

20 Split in attribute pixel_mean
…

21 Split in attribute area
…

22 Fuzzy Decision Trees Extension of decision trees to include nonrigid limits for the thresholds

23 Objective Provide a technological framework to identify land use/cover changing patterns. Lembrar hipótese: É possível identificar assinaturas de mudança usando mineração de dados.

24 Classification scheme

25 Extended GeoDMA framework
Timeline Visualization Mining

26 Decision trees to classify multitemporal imagery
Thales Sehn Korting 26