A carregar...
19 resultados
Resultados da pesquisa
A mostrar 1 - 10 de 19
- A building information modeling approach to integrate geomatic data for the documentation and preservation of cultural heritagePublication . Solla, Mercedes; Gonçalves, Luisa M. S.; Gonçalves, Gil; Francisco, Carina; Puente, Iván; Providência, Paulo; Gaspar, Florindo; Rodrigues, HugoNon-destructive testing (NDT) techniques play an important role in the characterization and diagnosis of historic buildings, keeping in mind their conservation and possible rehabilitation. This paper presents a new approach that merges building information modeling (BIM) with environment geospatial data obtained by several non-destructive techniques, namely terrestrial laser scanning, ground-penetrating radar, infrared thermography, and the automatic classification of pathologies based on RGB (red, green, blue) imaging acquired with an unmanned aircraft system (UAS). This approach was applied to the inspection of the Monastery of Batalha in Leiria, Portugal, a UNESCO World Heritage Site. To assess the capabilities of each technique, different parts of the monastery were examined, namely (i) part of its west façade, including a few protruding buttresses, and (ii) the masonry vaults of the Church (nave, right-hand aisle, and transept) and the Founder’s Chapel. After describing the employed techniques, a discussion of the optimization, treatment and integration of the acquired data through the BIM approach is presented. This work intends to contribute to the application of BIM in the field of cultural heritage, aiming at its future use in different activities such as facility management, support in the restoration and rehabilitation process, and research.
- Integração da incerteza na classificação e avaliação da exactidão temática de imagens multiespectrais - Aplicação à avaliação do estado de conservação do património edificado da Baixa de CoimbraPublication . Gonçalves, Luísa Maria da SilvaEsta tese pretende avaliar a vantagem da integração da incerteza no processo de produção de informação temática, a partir de imagens multiespectrais de muito grande resolução espacial. Com este objectivo, a informação da incerteza é aplicada nas seguintes fases do processo de produção: (1) extracção e classificação de informação temática; (2) avaliação do comportamento do classificador; (3) avaliação da exactidão temática. A abordagem de classificação, que combina a análise de padrões espectrais ao nível do pixel com a análise de padrões espaciais ao nível dos objectos, tem mostrado ser adequada para a identificação das classes de unidade de paisagem que contêm uma variedade de coberturas de ocupação do solo. Neste estudo, é desenvolvida e testada uma abordagem metodológica que integra, no processo de classificação combinada pixel/objecto, a informação da incerteza. O novo método desenvolvido envolve uma primeira classificação, ao nível do pixel, para extrair os elementos de superfície (e.g. copas de sobreiro, edifícios). Nesta primeira fase utiliza-se um classificador não rígido, o que permite obter os graus de atribuição das classes aos pixels e o cálculo de incerteza dessa atribuição. Num segundo passo, procede-se a uma outra classificação, mas ao nível do objecto, para identificar as unidades de paisagem (e.g. Floresta de Sobreiro, Área Urbana). A informação sobre a incerteza é aplicada na classificação das unidades de paisagem através de um conjunto de regras de decisão que consideram: os elementos de superfície classificados existentes dentro de cada objecto e o grau de incerteza associado a essa atribuição. Com a aplicação desta abordagem metodológica pretende-se avaliar se a integração da incerteza associada à classificação dos elementos de superfície pode melhorar a classificação das unidades de paisagem. Os mapas temáticos resultantes do processo de classificação de imagens multiespectrais são usualmente sujeitos a um processo de validação para que seja atribuído um índice de fidelidade aos resultados obtidos. Neste estudo, é investigada a utilidade da aplicação das medidas de incerteza na avaliação da classificação de imagens de detecção remota. Em particular, analisa-se se as medidas de incerteza de não-especificidade e entropia podem ser usadas para avaliar as dificuldades do classificador e estimar a exactidão da classificação. Para dar resposta a este objectivo, desenvolveram-se dois índices de incerteza e avaliou-se a correlação existente entre a informação obtida com estes dois índices e os índices de exactidão estatísticos do produtor e do utilizador. A detecção remota tem demonstrado ser uma fonte de informação adequada em várias áreas, nomeadamente na monitorização dos recursos naturais e na produção de cartografia de ocupação do solo para gestão e planeamento urbano e florestal. Com o aumento contínuo da resolução espacial das imagens de satélite, abrem-se horizontes a novas aplicações. Dada a importância crescente que tem vindo a ser atribuída à conservação do património edificado, que engloba não só os monumentos mas também as construções dos centros históricos, considerou-se relevante abordar esta temática no âmbito deste trabalho. Assim, investiga-se o potencial das imagens de muito grande resolução espacial para extrair informação de suporte à avaliação do estado de conservação das coberturas do espaço edificado e testa-se a nova metodologia de classificação desenvolvida. A área escolhida para teste e implementação do estudo situa-se na Baixa de Coimbra. Para a sua realização foram utilizadas imagens aéreas com uma resolução espacial de 0.5 m e imagens do satélite Quickbird com uma resolução de 2.4 m. Os resultados obtidos evidenciaram que a grande resolução espacial das imagens multiespectrais utilizadas, embora não permita identificar os diferentes tipos de anomalias, permite uma boa identificação da presença de anomalias não estruturais das coberturas e dos seus diferentes materiais de revestimento. A aplicação da metodologia desenvolvida permitiu obter um mapa de anomalias do edificado com uma Exactidão Global de 78%, tendo como informação de referência os dados de campo resultantes do levantamento efectuado pela Universidade de Coimbra. A integração da informação sobre a incerteza demonstrou ser importante no processo de classificação combinada, contribuindo para melhorar significativamente os resultados finais da classificação. A aplicação das medidas de incerteza na avaliação da classificação revelou uma correlação positiva entre a informação dada pelas medidas de incerteza e os índices estatísticos de exactidão, principalmente com a exactidão do utilizador. Os resultados obtidos demonstraram que a aplicação das medidas de incerteza, embora não substitua os índices de exactidão, pode ser utilizada como indicador do comportamento do classificador e, consequentemente, dos resultados finais da classificação.
- The application of uncertainty measures in the training and evaluation of supervised classifiersPublication . Gonçalves, Luísa M. S.; Fonte, Cidália C.; Júlio, Eduardo N. B. S.; Caetano, MarioThe production of thematic maps from remotely sensed images requires the application of classification methods. A great variety of classifiers are available, producing frequently considerably different results. Therefore, the automatic extraction of thematic information requires the choice of the most appropriate classifier for each application. One of the main objectives of the research described in this article is to evaluate the performance of supervised classifiers using the information provided by the application of uncertainty measures to the testing sets, instead of statistical accuracy indices. The second main objective is to show that the information provided by the uncertainty measures for the training set may be used to assess and redefine the sample sites included in this set, in order to improve the classification results. To achieve the proposed objectives, two supervised classifiers, one probabilistic and another fuzzy, were applied to a very high spatial resolution (VHSR) image. The results show that similar conclusions on the classifiers’ performance are obtained with the uncertainty measures and the traditional accuracy indices obtained from error matrices. It is also shown that the redefinition of the training set based on the information provided by the uncertainty measures may generate more accurate outputs.
- NonDestructive Techniques for the Assessment and Preservation of Historic StructuresPublication . Gonçalves, Luísa M. S.; Rodrigues, Hugo; Gaspar, FlorindoThe preservation of the built heritage has long been a public concern, mainly due to fears about the loss of identity, history and heritage of populations. The main concerns are the conservation and restoration of monuments that usually represent important events in the history of a city or a country. More recently, urban residents and policymakers have become aware of the abandonment or degradation of old city cores, leading to mischaracterisation of the buildings and ways of living. To preserve history and promote building and urban renewal, considering the basic principles of the preservation process, it is important to introduce the least possible disturbance. To start with, the diagnostic process is a key aspect, especially to investigate the construction characteristics and the damage to materials, and to find structural and nonstructural problems. To start any process, a visual inspection, a study and knowledge of the original construction methods and materials and historical repair techniques can help but may not be sufficient, and the use of conventional techniques to complement the information needed can result in an insufficient understanding or in extensive and unnecessary intrusions in the construction. In recent years, the rapid growth of science and research, combined with the industry and the need to gather more and accurate information, have led to the fast development of nondestructive testing methodologies that allow the architectural archaeology to be studied, the structural assessment to be supported and information to be given about the material properties. Each technique can be used for a specific purpose, but, in some cases, only a combination of techniques is reliable and gives an accurate interpretation of the data acquired. The fundamental contribution and aim of this book is to give a full overview of several case studies where different nondestructive techniques have been applied, in several cases using multidisciplinary approaches, which aim to highlight the importance of the information acquired and encourage the use of these techniques in future studies. The book brings together 16 chapters focused on nondestructive testing techniques applied at the urban building level and also applied to monumental buildings, archaeology and cultural heritage, bringing together more than 40 international researchers and experts in the field, who are the source of practical case studies supported by a theoretical background.
- Assessment of the state of conservation of buildings through roof mapping using very high spatial resolution imagesPublication . Gonçalves, Luísa M. S.; Fonte, Cidália C.; Júlio, Eduardo N. B. S.; Caetano, MarioThe assessment of the state of conservation of buildings is extremely important in urban rehabilitation. In the case of historical towns or city centres, the pathological characterization using traditional methods is a laborious and time consuming procedure. This study aims to show that Very High Spatial Resolution (VHSR) multispectral images can be used to obtain information regarding the state of conservation of roofs where, usually, building degradation starts. The study was performed with multispectral aerial images with a spatial resolution of 0.5 m. To extract the required information, a hybrid classification method was developed, that integrates pixel and object based classification methods, as well as information regarding the classification uncertainty. The proposed method was tested on the classification of the historical city centre of Coimbra, in Portugal, that includes over than 800 buildings. The results were then validated with the data obtained from a study conducted during 2 years by a nine element team from the University of Coimbra, using traditional methods. The study performed achieved a global classification accuracy of 78%, which proves that the state of conservation of roofs can be obtained from VHSR multispectralimages using the described methodology with a fairly good accuracy.
- Subsurface dynamic evaluation to identify old quarries in urban areas : Lisbon city case studyPublication . Gonçalves, Luísa M. S.; Cunha, Jorge; Aguilera, F.; Roldan, Pablo A.; Pinto, CláudiaThe urban expansion over the last century in Lisbon has created a lot of pressure in the suburbs leading to construction taking place in less favourable terrains. These areas were also occupied by an extensive mining industry, for the extraction of massive limestones for building and ornamental stone that had an important role for the reconstruction of Lisbon after the earthquake of 1755. Due to its heavily urbanized landscape in the last century, the terrain morphology is often changed by non-natural processes such as excavations and landfill deposits and nowadays the exact location where these exploitations took place is unknown leading to potential risk situations for buildings, infrastructures and the local population. The aim of this study was to perform a detailed subsurface dynamic analysis to locate the quarries and their landfill material thickness. For that, cartographic and topographic information dating from 1911, 1950, 1970, 2012 were used to create digital terrain models which allowed the terrain morphology changes to be identified and the volume of landfill materials to be obtained. This study enables the Town Hall to create constraints in land use in their Master Plan and other planning instruments to reduce cost increases and the risk of hazards.
- A method to incorporate uncertainty in the classification of remote sensing imagesPublication . Gonçalves, Luísa M. S.; Fonte, Cidália C.; Júlio, Eduardo N. B. S.; Caetano, MarioThe aim of this paper is to investigate if the incorporation of the uncertainty associated with the classification of surface elements into the classification of landscape units (LUs) increases the results accuracy. To this end, a hybrid classification method is developed, including uncertainty information in the classification of very high spatial resolution multi-spectral satellite images, to obtain a map of LUs. The developed classification methodology includes the following steps: (1) a pixel-based hard classification with a probabilistic Bayesian classifier; (2) computation of the posterior probabilities and quantification of the classification uncertainty using an uncertainty measure; (3) image segmentation and (4) object classification based on decision rules. The classification of the resulting objects into LUs is performed considering a set of decision rules that incorporate the pixelbased classification uncertainty. The proposed methodology was tested on the classification of an IKONOS satellite image. The accuracy of the classification was computed using an error matrix. The comparison between the results obtained with the proposed approach and those obtained without considering the classification uncertainty revealed a 12% increase in the overall accuracy. This shows that the information about uncertainty can be valuable when making decisions and can actually increase the accuracy of the classification results.
- Avaliação das imagens multiespectrais do satélite IKONOS para produção de cartografia de ocupação do soloPublication . Gonçalves, Luísa Maria da SilvaNeste estudo são utilizados os novos dados imagem de grande resolução espacial do satélite IKONOS para produção de mapas de uso do solo, à escala 1:10 000, recorrendo a análise orientada por objectos, classificação fuzzy e análise de incerteza. Contrariamente aos métodos tradicionais, em que a extracção da informação é baseada no pixel, na análise orientada por objectos a classificação das imagens de satélite é efectuada a partir de objectos imagem. Com este método, o processamento de imagens aproxima-se mais dos processos cognitivos humanos do que as análises baseadas ao nível do pixel. Inicialmente, foram obtidos os objectos imagem aplicando um algoritmo de segmentação multi-resolução. Em seguida, para proceder à sua classificação, foi construída uma base de conhecimento estruturada sob a forma de uma hierarquia de classes. A informação utilizada baseou-se em dados espectrais, forma, textura, relações de vizinhança, contexto e hierarquia dos objectos imagem. Foi aplicada uma classificação fuzzy, o que permitiu a integração das diferentes características dos objectos no processo de classificação e possibilitou a análise da incerteza temática. A análise da incerteza revelou-se uma ferramenta de análise extremamente importante, no processo iterativo da classificação, para melhorar os resultados. Com base nos graus de pertença, relativamente à melhor e segunda melhor classificação, retidos no resultado da classificação de cada objecto, foi efectuada uma representação espacial da incerteza temática. A área escolhida para testar a metodologia situa-se no Concelho da Marinha Grande, utilizaram-se imagens IKONOS de Setembro de 2000. A aplicação do método deu origem a um mapa de ocupação do solo com 16 classes, com grande detalhe temático nas áreas urbanas e uma precisão global superior a 80%. Avaliou-se ainda a dinâmica do uso do solo, por comparação do mapa produzido com uma cartografia obtida por análise visual de fotografia aérea, i.e. cartografia de ocupação do solo de 1990 (COS’90).
- Using Uncertainty Information to Combine Soft ClassificationsPublication . Gonçalves, Luisa M. S.; Fonte, Cidália C.; Caetano, MarioThe classification of remote sensing images performed with different classifiers usually produces different results. The aim of this paper is to investigate whether the outputs of different soft classifications may be combined to increase the classification accuracy, using the uncertainty information to choose the best class to assign to each pixel. If there is disagreement between the outputs obtained with the several classifiers, the proposed method selects the class to assign to the pixel choosing the one that presents less uncertainty. The proposed approach was applied to an IKONOS image, which was classified using two supervised soft classifiers, the Multi-layer Perceptron neural network classifier and a fuzzy classifier based on the underlying logic of the Minimum-Distance-to-Means. The overall accuracy of the classification obtained with the combination of both classifications with the proposed methodology was higher than the overall accuracy of the original classifications, which shows that the methodology is promising and may be used to increase classification accuracy.
- Evaluation of soft possibilistic classifications with non-specificity uncertainty measuresPublication . Gonçalves, Luisa M. S.; Fonte, Cidália C.; Júlio, Eduardo N. B. S.; Caetano, MarioThe aim of this paper was to investigate the usefulness of non-specificity uncertainty measures to evaluate soft classifications of remote sensing images. In particular, we analysed whether these measures could be used to identify the difficulties found by the classifier and to estimate the classification accuracy. Two nonspecificity uncertainty measures were considered, the non-specificity measure (NSp) and the U-uncertainty measure, and their behaviour was analysed to evaluate which is the most appropriate for this application. To overcome the fact that these two measures have different ranges, a normalized version (Un) of the U-uncertainty measure was used. Both measures were applied to evaluate the uncertainty of a soft classification of a very high spatial resolution multispectral satellite image, performed with an object-oriented image analysis based on a fuzzy classification. The classification accuracy was evaluated using an error matrix and the user's and producer's accuracies were computed. Two uncertainty indexes are proposed for each measure, and the correlation between the information given by them and the user's and producer's accuracies was determined to assess the relationship and compatibility of both sources of information. The results show that there is a positive correlation between the information given by the uncertainty and accuracy indexes, but mainly between the uncertainty indexes and the user's accuracy, where the correlation achieved 77%. This study shows that uncertainty indexes may be used, along with the possibility distributions, as indicators of the classification performance, and may therefore be very useful tools.