Author(s):
Franco, Pedro Guerra de Almeida 
Date: 2009
Persistent ID: http://hdl.handle.net/10362/2383
Origin: Repositório Institucional da UNL
Subject(s): Agrupamento difuso; Número de clusters; Detecção automática de afloramento costeiro; Segmentação de imagem
Description
Trabalho apresentado no âmbito do Mestrado em Engenharia Informática, como requisito parcial para obtenção do grau de Mestre em Engenharia Informática O afloramento costeiro (upwelling) ao largo da costa de Portugal Continental é um fenómeno bem estudado na literatura oceanográfica. No entanto, existem poucos trabalhos na literatura científica sobre a sua detecção automática, em particular utilizando técnicas de clustering.
Algoritmos de agrupamento difuso (fuzzy clustering) têm sido bastante explorados na área de detecção remota e segmentação de imagem, e investigação recente mostrou que essas técnicas conseguem resultados promissores na detecção do upwelling a partir de mapas de temperatura da superfície do oceano, obtidos por imagens de satélite. No trabalho a desenvolver nesta dissertação,
propõe-se definir um método que consiga identificar automaticamente a região que
define o fenómeno. Como objecto de estudo, foram analisados dois conjuntos independentes
de mapas de temperatura, num total de 61 mapas, cobrindo a diversidade de cenários em que o upwelling ocorre.
Focando o domínio do problema, foi desenvolvido trabalho de pesquisa bibliográfica ao nível
de literatura de referência e estudos mais recentes, principalmente sobre os temas de técnicas de agrupamento, agrupamento difuso e a sua aplicação à segmentação de imagem. Com base num dos algoritmos com mais influência na literatura, o Fuzzy c-means (FCM), foi desenvolvida uma nova abordagem, utilizando o método de inicialização ‘Anomalous Pattern’, que tenta resolver dois problemas base do FCM: a validação do melhor número de clusters e a dependência da inicialização aleatória. Após um estudo das condições de paragem do novo algoritmo,
AP-FCM, estabeleceu-se uma parametrização que determina automaticamente um bom número
de clusters. Análise aos resultados obtidos mostra que as segmentações geradas são de qualidade elevada, reproduzindo fidedignamente as estruturas presentes nos mapas originais, e que, computacionalmente, o AP-FCM é mais eficiente que o FCM. Foi ainda implementado um outro algoritmo, com base numa técnica de Histogram Thresholding, que, obtendo também boas segmentações, não permite uma parametrização para a definição automática do número de grupos.
A partir das segmentações obtidas, foi desenvolvido um módulo de definição de features, a partir das quais se criou um critério composto que permite a identificação automática do cluster
que delimita a região de upwelling.
