TRABALHOS PUBLICADOS
2025 |
Detecção de presença de dragas de garimpo em rios da Amazônia via classificação de imagens SAR com Few-Shot Learning Proceedings Article Felice, Caio Henrique De; Shiguemori, Elcio Hideiti; Paes, Rafael Lemos; Martins, Daniel Ferreira Resumo | Links | BibTeX | Tags: Garimpo Ilegal, Imagens SAR, Inteligência Artificial @inproceedings{DeFelice2025DeteccaoPresenca,A mineração ilegal de ouro em regiões remotas da Amazônia brasileira representa grandes ameaças ambientais e de segurança. O desenvolvimento de sistemas para detectar dragas de mineração é dificultado pela escassez de dados rotulados, seja pelo isolamento da região ou por condições meteorológicas. Apesar disso, poucos estudos exploraram abordagens automatizadas usando imagens SAR sob regimes de poucos dados para encontrar dragas de garimpo. Este trabalho apresenta um algoritmo automatizado para classificar imagens contendo dragas em imagens SAR da constelação ICEYE. O método inicia recortando imagens GRD de cena completa em recortes menores, que são classificados por uma Rede de Protótipos treinada via Few-Shot Learning. Embora o método não determine a posição dos alvos, reduz em aproximadamente 98% o número de imagens a serem analisadas, mantendo um recall com perdas máximas de 13% das imagens com alvos no pior cenário. Apesar da incapacidade atual em distinguir dragas de outras pequenas embarcações, o método pode ser utilizado para reduzir o escopo de busca para monitoramento em larga escala de áreas vulneráveis à mineração ilegal. |
2008 |
Detecção de Alvos na Superfície do Mar em Imagens SAR Orbitais – Área: Rio de Janeiro Proceedings Article Paes, Rafael L; Lorenzzetti, João A; Gherardi, Douglas F M Resumo | Links | BibTeX | Tags: CFAR, detecção de alvos, Imagens SAR, sensoriamento remoto @inproceedings{Rafael2008Imagensb,O Brasil possui uma extensa área jurisdicional oceânica denominada de Amazônia Azul. As dificuldades de realizar tais tarefas apenas com meios aeronavais remetem à busca por métodos operacionais mais eficientes. Para a detecção automática dos alvos, optou-se pelo uso do detector Constant False Alarm Rate (CFAR). Verificou-se a autocorrelação espacial em range e em azimute. Estimou-se o Número Equivalente de Looks pelo método dos momentos. Através do teste funções probabilidade densidade (pdf) aderiram-se melhor aos dados amostrados no near, middle e far range das imagens utilizadas. Todavia, como passo inicial da pesquisa, as primeiras detecções utilizaram a distribuição gaussiana, cuja finalidade foi obter parâmetros para futuras comparações com outros tipos de pdf. Por fim, utilizou-se o detector CFAR conforme duas diferentes metodologias presentes na literatura. Palavras-chaves Imagens SAR, CFAR, sensoriamento remoto, detecção de alvos. |