| 1. Identificação | ||||||||||
| Tipo de Referência | Tese ou Dissertação (Thesis) | |||||||||
| Site | mtc-m21d.sid.inpe.br | |||||||||
| Código do Detentor | isadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S | |||||||||
| Identificador | 8JMKD3MGP3W34T/45RU2SE | |||||||||
| Repositório | sid.inpe.br/mtc-m21d/2021/11.25.16.41 | |||||||||
| Última Atualização | 2022:04.05.14.28.05 (UTC) administrator | |||||||||
| Repositório de Metadados | sid.inpe.br/mtc-m21d/2021/11.25.16.41.59 | |||||||||
| Última Atualização dos Metadados | 2022:08.06.21.39.47 (UTC) administrator | |||||||||
| Chave Secundária | INPE-18517-TDI/3162 | |||||||||
| Chave de Citação | Bezerra:2022:DeAlMa | |||||||||
| Título | Detecção de alvos marítimos a partir de dados sentinel-1 em região oceânica adjacente ao Nordeste do Brasil  | |||||||||
| Título Alternativo | Maritime target detection using sentinel-1 SAR data in adjacent oceanic area of Northeast Brazil | |||||||||
| Curso | SER-SRE-DIPGR-INPE-MCTI-GOV-BR | |||||||||
| Ano | 2022 | |||||||||
| Data | 2021-12-02 | |||||||||
| Data de Acesso | 23 abr. 2024 | |||||||||
| Tipo da Tese | Dissertação (Mestrado em Sensoriamento Remoto) | |||||||||
| Tipo Secundário | TDI | |||||||||
| Número de Páginas | 99 | |||||||||
| Número de Arquivos | 1 | |||||||||
| Tamanho | 8416 KiB | |||||||||
| 2. Contextualização | ||||||||||
| Autor | Bezerra, Diego Xavier | |||||||||
| Banca | Kampel, Milton (presidente) Lorenzzetti, João Antonio (orientador) Paes, Rafael Lemos (orientador) Rosa, Rafael Antonio da Silva | |||||||||
| Endereço de e-Mail | diego.bezerra@inpe.br, diegoxavier95@gmail.com | |||||||||
| Universidade | Instituto Nacional de Pesquisas Espaciais (INPE) | |||||||||
| Cidade | São José dos Campos | |||||||||
| Histórico (UTC) | 2021-11-25 16:49:26 :: diego.bezerra@inpe.br -> pubtc@inpe.br :: 2021-11-26 12:53:17 :: pubtc@inpe.br -> diego.bezerra@inpe.br :: 2021-12-23 01:16:19 :: diego.bezerra@inpe.br -> pubtc@inpe.br :: 2021-12-23 17:28:43 :: pubtc@inpe.br -> administrator :: 2022-04-05 14:20:40 :: administrator -> pubtc@inpe.br :: 2022-04-12 16:59:21 :: pubtc@inpe.br -> simone :: 2022-04-12 17:01:20 :: simone :: -> 2022 2022-04-12 17:01:21 :: simone -> administrator :: 2022 2022-08-06 21:39:47 :: administrator -> :: 2022 | |||||||||
| 3. Conteúdo e estrutura | ||||||||||
| É a matriz ou uma cópia? | é a matriz | |||||||||
| Estágio do Conteúdo | concluido | |||||||||
| Transferível | 1 | |||||||||
| Palavras-Chave | detecção de alvos SAR distribuição gama generalizada Região Nordeste target detection generalized gamma distribution Northeast Brazil | |||||||||
| Resumo | A vigilância do ambiente marítimo é um tema de crescente interesse governamental. Em águas jurisdicionais brasileiras, as atividades de vigilância são sobretudo um desafio frente à sua imensa extensão e aos cenários de aumento de fluxo marítimo. O evento de derramamento de óleo no Nordeste do Brasil em 2019 evidenciou a necessidade de um monitoramento eficaz na região. A vigilância de ambientes marítimos realizada com técnicas tradicionais como o Sistema de Identificação Automática (AIS) é limitada devido à sua incapacidade de monitorar navios não-cooperativos. De forma complementar, o Sensoriamento Remoto (SR) ativo por meio de Radar de Abertura Sintética (SAR) tem se tornado uma importante ferramenta para sistemas integrados de monitoramento marítimo. Diversos esforços foram dedicados ao desenvolvimento de algoritmos de detecção de alvos em imagens SAR, sendo o Constant False Alarm Rate (CFAR) o mais utilizado até o presente momento. Entretanto, pouca atenção é dada em como as variações do ambiente (principalmente as dos ventos e ondas) afetam as detecções do CFAR. Para isto, delimitou-se o objetivo principal do trabalho em investigar os efeitos de condições ambientais e da geometria de aquisição em algoritmo de detecção CFAR por meio de imagens de polarização VV dos satélites Sentinel-1A e 1B (banda C). Para este fim, a metodologia adotada consistiu em: i) Geração de um dataset integrado de imagens e informações de ventos, ondas e ângulo de incidência do radar, para um total de 44/6 imagens Sentinel-1; ii) Implementação do CFAR baseado na distribuição Generalized Gamma (GΓD); iii) Análise do comportamento estatístico da distribuição GΓD frente às variações do ambiente e da geometria de aquisição; e iv) Análise dos resultados do CFAR em confronto com os dados AIS. Os resultados obtidos mostraram que foi possível gerar um dataset representativo de diversas condições ambientais marinhas. A distribuição GΓD mostrou se ajustar adequadamente às variações da geometria de aquisição e que tende a sofrer distorções em condições de mares mais desenvolvidos (swell). Constatou-se que o ajuste de limiar proposto reduziu, em média, 26% dos falsos alarmes, não ocasionando perda de alvos, e demonstrando que sua incorporação no CFAR permite a correção sob medida dos limiares conforme o ambiente marinho apresentado. Os resultados do experimento de detecção, em que os alvos apontados pelo CFAR foram confrontados com os do AIS, indicaram que 37,3% das embarcações presentes não estavam reportando suas posições. A aplicação da metodologia desenvolvida nesta pesquisa mostra-se útil para indicar alvos não-reportantes, os quais não usam AIS ou tentam evitar a sua identificação. Ressalta-se a importância desta abordagem para a potencialização da consciência situacional em mares brasileiros, uma vez que a integração entre diferentes sistemas tende a aprimorar as atividades de monitoramento marítimo. ABSTRACT: Maritime surveillance is a growing topic of government interest. Surveillance activities in Brazilian jurisdictional waters are challenging due to their large extension and given future scenarios of increased maritime flow. Furthermore, the oil spill event in Northeast Brazil, which occurred in 2019, highlighted the need for effective monitoring for the region. Traditional surveillance techniques such as the Automatic Identification System (AIS) are limited since it cannot monitor noncooperative ships. As a complement, active Remote Sensing (SR) systems such as Synthetic Aperture Radar (SAR) have recently been seen as an efficient tool for integrated marine monitoring systems. Several efforts were dedicated to the development of target detection algorithms in SAR images, with the Constant False Alarm Rate (CFAR) being the most used to date. However, limited efforts were made to understand how variations in the sea environment (mostly winds and waves) affect the CFAR detection process. Thus, the main objective of this work consisted of investigating the effects of environmental conditions and SAR acquisition geometry on CFAR using VV polarization images from Sentinel-1A and 1B satellites (C band). To this end, we sought to: i) Generate an integrated dataset, consisting of wind, waves, and SAR data, comprising a total of 446 Sentinel-1 images; ii) Implement a CFAR algorithm based on the Generalized Gamma (GΓD) distribution; iii) Analyse the statistical behavior of the GΓD distribution with varying the environment and acquisition geometry; iv) Analyse the CFAR detection results and compare it to AIS data. Results show that it is possible to generate a representative dataset of diverse marine environmental conditions. The GΓD distribution was shown to fit well the varying acquisition geometry and tends to suffer from distortions under developed sea conditions (swell). It was verified that the proposed threshold adjustment reduced, on average, 26% of false alarms, and did not cause detection loss. The results of the detection experiment, in which the CFAR targets were confronted with the AIS, indicated that 37.3% of the vessels in the region were non-reporting. The methodology developed in the present study can potentially be used as a scheme for indicating non-reporting sea targets, which do not use AIS or try to avoid detection, thus improving the maritime domain awareness in Brazilian waters. | |||||||||
| Área | SRE | |||||||||
| Arranjo 1 | urlib.net > BDMCI > Fonds > Produção pgr ATUAIS > SER > Detecção de alvos... | |||||||||
| Arranjo 2 | urlib.net > Fonds > Produção a partir de 2021 > CGCT > Detecção de alvos... | |||||||||
| Conteúdo da Pasta doc | acessar | |||||||||
| Conteúdo da Pasta source |
| |||||||||
| Conteúdo da Pasta agreement |
| |||||||||
| 4. Condições de acesso e uso | ||||||||||
| URL dos dados | http://urlib.net/ibi/8JMKD3MGP3W34T/45RU2SE | |||||||||
| URL dos dados zipados | http://urlib.net/zip/8JMKD3MGP3W34T/45RU2SE | |||||||||
| Idioma | pt | |||||||||
| Arquivo Alvo | publicacao.pdf | |||||||||
| Grupo de Usuários | diego.bezerra@inpe.br pubtc@inpe.br simone | |||||||||
| Visibilidade | shown | |||||||||
| Licença de Direitos Autorais | urlib.net/www/2012/11.12.15.10 | |||||||||
| Permissão de Leitura | allow from all | |||||||||
| Permissão de Atualização | não transferida | |||||||||
| 5. Fontes relacionadas | ||||||||||
| Repositório Espelho | urlib.net/www/2021/06.04.03.40.25 | |||||||||
| Unidades Imediatamente Superiores | 8JMKD3MGPCW/3F3NU5S 8JMKD3MGPCW/46KUATE | |||||||||
| Lista de Itens Citando | sid.inpe.br/bibdigital/2022/04.03.22.23 1 | |||||||||
| Acervo Hospedeiro | urlib.net/www/2021/06.04.03.40 | |||||||||
| 6. Notas | ||||||||||
| Campos Vazios | academicdepartment affiliation archivingpolicy archivist callnumber contenttype copyholder creatorhistory descriptionlevel dissemination doi electronicmailaddress format group isbn issn label lineage mark nextedition notes number orcid parameterlist parentrepositories previousedition previouslowerunit progress readergroup resumeid rightsholder schedulinginformation secondarydate secondarymark session shorttitle sponsor subject tertiarymark tertiarytype url versiontype | |||||||||