Utilização de Support Vector Machine para classificação multiclasses de imagens Landsat TM +

Tamanho: px
Começar a partir da página:

Download "Utilização de Support Vector Machine para classificação multiclasses de imagens Landsat TM +"

Transcrição

1 Utilização de Support Vector Machine para classificação multiclasses de imagens Landsat TM + Gabriel Henrique de Almeida Pereira Jorge Antonio Silva Centeno Universidade de Federal do Paraná UFPR Centro Politécnico, Curitiba PR, CEP Abstract. The classification of images uses digital spectral information represented by digital values of each pixel, for example, at one or more spectral bands, classifying this pixel in a class, this can be considered spectral pattern recognition. Classification algorithms have been developed since the first Landsat image, acquired in Among the most popular and widely used is the maximum likelihood classifier, or proven as an alternative, the Artificial Neural Networks (ANN). Support Vector Machine (SVM) have also been proposed to improve the classification, and one of the main differences between RNA and SVM is that, while for RNA there can be many solutions, the SVM converges to a single optimal solution. SVM are binary classifiers that assign a given sample to a class, of only two possible classes. However, remote sensing applications involves multiple classes. There are some solutions to use SVM in the multiclass problem, and in this work, the methodology used in this work was 'one against all' for the six classes classification Landsat TM + image of Ilha do Mel and Pontal do Paraná region s, Paraná - Brazil. For evaluating the performance of the classification algorithm, the results were analyzed based on the error matrix (or confusion matrix), giving a good results on the discrimination of similar targets, like mangroves and other vegetation, and with a total classification accuracy of 99.6%. Palavras-chave: spectral pattern recognition, optimal solution, 'one against all', confusion matrix, reconhecimento de padrão espectral, solução ótima, 'um contra todos', matriz de confusão. 1. Introdução Dados de sensoriamento remoto são usados em inúmeras aplicações, sendo que uma das principais finalidades do sensoriamento remoto é deduzir informações da cobertura do solo. Isto é feito analisando os dados armazenados na imagem, de maneira a associá-los com o mundo real. Várias são as opções para executar esta tarefa e a escolha de cada uma delas depende do trabalho a ser executado. Em alguns casos, a análise visual dos dados é a forma mais recomendada, principalmente quando se trata de pequenas áreas. A análise visual oferece a vantagem de integrar outros dados junto com a imagem, pois faz proveito do conhecimento e experiência do intérprete, o que, às vezes, é difícil de atingir numa análise automática, baseada em algoritmos numéricos. No entanto, o processamento digital oferece algumas vantagens, como por exemplo, o fato de usar todas as bandas espectrais, algo que o humano não consegue visualizar simultaneamente. O processamento digital também oferece a vantagem de repetir processos com facilidade e por isso torna-se útil em trabalhos que envolvem grandes áreas. Uma solução completamente automática ainda está longe, embora alguns passos significativos venham sendo dados nesta direção, com a aplicação de algoritmos de inteligência artificial no processamento de imagens. Porém, a solução ainda mais apropriada consiste em combinar a análise visual com técnicas digitais, de maneira a imprimir maior dinâmica ao processo de interpretação, sem perder a qualidade dos resultados. Infelizmente, a classificação da imagem não é uma tarefa trivial. Como observado por Chen e Ho (2008), classificação de dados de sensoriamento remoto é particularmente difícil porque a maioria dos métodos de aprendizagem supervisionada requer uma quantidade suficientemente grande de amostras de treinamento. No entanto, definição e aquisição de 2322

2 dados de referência é muitas vezes um problema crítico. Várias técnicas de classificação, tanto paramétricas como não paramétricas, foram desenvolvidas e utilizadas em diferentes contextos, inclusive de sensoriamento remoto. (Mountrakis et al., 2011) Produção de mapas temáticos sobre o uso e cobertura do solo utilizando sensoriamento remoto é comumente realizada através de classificação digital de imagens (Chintan et al., 2004 apud Petropoulos et al., 2012). Segundo Kavzoglu e Colkesen (2009), a classificação pode ser definida como a atribuição de cada pixel na imagem original a uma classe, dependendo dos valores de reflectância espectral dos objetos. A classificação digital de imagens utiliza a informação espectral representada pelos valores dos contadores digitais (de cada pixel, por exemplo), de uma ou mais bandas espectrais, classificando-o em cada classe, sendo considerado assim um reconhecimento de padrão espectral (Kavzoglu e Colkesen, 2009). Classificadores supervisionados também são comumente divididos em paramétricos e não paramétricos. Classificadores paramétricos (por exemplo, a máxima verossimilhança) exigem conhecimento prévio/suposições sobre a distribuição estatística dos dados a serem classificados, o que é muitas vezes difícil de atingir na prática. (Petropoulos et al., 2012) Algoritmos de classificação têm sido desenvolvidos desde a primeira imagem Landsat, adquirida em 1972 (Townshend, 1992; Hall et al, 1995; Lu e Weng, 2007 apud Kavzoglu e Colkesen, 2009). Entre os mais populares e amplamente utilizados está o classificador de máxima verossimilhança (Huang et al., 2002 apud Kavzoglu e Colkesen, 2009). Este classificador é uma aproximação paramétrica que assume a assinatura de cada classe como uma distribuição normal. Embora esta suposição seja geralmente válida é inválida quando se trata de classes com várias subclasses ou com diferentes informações espectrais (Kavzoglu e Reis, 2008 apud Kavzoglu e Colkesen, 2009). Para superar esse problema, algumas técnicas não paramétricas de classificação, como as Redes Neurais Artificiais (RNA) foram recentemente introduzidas. Support Vector Machine (SVM) também foi proposto para melhoria na classificação. SVM é um método com treinamento supervisionado, usado tanto em problemas de classificação como de regressão. (Vapnik, 1995 apud Kavzoglu e Colkesen, 2009) Conforme Burges (1998), Suport Vector Machines é uma ferramenta que fornece uma nova abordagem para o problema de reconhecimento de padrões. SVM é um classificador supervisionado que tem por objetivo encontrar um hiperplano que separa um conjunto de dados em classes discretas, utilizando-se de processo iterativo e de exemplos de treinamento para ajustar este hiperplano. Para isto, SVM encontra um hiperplano que otimiza a separação das classes, também conhecido como hiperplano ótimo ou ideal, que maximiza a distância entre as classes, sendo usado como fronteira de decisão. (Zhu e Blumberg, 2002 apud Mountrakis et al., 2011; Kavzoglu e Colkesen, 2009; Petropoulos et al., 2012; Costa et al., 2010; Andreola e Haertel, 2009) Uma das principais diferenças entre o RNA e SVM é que, enquanto que para a RNA pode haver muitas soluções, o SVM converge para uma única solução ótima. Esta é uma "vantagem" prática do SVM, quando comparado com RNA. Ou seja, como afirmado em Burges (1998), SVM difere radicalmente das abordagens comparáveis, como redes neurais, pois sempre encontra um mínimo global, uma solução ótima. Além disso, sendo não-paramétrico, SVM não assume uma distribuição estatística conhecida a priori dos dados a serem classificados. Isto é particularmente útil, porque os dados adquiridos a partir de imagens de sensores remotos geralmente têm distribuições desconhecidas. Isto permite que o SVM supere técnicas com base na classificação de máxima verossimilhança, pois a normalidade nem sempre dá uma suposição correta da distribuição real dos pixels em cada classe. (Su et al., 2009 apud Mountrakis et al., 2011) 2323

3 Entretanto, Mountrakis et al. (2011) alertam que, na sua forma mais simples, SVM é um classificador binário que atribui uma dada amostra a uma classe, de apenas duas classes possíveis. Porém, aplicações de sensoriamento remoto envolvem várias classes (Foody e Mathur et al., 2004). Andreola e Haertel (2009) acrescentam que o classificador SVM só pode ser utilizado na separação de um par de classes a cada vez. Entretanto, dados de sensoriamento remoto de cenas naturais envolvem a presença de um número maior de classes. Desta forma, a aplicação da técnica SVM na classificação de imagens de sensoriamento remoto requer abordagens especiais. Duas abordagens principais têm sido sugeridas para a aplicação de SVM na classificação multiclasses. Em cada uma, a base tem sido a de reduzir o problema multiclasse a um conjunto de problemas de binário, permitindo a utilização da abordagem básica do SVM (Foody e Mathur et al., 2004) Segundo Petropoulos et al. (2012), SVM pode ser estendido a mais do que duas classes, dividindo o problema em uma série de separações binárias. Isto pode ser feito escolhendo-se entre duas abordagens: um contra todos e um contra um. Diversos métodos são conhecidos para ajustar SVM em um cenário multiclasse, incluindo: (a) a formação de um classificador para distinguir cada classe de todas as outras classes, comumente chamado de "um contra todos", (b) a formação de um classificador para distinguir entre cada par de classes, chamado de "um contra um". Além disso, a fim de representar formas mais complexas do que hiperplanos lineares, o classificador pode utilizar funções kernel. Funções kernel comumente usadas em SVM incluem função de base polinomial, radial (RBF) e kernel sigmóide. (Petropoulos et al., 2012) No entanto, a função de base radial (RBF) e polinomial são comumente utilizados na literatura para a classificação de imagens de sensoriamento remoto. (Huang et al, 2002;. Keerthi e Lin, 2003; Pal e Mather, 2005 apud Kavzoglu e Colkesen, 2009) Pesquisas recentes indicaram o potencial considerável de SVM para a classificação supervisionada de dados de sensoriamento remoto. Mountrakis et al. (2011) afirmam que, mesmo o método SVM não sendo muito popular, nos últimos anos têm havido um aumento significativo em estudos sobre SVM em problemas de sensoriamento remoto. Estudos comparativos têm mostrado que a classificação por um SVM pode ser mais preciso do que redes neurais e árvores de decisão, bem como classificadores probabilísticos convencionais, tais como a classificação máxima verossimilhança (Foody e Mathur, 2004; Huang et al, 2002 apud Foody e Mathur et al., 2004 b). Recentemente, SVM foi usado com sucesso na área de sensoriamento remoto (Huang et al, 2002; Dixon e Candade, 2008; Yao et al, 2008; Foody e Mathur, 2008 apud Kavzoglu e Colkesen, 2009). 2. Metodologia de Trabalho A imagem Landsat TM + a ser classificada é apresentada na Figura 1. Esta imagem corresponde à região da Ilha do Mel e Pontal do Paraná, Estado do Paraná Brasil. A Figura 1a apresenta a composição das faixas correspondentes à região do espectro visível, e as Figuras 1b, 1c, 1d, 1e, 1f, 1g, 1h, representam as imagens correspondentes à região do espectro do azul, verde, vermelho, infravermelho próximo, infravermelho médio, infravermelho termal e infravermelho distante, respectivamente. 2324

4 a a b c e f g h Figura 1 Imagem Landsat TM + da região da Ilha do Mel PR BR. Para a classificação, foram utilizadas apenas 6 das 7 bandas espectrais apresentadas na Figura 1(b-h). A única banda espectral que não foi utilizada foi a banda do infravermelho termal (banda 6 Figura 1g), pois o sensor responsável por esta banda possui falha e os dados apresentam muitos ruídos. A formulação do SVM pode ser entendida em Foody e Mathur (2004); Kavzoglu e Colkesen (2009); Alonso e Malpica (2008); Burges (1998). O método consiste, basicamente, em se identificar a fronteira de decisão entre as classes em função dos dados de treinamento apresentados. Esta fronteira pode ser dada por: g(x) =w t x +b =0 (1) onde w t é o vetor transposto de pesos e b é o termo independente. Os dados de treinamento então devem satisfazer as seguintes condições: w t x +b 1 para y i = 1 w t x +b -1 para y i = -1 (2) Podendo ser combinadas na seguinte inequação, para todos os dados de treinamento: y i (w t x +b) 1 0 (3) Estas condições e equações podem ser exemplificadas como na Figura

5 Figura 2 - Representação do plano e margens obtidas no treinamento do SVM. (Kavzoglu e Colkesen, 2009) Nesta análise, foi utilizada a função de kernel de base radial (RBF), por ser vastamente referenciada em trabalhos de classificação de dados de sensoriamento remoto utilizando SVM. Por tratar de um problema multiclasses, uma vez que se pretende classificar a imagem em 6 classes diferentes, adotou-se a metodologia de classificação um contra todos. As classes estipuladas de interesse são, nomeadamente: água, areia, mangue, restinga, urbana e vegetação. Sendo assim, ao se utilizar esta metodologia de um contra todos, foram treinados SVM especializados em cada classe, ou seja, um SVM que separa água das demais classes, areia das demais classes e assim por diante. Ao final da classificação de cada SVM, os resultados são agrupados e têm-se todas as classes classificadas. Para a avaliação do desempenho do algoritmo de classificação, os resultados foram analisados com base na matriz de erros (ou matriz de confusão). Neste processo, é realizada a comparação entre a verdade terrestre (ou verdade de campo) e os resultados disponíveis na imagem temática classificada. Para isto, novas áreas de verificação são escolhidas na imagem, sendo que a verdadeira classificação destas áreas deve ser conhecida. A matriz de erros contém, nas suas células, o total de pixels corretamente classificados, bem como os erroneamente classificados dentro de uma classe diferente daquela esperada, que são os erros de comissão e de omissão. 3. Resultados e Discussão A imagem Landsat TM + classificada através do Support Vector Machine é apresentada na Figura 3. Como descrito anteriormente, as classes classificadas foram água, areia, mangue, restinga, urbana e vegetação, e ainda, como existiram pixels que não foram classificados em nenhuma das classes, estes foram atribuídos à legenda sem informação. 2326

6 Figura 3 Imagem Landsat TM + da região da Ilha do Mel e Pontal do Paraná, PR- BR, classificada com Support Vector Machine. Para quantificar os erros e acertos, foi feita a Matriz de Confusão, apresentada na Tabela 1. Nesta matriz, as colunas representam os pixels classificados por um técnico, para representar a verdade de campo, enquanto que as linhas representam os pixels classificados pelo classificador SVM. Tabela 1 Matriz de Confusão da Classificação da Imagem Landsat TM + com Support Vector Machine. Nesta matriz, é possível verificar que os maiores valores das linhas e colunas se encontram na diagonal principal da matriz o que representa que a maioria dos pixels foram corretamente classificados pelo técnico e pelo Support Vector Machine, enquanto que os valores fora da diagonal principal representam os pixels erroneamente classificados. Como exemplificação dos valores que se encontram fora da diagonal principal, percebe-se que o maior valor é o valor de 327, o que representa que 327 pixels foram classificados pelo SVM como área de mangue, mas foram caracterizados na verdade de campo como vegetação. Esta confusão se deu principalmente pela resposta espectral do mangue se assemelhar com a classe vegetação. Com relação às porcentagens, a última linha e a última coluna da tabela representam a porcentagem de acertos das classes, a diferença do valor para 100% representa erros de inclusão e omissão, respectivamente. É possível perceber valores elevados de acertos, os valores mais baixos estão justamente nas classes com poucas amostras para cruzamento das informações, uma vez que poucos pixels erroneamente classificados podem trazer erros representativos em pequenas amostras de referência. Entretanto, atenta-se para o acerto global da classificação, com valor de 99,6%, o que demonstra que o classificador Support Vector Machine é capaz de ótimos resultados na classificação de imagens Landsat TM

7 4. Conclusões Neste trabalho foi apresentada a utilização de uma metodologia para a classificação multiclasses de uso e cobertura do solo a partir de uma imagem Landsat TM +, com o classificador binário Support Vector Machine (SVM). Os resultados obtidos demonstraram a elevada capacidade deste classificador, mesmo na classificação multiclasses de imagens de sensoriamento remoto. Além da discriminação de alvos com resposta espectral semelhante, como mangue e vegetação em geral, um acerto global de 99,6% na classificação do SVM, em relação a uma classificação considerada verdade de campo, demonstram que o classificador é uma poderosa ferramenta de reconhecimento de padrões, com elevadas taxas de acertos. Os bons resultados obtidos foram considerados estimulantes e servem de motivação para novos estudos, como a classificação de imagens de alta resolução e dados laser scanner. Referências Bibliográficas ALONSO, M. C., MALPICA, J. A., Classification of Multispectral High-Resolution Satellite Imagery Using LIDAR Elevation Data. Springer-Verlag Berlin Heidelberg, ISVC 2008, Part II, LNCS 5359, p , ANDREOLA, R., HAERTEL, V., Support Vector Machines na Classificação de Imagens Hiperespectrais. In: Simpósio Brasileiro de Sensoriamento Remoto (SBSR), 14, 2009, Natal. Anais... São José dos Campos: INPE, Artigos, p BURGES, C. J. C., A Tutorial on Support Vector Machines for Pattern Recognition. Data Mining and Knowledge Discovery, 2, p , CHEN, C. H., HO, P. P., Statistical pattern recognition in remote sensing. Pattern Recognition, 41, p , FOODY E MATHUR, G. M., MATHUR, A., A Relative Evaluation of Multiclass Image Classification by Support Vector Machines. Transactions on Geoscience and Remote Sensing, vol. 42, nº. 6, p , FOODY E MATHUR, G. M., MATHUR, A., Toward Intelligent Training of Supervised Image Classifications: Directing Training Data Acquisition for SVM Classification. Remote Sensing of Environment, 93, p , 2004b. KAVZOGLU, T., COLKESEN, I., A Kernel Functions Analysis for Support Vector Machines for Land Cover Classification. International Journal of Applied Earth Observation and Geoinformation, 11, p , MOUNTRAKIS, G., IM, J., OGOLE, C., Support vector machines in remote sensing - A review. ISPRS Journal of Photogrammetry and Remote Sensing, 66, p , PETROPOULOS, G. P., ARVANITIS, K., SIGRIMIS, N., Hyperion Hyperspectral Imagery Analysis Combined with Machine Learning Classifiers for Land Use/Cover Mapping. Expert Systems with Applications, 39, p ,

Comparação entre classificadores por pixel e por região com imagem SPOT-5 para o estado de Minas Gerais

Comparação entre classificadores por pixel e por região com imagem SPOT-5 para o estado de Minas Gerais Comparação entre classificadores por pixel e por região com imagem SPOT-5 para o estado de Minas Gerais Fernanda Rodrigues Fonseca 1 Thiago Duarte Pereira 1 Luciano Vieira Dutra 1 Eliana Pantaleão 1 Corina

Leia mais

Análise do potencial de classificação do uso e cobertura do solo por meio de rede neural. Claudio Gelelete 1 Carlos Frederico de Sá Volotão 2

Análise do potencial de classificação do uso e cobertura do solo por meio de rede neural. Claudio Gelelete 1 Carlos Frederico de Sá Volotão 2 Análise do potencial de classificação do uso e cobertura do solo por meio de rede neural Claudio Gelelete 1 Carlos Frederico de Sá Volotão 2 1 Instituto Militar de Engenharia - IME Pça Gen Tibúrcio, 80

Leia mais

Classificação de Imagens de Sensoriamento Remoto usando SVM

Classificação de Imagens de Sensoriamento Remoto usando SVM Raphael Belo da Silva Meloni Classificação de Imagens de Sensoriamento Remoto usando SVM Dissertação de Mestrado Dissertação apresentada como requisito parcial para obtenção do título de Mestre pelo Programa

Leia mais

3 Estado da arte em classificação de imagens de alta resolução

3 Estado da arte em classificação de imagens de alta resolução 37 3 Estado da arte em classificação de imagens de alta resolução Com a recente disponibilidade de imagens de alta resolução produzidas por sensores orbitais como IKONOS e QUICKBIRD se tornou-se possível

Leia mais

Aplicação de Ensembles de Classificadores na Detecção de Patologias na Coluna Vertebral

Aplicação de Ensembles de Classificadores na Detecção de Patologias na Coluna Vertebral Aplicação de Ensembles de Classificadores na Detecção de Patologias na Coluna Vertebral Hedenir M. Pinheiro Instituto de Informática Universidade Federal de Goiás (UFG) Caixa Postal 131 74001-970 Goiânia

Leia mais

Potencial do uso da banda do infravermelho próximo na classificação de imagens adquiridas por câmaras digitais

Potencial do uso da banda do infravermelho próximo na classificação de imagens adquiridas por câmaras digitais Potencial do uso da banda do infravermelho próximo na classificação de imagens adquiridas por câmaras digitais Lauriana Rúbio Sartori Nilton Nobuhiro Imai Antônio Maria Garcia Tommaselli Roberto da Silva

Leia mais

Sensoriamento Remoto

Sensoriamento Remoto Sensoriamento Remoto É a utilização conjunta de modernos sensores, equipamentos para processamento de dados, equipamentos de transmissão de dados, aeronaves, espaçonaves etc, com o objetivo de estudar

Leia mais

Análise de Imagens CBERS da Bacia do Rio São Francisco utilizando Mapas Auto-Organizados de Kohonen e Classificadores K-Médias e Fuzzy C-Médias

Análise de Imagens CBERS da Bacia do Rio São Francisco utilizando Mapas Auto-Organizados de Kohonen e Classificadores K-Médias e Fuzzy C-Médias Análise de Imagens CBERS da Bacia do Rio São Francisco utilizando Mapas Auto-Organizados de Kohonen e Classificadores K-Médias e Fuzzy C-Médias Cecília Cordeiro da Silva 1 Wellington Pinheiro dos Santos

Leia mais

SVM Support Vector Machine

SVM Support Vector Machine SVM Support Vector Machine Ø Introduction Ø Application to Indoor Localization (MLP x LVQ x SVM) Laboratório de Automação e Robótica - A. Bauchspiess Soft Computing - Neural Networks and Fuzzy Logic SVM

Leia mais

Análise das técnicas de fusão de imagens aplicadas ao satélite CBERS-2B (CCD-HRC) Claudinei Rodrigues de Aguiar¹ Danielli Batistella¹

Análise das técnicas de fusão de imagens aplicadas ao satélite CBERS-2B (CCD-HRC) Claudinei Rodrigues de Aguiar¹ Danielli Batistella¹ Análise das técnicas de fusão de imagens aplicadas ao satélite CBERS-2B (CCD-HRC) Claudinei Rodrigues de Aguiar¹ Danielli Batistella¹ 1 Universidade Tecnológica Federal do Paraná - UTFPR Via do Conhecimento,

Leia mais

COMPARAÇÃO ENTRE CLASSIFICADOR ESTATÍSTICO (MAXIMA VEROSSIMILHANÇA) E NÃO ESTATÍSTICO (REDES NEURAIS) VARIANDO O NÚMERO DE CLASSES INFORMACIONAIS

COMPARAÇÃO ENTRE CLASSIFICADOR ESTATÍSTICO (MAXIMA VEROSSIMILHANÇA) E NÃO ESTATÍSTICO (REDES NEURAIS) VARIANDO O NÚMERO DE CLASSES INFORMACIONAIS COMPARAÇÃO ENTRE CLASSIFICADOR ESTATÍSTICO (MAXIMA VEROSSIMILHANÇA E NÃO ESTATÍSTICO (REDES NEURAIS VARIANDO O NÚMERO DE CLASSES INFORMACIONAIS Leonardo Campos de Assis Giuliano Sant Anna Marotta Rômulo

Leia mais

Classificação em Imagens de Satélite e o Monitoramento de Hidrelétricas. Mestrando: Rafael Walter de Albuquerque Orientador: José Alberto Quintanilha

Classificação em Imagens de Satélite e o Monitoramento de Hidrelétricas. Mestrando: Rafael Walter de Albuquerque Orientador: José Alberto Quintanilha Classificação em Imagens de Satélite e o Monitoramento de Hidrelétricas Mestrando: Rafael Walter de Albuquerque Orientador: José Alberto Quintanilha Introdução Mapeamento da cobertura e uso do solo: importante

Leia mais

Reflectância espectral de classes e alvos urbanos no Rio de Janeiro, utilizando imagem do sensor Hyperion

Reflectância espectral de classes e alvos urbanos no Rio de Janeiro, utilizando imagem do sensor Hyperion Reflectância espectral de classes e alvos urbanos no Rio de Janeiro, utilizando imagem do sensor Hyperion Vandré Soares Viégas 1 Elizabeth Maria Feitosa da Rocha de Souza 2 1,2 Universidade Federal do

Leia mais

CLASSIFICAÇÃO ORIENTADA A OBJETOS PELO ALGORITMO SUPPORT VECTOR MACHINE DE IMAGEM RAPIDEYE

CLASSIFICAÇÃO ORIENTADA A OBJETOS PELO ALGORITMO SUPPORT VECTOR MACHINE DE IMAGEM RAPIDEYE CLASSIFICAÇÃO ORIENTADA A OBJETOS PELO ALGORITMO SUPPORT VECTOR MACHINE DE IMAGEM RAPIDEYE Dinameres Aparecida Antunes 1, Kelly Lais Wiggers 2, Selma Regina Aranha Ribeiro 3 1 Geógrafo, Mestranda do Programa

Leia mais

CLASSIFICAÇÃO DE IMAGENS CBERS DA BACIA DO SÃO FRANCISCO USANDO MAPAS AUTO-ORGANIZADOS DE KOHONEN E CLASSIFICADORES FUZZY C-MÉDIAS

CLASSIFICAÇÃO DE IMAGENS CBERS DA BACIA DO SÃO FRANCISCO USANDO MAPAS AUTO-ORGANIZADOS DE KOHONEN E CLASSIFICADORES FUZZY C-MÉDIAS CLASSIFICAÇÃO DE IMAGENS CBERS DA BACIA DO SÃO FRANCISCO USANDO MAPAS AUTO-ORGANIZADOS DE KOHONEN E CLASSIFICADORES FUZZY C-MÉDIAS CECÍLIA CORDEIRO DA SILVA 1 WELLINGTON PINHEIRO DOS SANTOS 2 1 Universidade

Leia mais

CLASSIFICAÇÃO DE IMAGENS

CLASSIFICAÇÃO DE IMAGENS CLASSIFICAÇÃO DE IMAGENS SIG Profa.. Dra. Maria Isabel Castreghini de Freitas ifreitas@rc.unesp.br Profa. Dra. Andréia Medinilha Pancher medinilha@linkway.com.br O que é classificação? É o processo de

Leia mais

ANÁLISE DE MÉTODOS DE CLASSIFICAÇÃO SUPERVISIONADA APLICADA AO DESMATAMENTO NO MUNICÍPIO DE MARABÁ UTILIZANDO IMAGENS CCD - CBERS

ANÁLISE DE MÉTODOS DE CLASSIFICAÇÃO SUPERVISIONADA APLICADA AO DESMATAMENTO NO MUNICÍPIO DE MARABÁ UTILIZANDO IMAGENS CCD - CBERS V Co ló qu i o B ra si l ei ro d e Ci ên ci a s Geo d ési ca s ISSN 1981-6251, p. 910-914 ANÁLISE DE MÉTODOS DE CLASSIFICAÇÃO SUPERVISIONADA APLICADA AO DESMATAMENTO NO MUNICÍPIO DE MARABÁ UTILIZANDO IMAGENS

Leia mais

Discriminação de áreas cafeeiras de imagens multiespectrais da região de Três Pontas MG através de Redes Neurais Artificiais e Extratores de Textura

Discriminação de áreas cafeeiras de imagens multiespectrais da região de Três Pontas MG através de Redes Neurais Artificiais e Extratores de Textura Discriminação de áreas cafeeiras de imagens multiespectrais da região de Três Pontas MG através de Redes Neurais Artificiais e Extratores de Textura Alexsandro Cândido de Oliveira Silva¹ Wilian Soares

Leia mais

Classificação de bioma caatinga usando Support Vector Machines (SVM)

Classificação de bioma caatinga usando Support Vector Machines (SVM) Classificação de bioma caatinga usando Support Vector Machines (SVM) Beatriz Fernandes Simplicio Sousa Adunias dos Santos Teixeira Francisco de Assis Tavares Ferreira da Silva 2 Universidade Federal do

Leia mais

Renzo Joel Flores Ortiz e Ilka Afonso Reis

Renzo Joel Flores Ortiz e Ilka Afonso Reis ESTIMAÇÃO DE POPULAÇÕES HUMANAS VIA IMAGENS DE SATÉLITE: COMPARANDO ABORDAGENS E MODELOS Renzo Joel Flores Ortiz e Ilka Afonso Reis Laboratório de Estatística Espacial (LESTE) Departamento de Estatística

Leia mais

IV Simpósio Brasileiro de Ciências Geodésicas e Tecnologias da Geoinformação Recife - PE, 06-09 de Maio de 2012 p. 001-005

IV Simpósio Brasileiro de Ciências Geodésicas e Tecnologias da Geoinformação Recife - PE, 06-09 de Maio de 2012 p. 001-005 p. 001-005 GEOPROCESSAMENTO APLICADO A ANÁLISE TEMPORAL DO USO E OCUPAÇÃO DA TERRA MEDIANTE CLASSIFICAÇÃO DIGITAL, NO PARQUE ESTADUAL DE VILA VELHA, ENTRE 1979-2010. RODRIGO MARENDA SELMA REGINA ARANHA

Leia mais

MAPEAMENTO DA COBERTURA VEGETAL DE ÁREAS DE GRANDE EXTENSÃO ATRAVÉS DE MOSAICOS DE IMAGENS DO NOAA-AVHRR

MAPEAMENTO DA COBERTURA VEGETAL DE ÁREAS DE GRANDE EXTENSÃO ATRAVÉS DE MOSAICOS DE IMAGENS DO NOAA-AVHRR MAPEAMENTO DA COBERTURA VEGETAL DE ÁREAS DE GRANDE EXTENSÃO ATRAVÉS DE MOSAICOS DE IMAGENS DO NOAA-AVHRR Maria G. Almeida 1, Bernardo F. T. Rudorff 2, Yosio E. Shimabukuro 2 graca@dppg.cefetmg.br, bernardo@ltid.inpe.br,

Leia mais

Determinação de data de plantio da cultura da soja no estado do Paraná por meio de composições decendiais de NDVI

Determinação de data de plantio da cultura da soja no estado do Paraná por meio de composições decendiais de NDVI Determinação de data de plantio da cultura da soja no estado do Paraná por meio de composições decendiais de NDVI Gleyce K. Dantas Araújo 1, Jansle Viera Rocha 2 1 Tecª Construção Civil, Mestranda Faculdade

Leia mais

FOTOINTERPRETAÇÃO. Interpretação e medidas. Dado qualitativo: lago

FOTOINTERPRETAÇÃO. Interpretação e medidas. Dado qualitativo: lago FOTOINTERPRETAÇÃO a) conceito A fotointerpretação é a técnica de examinar as imagens dos objetos na fotografia e deduzir sua significação. A fotointerpretação é bastante importante à elaboração de mapas

Leia mais

TÓPICOS AVANÇADOS EM ENGENHARIA DE SOFTWARE

TÓPICOS AVANÇADOS EM ENGENHARIA DE SOFTWARE TÓPICOS AVANÇADOS EM ENGENHARIA DE SOFTWARE Engenharia de Computação Professor: Rosalvo Ferreira de Oliveira Neto Estudos Comparativos Recentes - Behavior Scoring Roteiro Objetivo Critérios de Avaliação

Leia mais

Revista Hispeci & Lema On Line ano III n.3 nov. 2012 ISSN 1980-2536 unifafibe.com.br/hispecielemaonline Centro Universitário UNIFAFIBE Bebedouro-SP

Revista Hispeci & Lema On Line ano III n.3 nov. 2012 ISSN 1980-2536 unifafibe.com.br/hispecielemaonline Centro Universitário UNIFAFIBE Bebedouro-SP Reconhecimento de face utilizando banco de imagens monocromáticas e coloridas através dos métodos da análise do componente principal (PCA) e da Rede Neural Artificial (RNA) [Recognition to face using the

Leia mais

Avaliação de métodos de casamento de imagens para mosaico de imagens orbitais

Avaliação de métodos de casamento de imagens para mosaico de imagens orbitais Avaliação de métodos de casamento de imagens para mosaico de imagens orbitais Emiliano Ferreira Castejon 1 Carlos Henrique Quartucci Forster Leila Maria Garcia Fonseca 1 Etore Marcari Junior 1 1 Instituto

Leia mais

Utilização de Redes Neurais do tipo Extreme Learning Machine na classificação da cobertura de solo do Município de Novo Progresso-PA

Utilização de Redes Neurais do tipo Extreme Learning Machine na classificação da cobertura de solo do Município de Novo Progresso-PA Utilização de Redes Neurais do tipo Extreme Learning Machine na classificação da cobertura de solo do Município de Novo Progresso-PA Helder Araujo Louzada 1 Ana Carolina Quintão Siravenha 1 Evaldo Gonçalves

Leia mais

Classificação da imagem (ou reconhecimento de padrões): objectivos Métodos de reconhecimento de padrões

Classificação da imagem (ou reconhecimento de padrões): objectivos Métodos de reconhecimento de padrões Classificação de imagens Autor: Gil Gonçalves Disciplinas: Detecção Remota/Detecção Remota Aplicada Cursos: MEG/MTIG Ano Lectivo: 11/12 Sumário Classificação da imagem (ou reconhecimento de padrões): objectivos

Leia mais

AVALIAÇÃO DO CLASSIFICADOR SVM (SUPPORT VECTOR MACHINE) NO MAPEAMENTO DE QUEIMADAS NO PANTANAL MATO-GROSSENSE

AVALIAÇÃO DO CLASSIFICADOR SVM (SUPPORT VECTOR MACHINE) NO MAPEAMENTO DE QUEIMADAS NO PANTANAL MATO-GROSSENSE p. 001-005 AVALIAÇÃO DO CLASSIFICADOR SVM (SUPPORT VECTOR MACHINE) NO MAPEAMENTO DE QUEIMADAS NO PANTANAL MATO-GROSSENSE LIDIANE M. DE MORAIS COSTA¹ PETER ZEILHOFER² WAGNER SILVA RODRIGUES¹ ¹Universidade

Leia mais

Introdução ao Sensoriamento Remoto. Sensoriamento Remoto

Introdução ao Sensoriamento Remoto. Sensoriamento Remoto Introdução ao Sensoriamento Remoto Sensoriamento Remoto Definição; Breve Histórico; Princípios do SR; Espectro Eletromagnético; Interação Energia com a Terra; Sensores & Satélites; O que é Sensoriamento

Leia mais

Para que um sensor possa coletar e registrar a energia refletida ou emitida por um objeto ou superfície, ele tem que estar instalado em uma

Para que um sensor possa coletar e registrar a energia refletida ou emitida por um objeto ou superfície, ele tem que estar instalado em uma Sensores e Satélites Para que um sensor possa coletar e registrar a energia refletida ou emitida por um objeto ou superfície, ele tem que estar instalado em uma plataforma estável à distância do objeto

Leia mais

MINERAÇÃO DE DADOS APLICADA. Pedro Henrique Bragioni Las Casas pedro.lascasas@dcc.ufmg.br

MINERAÇÃO DE DADOS APLICADA. Pedro Henrique Bragioni Las Casas pedro.lascasas@dcc.ufmg.br MINERAÇÃO DE DADOS APLICADA Pedro Henrique Bragioni Las Casas pedro.lascasas@dcc.ufmg.br Processo Weka uma Ferramenta Livre para Data Mining O que é Weka? Weka é um Software livre do tipo open source para

Leia mais

Flavio Marcelo CONEGLIAN, Rodrigo Antonio LA SCALEA e Selma Regina Aranha RIBEIRO. Universidade Estadual de Ponta Grossa

Flavio Marcelo CONEGLIAN, Rodrigo Antonio LA SCALEA e Selma Regina Aranha RIBEIRO. Universidade Estadual de Ponta Grossa Comparação entre Classificações Supervisionadas em uma Imagem CBERS CCD com Bandas Multiespectrais e em uma Imagem Fusão da Mesma Imagem CBERS CCD Com uma Banda Pancromática HRC Flavio Marcelo CONEGLIAN,

Leia mais

Lino Augusto Sander de Carvalho 1 Leila Maria Garcia Fonseca 1 Aylton Pagamisse 2

Lino Augusto Sander de Carvalho 1 Leila Maria Garcia Fonseca 1 Aylton Pagamisse 2 Anais XV Simpósio Brasileiro de Sensoriamento Remoto - SBSR, Curitiba, PR, Brasil, 30 de abril a 05 de maio de 2011, INPE p.2661 Comparação de técnicas de eliminação do efeito striping para imagens CCD

Leia mais

MundoGEOXperience - Maratona de Ideias Geográficas 07/05/2014

MundoGEOXperience - Maratona de Ideias Geográficas 07/05/2014 MundoGEOXperience - Maratona de Ideias Geográficas 07/05/2014 ANÁLISE DE TÉCNICAS PARA DETECÇÃO DE MUDANÇA UTILIZANDO IMAGENS DO SENSORIAMENTO REMOTO DESLIZAMENTOS EM NOVA FRIBURGO/RJ EM 2011 Trabalho

Leia mais

USO DO MATLAB NA GERAÇÃO DE IMAGEM SINTÉTICA COM MENOR PROPORÇÃO DE NUVEM

USO DO MATLAB NA GERAÇÃO DE IMAGEM SINTÉTICA COM MENOR PROPORÇÃO DE NUVEM p.001 de 005 USO DO MATLAB NA GERAÇÃO DE IMAGEM SINTÉTICA COM MENOR PROPORÇÃO DE NUVEM JOSÉ ARIMATÉIA BARROSO NETO ANA LÚCIA BEZERRA CANDEIAS Universidade Federal de Pernambuco - UFPE Centro de Tecnologia

Leia mais

Redes Neurais Artificiais (RNA) aplicadas à classificação de áreas cafeeiras na região de Três Pontas-MG

Redes Neurais Artificiais (RNA) aplicadas à classificação de áreas cafeeiras na região de Três Pontas-MG Anais XV Simpósio Brasileiro de Sensoriamento Remoto - SBSR, Curitiba, PR, Brasil, 30 de abril a 05 de maio de 2011, INPE p.7603 Redes Neurais Artificiais (RNA) aplicadas à classificação de áreas cafeeiras

Leia mais

Sensoriamento Remoto. Características das Imagens Orbitais

Sensoriamento Remoto. Características das Imagens Orbitais Sensoriamento Remoto Características das Imagens Orbitais 1 - RESOLUÇÃO: O termo resolução em sensoriamento remoto pode ser atribuído a quatro diferentes parâmetros: resolução espacial resolução espectral

Leia mais

Processamento de Imagem. Prof. Herondino

Processamento de Imagem. Prof. Herondino Processamento de Imagem Prof. Herondino Sensoriamento Remoto Para o Canada Centre for Remote Sensing - CCRS (2010), o sensoriamento remoto é a ciência (e em certa medida, a arte) de aquisição de informações

Leia mais

Figura 1: Localização geográfica da área de estudo com a composição colorida do sensor TM (R3, G2 e B1).

Figura 1: Localização geográfica da área de estudo com a composição colorida do sensor TM (R3, G2 e B1). MUDANÇA DA PAISAGEM AMAZÔNICA NA ÁREA DO PROJETO DE ASSENTAMENTO DIRIGIDO SANTA LUZIA, EM CRUZEIRO DO SUL, AC Rafael C. DELGADO 1, Leonardo P. de SOUZA 1, Ian W. R. da SILVA 1, Evaldo de P. LIMA 2, Ricardo

Leia mais

tipos de métodos, técnicas de inteligência artificial e técnicas de otimização. Por fim, concluise com as considerações finais.

tipos de métodos, técnicas de inteligência artificial e técnicas de otimização. Por fim, concluise com as considerações finais. 1. Introdução A previsão de vendas é fundamental para as organizações uma vez que permite melhorar o planejamento e a tomada de decisão sobre o futuro da empresa. Contudo toda previsão carrega consigo

Leia mais

Curva ROC. George Darmiton da Cunha Cavalcanti Tsang Ing Ren CIn/UFPE

Curva ROC. George Darmiton da Cunha Cavalcanti Tsang Ing Ren CIn/UFPE Curva ROC George Darmiton da Cunha Cavalcanti Tsang Ing Ren CIn/UFPE Introdução ROC (Receiver Operating Characteristics) Curva ROC é uma técnica para a visualização e a seleção de classificadores baseado

Leia mais

UFGD FCA PROF. OMAR DANIEL BLOCO 6 CLASSIFICAÇÃO DE IMAGENS

UFGD FCA PROF. OMAR DANIEL BLOCO 6 CLASSIFICAÇÃO DE IMAGENS UFGD FCA PROF. OMAR DANIEL BLOCO 6 CLASSIFICAÇÃO DE IMAGENS Obter uma imagem temática a partir de métodos de classificação de imagens multi- espectrais 1. CLASSIFICAÇÃO POR PIXEL é o processo de extração

Leia mais

EXTRACÇÃO DE SOMBRA A PARTIR DE IMAGENS DE SATÉLITE DE ALTA RESOLUÇÃO

EXTRACÇÃO DE SOMBRA A PARTIR DE IMAGENS DE SATÉLITE DE ALTA RESOLUÇÃO EXTRACÇÃO DE SOMBRA A PARTIR DE IMAGENS DE SATÉLITE DE ALTA RESOLUÇÃO Classificação Não Supervisionada, Reclassificação de Imagem e Classificação Orientada a Segmento Morna Nandaia Ricardo Silva SUMÁRIO

Leia mais

RECONHECIMENTO DE OBJETOS CONTIDOS EM IMAGENS ATRAVÉS DE REDES NEURAIS

RECONHECIMENTO DE OBJETOS CONTIDOS EM IMAGENS ATRAVÉS DE REDES NEURAIS RECONHECIMENTO DE OBJETOS CONTIDOS EM IMAGENS ATRAVÉS DE REDES NEURAIS LUIZ EDUARDO NICOLINI DO PATROCÍNIO NUNES Departamento de Engenharia Mecânica Universidade de Taubaté PEDRO PAULO LEITE DO PRADO Departamento

Leia mais

Descoberta de Domínio Conceitual de Páginas Web

Descoberta de Domínio Conceitual de Páginas Web paper:25 Descoberta de Domínio Conceitual de Páginas Web Aluno: Gleidson Antônio Cardoso da Silva gleidson.silva@posgrad.ufsc.br Orientadora: Carina Friedrich Dorneles dorneles@inf.ufsc.br Nível: Mestrado

Leia mais

I ENCONTRO PAULISTA DE BIODIVERSIDADE

I ENCONTRO PAULISTA DE BIODIVERSIDADE I ENCONTRO PAULISTA DE BIODIVERSIDADE 16 a 18 de novembro de 2009 Fundação Mokiti Okada Palestrante: Mônica Pavão Pesquisadora do Instituto Florestal INVENTÁRIO FLORESTAL DO ESTADO DE SÃO PAULO INVENTÁRIO

Leia mais

MONITORAMENTO ON-LINE DE PROCESSOS DE USINAGEM VIA MEDIÇÃO DE VIBRAÇÕES

MONITORAMENTO ON-LINE DE PROCESSOS DE USINAGEM VIA MEDIÇÃO DE VIBRAÇÕES 16º POSMEC Universidade Federal de Uberlândia Faculdade de Engenharia Mecânica MONITORAMENTO ON-LINE DE PROCESSOS DE USINAGEM VIA MEDIÇÃO DE VIBRAÇÕES Tatiana Meola Universidade Federal de Uberlândia tatiana.meola@gmail.com

Leia mais

Classificador de cédulas de Real: Duas abordagens, linear e não-linear

Classificador de cédulas de Real: Duas abordagens, linear e não-linear Classificador de cédulas de Real: Duas abordagens, linear e não-linear Lais C. R. S. Lopes 1 1 Instituto de Informática Universidade Federal de Goiás (UFG) Abstract. Real notes classification problem is

Leia mais

Um Método de Classificação Multitemporal em Cascata de Imagens de Sensoriamento Remoto

Um Método de Classificação Multitemporal em Cascata de Imagens de Sensoriamento Remoto Um Método de Classificação Multitemporal em Cascata de Imagens de Sensoriamento Remoto Gilson Alexandre Ostwald Pedro da Costa Raul Queiroz Feitosa,2 Guilherme Lúcio Abelha Mota 2 Kian Pakzad 3 Maria Clara

Leia mais

CLASSIFICAÇÃO DE IMAGEM

CLASSIFICAÇÃO DE IMAGEM DISCIPLINA SIG OFICINA: Classificação de Imagens de Sensoriamento Remoto Responsável: MARIA ISABEL C DE FREITAS Colaboração: BRUNO ZUCHERATO E KATIA CRISTINA BORTOLETTO CLASSIFICAÇÃO DE IMAGEM Para realizar

Leia mais

UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO - UFES CENTRO DE CIÊNCIAS HUMANAS E NATURAIS CCHN DEPARTAMENTO DE GEOGRAFIA DEFESA DE MONOGRAFIA

UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO - UFES CENTRO DE CIÊNCIAS HUMANAS E NATURAIS CCHN DEPARTAMENTO DE GEOGRAFIA DEFESA DE MONOGRAFIA UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO - UFES CENTRO DE CIÊNCIAS HUMANAS E NATURAIS CCHN DEPARTAMENTO DE GEOGRAFIA DEFESA DE MONOGRAFIA Evolução temporal e espacial do uso e ocupação do solo para os anos

Leia mais

2 Classificação de Imagens de Sensoriamento Remoto

2 Classificação de Imagens de Sensoriamento Remoto 2 Classificação de Imagens de Sensoriamento Remoto 2.1. Processamento Digital de Imagens Processamento Digital de Imagens entende-se como a manipulação de uma imagem por computador de modo que a entrada

Leia mais

SUPPORT VECTOR MACHINES NA CLASSIFICAÇÃO DE IMAGENS HIPERESPECTRAIS

SUPPORT VECTOR MACHINES NA CLASSIFICAÇÃO DE IMAGENS HIPERESPECTRAIS UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL CENTRO ESTADUAL DE PESQUISAS EM SENSORIAMENTO REMOTO E METEOROLOGIA PROGRAMA DE PÓS-GRADUAÇÃO EM SENSORIAMENTO REMOTO SUPPORT VECTOR MACHINES NA CLASSIFICAÇÃO

Leia mais

Anais XVI Simpósio Brasileiro de Sensoriamento Remoto - SBSR, Foz do Iguaçu, PR, Brasil, 13 a 18 de abril de 2013, INPE

Anais XVI Simpósio Brasileiro de Sensoriamento Remoto - SBSR, Foz do Iguaçu, PR, Brasil, 13 a 18 de abril de 2013, INPE Classificação da Ocupação Urbana por meio de imagens orbitais no suporte ao monitoramento em mesoescala (1: 100.000) com o auxílio da mineração de dados Julia Silva de Queiroz Lourenço 1 Carla Bernadete

Leia mais

Aprendizagem de Máquina

Aprendizagem de Máquina Aprendizagem de Máquina Alessandro L. Koerich Programa de Pós-Graduação em Informática Pontifícia Universidade Católica do Paraná (PUCPR) Horários Aulas Sala [quinta-feira, 7:30 12:00] Atendimento Segunda

Leia mais

Reconhecimento das Configurações de Mão da LIBRAS a Partir de Malhas 3D

Reconhecimento das Configurações de Mão da LIBRAS a Partir de Malhas 3D Reconhecimento das Configurações de Mão da LIBRAS a Partir de Malhas 3D Andres Jessé Porfirio Orientador: Prof. Dr. Daniel Weingaertner Universidade Federal do Paraná Sumário Introdução Abordagem Baseada

Leia mais

Análise comparativa de imagens de alta resolução para classificação através de Geometria Fractal. Graziella Valença de Souza 1 Jorge Centeno 1

Análise comparativa de imagens de alta resolução para classificação através de Geometria Fractal. Graziella Valença de Souza 1 Jorge Centeno 1 Análise comparativa de imagens de alta resolução para classificação através de Geometria Fractal Graziella Valença de Souza 1 Jorge Centeno 1 1 Departamento de Geomática, Universidade Federal de Paraná

Leia mais

O uso de pontos de controle no processamento de imagens CBERS

O uso de pontos de controle no processamento de imagens CBERS O uso de pontos de controle no processamento de imagens CBERS Marco Aurélio Oliveira da Silva Elaine Reis Costa Paulo Eduardo Neves Antônio José Machado e Silva Gisplan Tecnologia da Geoinformação - GISPLAN

Leia mais

CONSTRUÇÃO DE BANCOS DE DADOS ESPACIAIS COM IMAGENS DE SATÉLITE

CONSTRUÇÃO DE BANCOS DE DADOS ESPACIAIS COM IMAGENS DE SATÉLITE CONSTRUÇÃO DE BANCOS DE DADOS ESPACIAIS COM IMAGENS DE SATÉLITE Renzo Joel Flores Ortiz e Ilka Afonso Reis Laboratório de Estatística Espacial (LESTE) Departamento de Estatística Universidade Federal de

Leia mais

TÉCNICAS DE COMPUTAÇÃO PARALELA PARA MELHORAR O TEMPO DA MINERAÇÃO DE DADOS: Uma análise de Tipos de Coberturas Florestais

TÉCNICAS DE COMPUTAÇÃO PARALELA PARA MELHORAR O TEMPO DA MINERAÇÃO DE DADOS: Uma análise de Tipos de Coberturas Florestais UNIVERSIDADE ESTADUAL DE PONTA GROSSA PRÓ-REITORIA DE PESQUISA E PÓS-GRADUAÇÃO PROGRAMA DE PÓS-GRADUAÇÃO EM COMPUTAÇÃO APLICADA CRISTIAN COSMOSKI RANGEL DE ABREU TÉCNICAS DE COMPUTAÇÃO PARALELA PARA MELHORAR

Leia mais

MAPEAMENTO DE CLASSES INTRAURBANAS NO MUNICÍPIO DE CARAGUATATUBA (SP) UTILIZANDO IMAGENS LANDSAT-5 TM E IMAGEM NDBI

MAPEAMENTO DE CLASSES INTRAURBANAS NO MUNICÍPIO DE CARAGUATATUBA (SP) UTILIZANDO IMAGENS LANDSAT-5 TM E IMAGEM NDBI MAPEAMENTO DE CLASSES INTRAURBANAS NO MUNICÍPIO DE CARAGUATATUBA (SP) UTILIZANDO IMAGENS LANDSAT-5 TM E IMAGEM NDBI 1702 Bruna Lahos de Jesus Bacic bruna_lahos@hotmail.com Geografia Bacharelado Universidade

Leia mais

ESTUDO COMPARATIVO DE ABORDAGENS BINÁRIA E MULTICLASSE PARA O ISOLAMENTO DE REGIÕES DE VIA NUM PROCESSO DE CLASSIFICAÇÃO DE IMAGENS

ESTUDO COMPARATIVO DE ABORDAGENS BINÁRIA E MULTICLASSE PARA O ISOLAMENTO DE REGIÕES DE VIA NUM PROCESSO DE CLASSIFICAÇÃO DE IMAGENS ESTUDO COMPARATIVO DE ABORDAGENS BINÁRIA E MULTICLASSE PARA O ISOLAMENTO DE REGIÕES DE VIA NUM PROCESSO DE CLASSIFICAÇÃO DE IMAGENS Tatiana Sussel Gonçalves Mendes 1 Aluir Porfírio Dal Poz 2 1 Universidade

Leia mais

de Bordas em Imagens Digitais

de Bordas em Imagens Digitais Anais do CNMAC v.2 ISSN 1984-820X Avaliação Quantitativa de um Método Automático de Extração de Bordas em Imagens Digitais Inês A. Gasparotto Boaventura Departamento de Ciências de Computação e Estatística,

Leia mais

UTILIZANDO O SOFTWARE WEKA

UTILIZANDO O SOFTWARE WEKA UTILIZANDO O SOFTWARE WEKA O que é 2 Weka: software livre para mineração de dados Desenvolvido por um grupo de pesquisadores Universidade de Waikato, Nova Zelândia Também é um pássaro típico da Nova Zelândia

Leia mais

Aprendizagem de Máquina

Aprendizagem de Máquina Aprendizagem de Máquina Alessandro L. Koerich Algoritmo k Means Mestrado/Doutorado em Informática (PPGIa) Pontifícia Universidade Católica do Paraná (PUCPR) 2 Problema do Agrupamento Seja x = (x 1, x 2,,

Leia mais

CLASSIFICAÇÃO DE IMAGENS DE ALTA RESOLUÇÃO INTEGRANDO VARIÁVEIS ESPECTRAIS E FORMA UTILIZANDO REDES NEURAIS ARTIFICIAIS

CLASSIFICAÇÃO DE IMAGENS DE ALTA RESOLUÇÃO INTEGRANDO VARIÁVEIS ESPECTRAIS E FORMA UTILIZANDO REDES NEURAIS ARTIFICIAIS Anais XI SBSR, Belo Horizonte, Brasil, 05-10 abril 0, INPE, p. 65-7. CLASSIFICAÇÃO DE IMAGENS DE ALTA RESOLUÇÃO INTEGRANDO VARIÁVEIS ESPECTRAIS E FORMA UTILIZANDO REDES NEURAIS ARTIFICIAIS ANDRÉA FARIA

Leia mais

Sistema de Controle de Acesso Baseado no Reconhecimento de Faces

Sistema de Controle de Acesso Baseado no Reconhecimento de Faces Sistema de Controle de Acesso Baseado no Reconhecimento de Faces Access Control System Based on Face Recognition Tiago A. Neves, Welton S. De Oliveira e Jean-Jacques De Groote Faculdades COC de Ribeirão

Leia mais

Detecção de Mudanças da Cobertura Terrestre na Ilha do Formoso, Município de Lagoa da Confusão-TO

Detecção de Mudanças da Cobertura Terrestre na Ilha do Formoso, Município de Lagoa da Confusão-TO Detecção de Mudanças da Cobertura Terrestre na Ilha do Formoso, Município de Lagoa da Confusão-TO VICENTE PAULO SOARES 1 ALAN KARDEC ELIAS MARTINS 2 RICARDO SEIXAS BRITES 3 ELPÍDIO INÁCIO FERNANDES FILHO

Leia mais

IDENTIFICAÇÃO DE EDIFICAÇÕES PRESENTES EM IMAGEM DE ALTA RESOLUÇÃO UTILIZANDO REDES NEURAIS E DADOS DO LASER SCANNER

IDENTIFICAÇÃO DE EDIFICAÇÕES PRESENTES EM IMAGEM DE ALTA RESOLUÇÃO UTILIZANDO REDES NEURAIS E DADOS DO LASER SCANNER IDENTIFICAÇÃO DE EDIFICAÇÕES PRESENTES EM IMAGEM DE ALTA RESOLUÇÃO UTILIZANDO REDES NEURAIS E DADOS DO LASER SCANNER Mosar Faria Botelho 1 Jorge Antonio Silva Centeno 2 1 Universidade Federal do Paraná

Leia mais

Sensoriamento Remoto aplicado ao Monitoramento Ambiental

Sensoriamento Remoto aplicado ao Monitoramento Ambiental Disciplina: Monitoramento e Controle Ambiental Prof.: Oscar Luiz Monteiro de Farias Sensoriamento Remoto aplicado ao Monitoramento Ambiental Andrei Olak Alves 2 espectro visível ultravioleta Sol infravermelho

Leia mais

Inteligência Computacional [2COP229]

Inteligência Computacional [2COP229] Inteligência Computacional [2COP229] Mestrado em Ciência da Computação Sylvio Barbon Jr barbon@uel.br (2/24) Tema Aula 1 Introdução ao Reconhecimento de Padrões 1 Introdução 2 Componentes clássicos da

Leia mais

OBTENÇÃO DE IMAGEM DO GOOGLE EARTH PARA CLASSIFICAÇÃO DE USO E OCUPAÇÃO DO SOLO

OBTENÇÃO DE IMAGEM DO GOOGLE EARTH PARA CLASSIFICAÇÃO DE USO E OCUPAÇÃO DO SOLO OBTENÇÃO DE IMAGEM DO GOOGLE EARTH PARA CLASSIFICAÇÃO DE USO E OCUPAÇÃO DO SOLO ROGER TORLAY 1 ; OSVALDO T. OSHIRO 2 N 10502 RESUMO O sensoriamento remoto e o geoprocessamento trouxeram importantes avanços

Leia mais

REDE BAYESIANA PARA ESTIMAÇÃO DE FALHAS INCIPIENTES EM TRANSFORMADORES DE POTÊNCIA UTILIZANDO DETECÇÃO DE DESCARGAS PARCIAIS POR EMISSÃO ACÚSTICA

REDE BAYESIANA PARA ESTIMAÇÃO DE FALHAS INCIPIENTES EM TRANSFORMADORES DE POTÊNCIA UTILIZANDO DETECÇÃO DE DESCARGAS PARCIAIS POR EMISSÃO ACÚSTICA REDE BAYESIANA PARA ESTIMAÇÃO DE FALHAS INCIPIENTES EM TRANSFORMADORES DE POTÊNCIA UTILIZANDO DETECÇÃO DE DESCARGAS PARCIAIS POR EMISSÃO ACÚSTICA Pedro Henrique da S. PALHARES 1, Leonardo da C. BRITO 1,

Leia mais

15º Congresso Brasileiro de Geologia de Engenharia e Ambiental

15º Congresso Brasileiro de Geologia de Engenharia e Ambiental 15º Congresso Brasileiro de Geologia de Engenharia e Ambiental Comparação da temperatura de brilho de superfície do período seco com o chuvoso no Distrito Federal calculada a partir de imagens do Landsat

Leia mais

SISTEMAS DE APRENDIZADO PARA A IDENTIFICAÇÃO DO NÚMERO DE CAROÇOS DO FRUTO PEQUI LEARNING SYSTEMS FOR IDENTIFICATION OF PEQUI FRUIT SEEDS NUMBER

SISTEMAS DE APRENDIZADO PARA A IDENTIFICAÇÃO DO NÚMERO DE CAROÇOS DO FRUTO PEQUI LEARNING SYSTEMS FOR IDENTIFICATION OF PEQUI FRUIT SEEDS NUMBER SISTEMAS DE APRENDIZADO PARA A IDENTIFICAÇÃO DO NÚMERO DE CAROÇOS DO FRUTO PEQUI Fernando Luiz de Oliveira 1 Thereza Patrícia. P. Padilha 1 Conceição A. Previero 2 Leandro Maciel Almeida 1 RESUMO O processo

Leia mais

UNIVERSIDADE FEDERAL DA PARAÍBA CENTRO DE CIÊNCIAS EXATAS E DA NATUREZA DEPARTAMENTO DE GEOCIÊNCIAS

UNIVERSIDADE FEDERAL DA PARAÍBA CENTRO DE CIÊNCIAS EXATAS E DA NATUREZA DEPARTAMENTO DE GEOCIÊNCIAS UNIVERSIDADE FEDERAL DA PARAÍBA CENTRO DE CIÊNCIAS EXATAS E DA NATUREZA DEPARTAMENTO DE GEOCIÊNCIAS Laboratório de Ensino, Pesquisa e Projetos em Análise Espacial TUTORIAL DE SPRING Alexandro Medeiros

Leia mais

Classificação de imagens de sensoriamento remoto pela aprendizagem por árvore de decisão: uma avaliação de desempenho

Classificação de imagens de sensoriamento remoto pela aprendizagem por árvore de decisão: uma avaliação de desempenho Classificação de imagens de sensoriamento remoto pela aprendizagem por árvore de decisão: uma avaliação de desempenho Marcelo Hiroshi Shiba 1 Rosangela Leal Santos 2, 3 José Alberto Quintanilha 2 Hae Yong

Leia mais

Letícia Oliveira Freitas Avaliação da Utilização de Imagens CBERS em Estudos de Uso e Cobertura do Solo

Letícia Oliveira Freitas Avaliação da Utilização de Imagens CBERS em Estudos de Uso e Cobertura do Solo Letícia Oliveira Freitas Avaliação da Utilização de Imagens CBERS em Estudos de Uso e Cobertura do Solo XII Curso de Especialização em Geoprocessamento 2010 UFMG Instituto de Geociências Departamento de

Leia mais

GMC: Geração de Matriz de Confusão a partir de uma classificação digital de imagem do ArcGIS. Bruno Zucuni Prina 1 Romario Trentin 1

GMC: Geração de Matriz de Confusão a partir de uma classificação digital de imagem do ArcGIS. Bruno Zucuni Prina 1 Romario Trentin 1 GMC: Geração de Matriz de Confusão a partir de uma classificação digital de imagem do ArcGIS Bruno Zucuni Prina 1 Romario Trentin 1 1 Universidade Federal de Santa Maria UFSM Avenida Roraima, n 1000, Prédio

Leia mais

Classificação de Imagens Tomográficas de Ciência dos Solos Utilizando Redes Neurais e Combinação de Classificadores

Classificação de Imagens Tomográficas de Ciência dos Solos Utilizando Redes Neurais e Combinação de Classificadores Classificação de Imagens Tomográficas de Ciência dos Solos Utilizando Redes Neurais e Combinação de Classificadores Fabricio Aparecido Breve Prof. Dr. Nelson Delfino d Ávila Mascarenhas Apresentação Objetivos

Leia mais

LEVANTAMENTO DE ÁREAS DESFLORESTADAS NA AMAZÔNIA ATRAVÉS DE PROCESSAMENTO DIGI- TAL DE IMAGENS ORBITAIS

LEVANTAMENTO DE ÁREAS DESFLORESTADAS NA AMAZÔNIA ATRAVÉS DE PROCESSAMENTO DIGI- TAL DE IMAGENS ORBITAIS LEVANTAMENTO DE ÁREAS DESFLORESTADAS NA AMAZÔNIA ATRAVÉS DE PROCESSAMENTO DIGI- TAL DE IMAGENS ORBITAIS YOSIO E. SHIMABUKURO PhD, Eng. Florestal, DSR-INPE VALDETE DUARTE Mestre, Eng. Agrônomo, DSR-INPE

Leia mais

UNIVERSIDADE FEDERAL DA PARAÍBA CENTRO DE CIÊNCIAS EXATAS E DA NATUREZA DEPARTAMENTO DE GEOCIÊNCIAS

UNIVERSIDADE FEDERAL DA PARAÍBA CENTRO DE CIÊNCIAS EXATAS E DA NATUREZA DEPARTAMENTO DE GEOCIÊNCIAS UNIVERSIDADE FEDERAL DA PARAÍBA CENTRO DE CIÊNCIAS EXATAS E DA NATUREZA DEPARTAMENTO DE GEOCIÊNCIAS Laboratório de Ensino, Pesquisa e Projetos em Análise Espacial TUTORIAL DE SPRING Alexandro Medeiros

Leia mais

Identificação de Padrões em Imagens de Sistemas de Segurança Utilizando Wavelets

Identificação de Padrões em Imagens de Sistemas de Segurança Utilizando Wavelets Identificação de Padrões em Imagens de Sistemas de Segurança Utilizando Wavelets. Introdução O propósito deste trabalho é avaliar as técnicas de visão computacional e mostrar que é possível identificar

Leia mais

APLICAÇÕES PRÁTICAS DE PROCESSAMENTO DE IMAGENS EM SENSORIAMENTO REMOTO

APLICAÇÕES PRÁTICAS DE PROCESSAMENTO DE IMAGENS EM SENSORIAMENTO REMOTO APLICAÇÕES PRÁTICAS DE PROCESSAMENTO DE IMAGENS EM SENSORIAMENTO REMOTO ESTÁGIO DOCÊNCIA ALUNA: ADRIANA AFFONSO (PROGRAMA DE PÓS- GRADUAÇÃO NO INPE MESTRADO EM SENSORIAMENTO REMOTO) ORIENTADOR: PROF. DR.

Leia mais

MÉTODO PARA IDENTIFICAÇÃO DE BANCOS DE AREIA AO LONGO DO LEITO DE RIOS

MÉTODO PARA IDENTIFICAÇÃO DE BANCOS DE AREIA AO LONGO DO LEITO DE RIOS MÉTODO PARA IDENTIFICAÇÃO DE BANCOS DE AREIA AO LONGO DO LEITO DE RIOS Mayklyns Marcos de Almeida Linhares 1 *; Wilmar Junqueira de Souza Filho 1 ;Maycon Josué de Jesus Faria 1 Resumo A formação de bancos

Leia mais

1. Introdução 2. Séries Temporais

1. Introdução 2. Séries Temporais 1. Introdução Predição de valores de ações é uma tarefa desafiadora na área de predição de séries temporais financeiras, devido à grande quantidade de variáveis que envolvem essas predições. No passado,

Leia mais

Mauricio Alves Moreira 1 Marco Adami 1 Bernardo Friedrich Theodor Rudorff 1 Tiago Bernardes 1

Mauricio Alves Moreira 1 Marco Adami 1 Bernardo Friedrich Theodor Rudorff 1 Tiago Bernardes 1 Anais XV Simpósio Brasileiro de Sensoriamento Remoto - SBSR, Curitiba, PR, Brasil, 30 de abril a 05 de maio de 2011, INPE p.0481 Uso de imagens do Google Earth capturadas através do software stitch map

Leia mais

MAPEAMENTO DA COBERTURA VEGETAL NA SUB-BACIA DO CÓRREGO PINHEIRINHO/BOTUCATU/SP UTILIZANDO O NDVI

MAPEAMENTO DA COBERTURA VEGETAL NA SUB-BACIA DO CÓRREGO PINHEIRINHO/BOTUCATU/SP UTILIZANDO O NDVI MAPEAMENTO DA COBERTURA VEGETAL NA SUB-BACIA DO CÓRREGO PINHEIRINHO/BOTUCATU/SP UTILIZANDO O NDVI MARIA JORGIANA FERREIRA DANTAS 1 JULIANO BOECK SANTOS 2 JOSÉ CARLOS PEZZONI FILHO 3 CÉLIA REGINA LOPES

Leia mais

044.ASR.SRE.16 - Princípios Físicos do Sensoriamento Remoto

044.ASR.SRE.16 - Princípios Físicos do Sensoriamento Remoto Texto: PRODUTOS DE SENSORIAMENTO REMOTO Autor: BERNARDO F. T. RUDORFF Divisão de Sensoriamento Remoto - Instituto Nacional de Pesquisas Espaciais São José dos Campos-SP - bernardo@ltid.inpe.br Sensoriamento

Leia mais

Análise estatística para aplicação na identificação semi-automatizada de desflorestamento utilizando imagens ALOS PALSAR na Perícia da Polícia Federal

Análise estatística para aplicação na identificação semi-automatizada de desflorestamento utilizando imagens ALOS PALSAR na Perícia da Polícia Federal Anais XV Simpósio Brasileiro de Sensoriamento Remoto - SBSR, Curitiba, PR, Brasil, 3 de abril a de maio de 211, INPE p.8146 Análise estatística para aplicação na identificação semi-automatizada de desflorestamento

Leia mais

VARIABILIDADE ESPAÇO TEMPORAL DO IVDN NO MUNICIPIO DE ÁGUAS BELAS-PE COM BASE EM IMAGENS TM LANDSAT 5

VARIABILIDADE ESPAÇO TEMPORAL DO IVDN NO MUNICIPIO DE ÁGUAS BELAS-PE COM BASE EM IMAGENS TM LANDSAT 5 VARIABILIDADE ESPAÇO TEMPORAL DO IVDN NO MUNICIPIO DE ÁGUAS BELAS-PE COM BASE EM IMAGENS TM LANDSAT 5 Maurílio Neemias dos Santos 1, Heliofábio Barros Gomes 1,, Yasmim Uchoa da Silva 1, Sâmara dos Santos

Leia mais

JOSÉ CONSTANTINO SILVEIRA JÚNIOR DIÓGENES SALAS ALVES MARIA ISABEL ESCADA

JOSÉ CONSTANTINO SILVEIRA JÚNIOR DIÓGENES SALAS ALVES MARIA ISABEL ESCADA Utilização de Técnicas de Análise Espacial no Estudo da Correlação entre Expansão das Áreas Desflorestadas e da Fronteira Agropecuária no Estado do Mato Grosso JOSÉ CONSTANTINO SILVEIRA JÚNIOR DIÓGENES

Leia mais

ESTUDOS DE ILHA DE CALOR URBANA POR MEIO DE IMAGENS DO LANDSAT 7 ETM+: ESTUDO DE CASO EM SÃO CARLOS (SP)

ESTUDOS DE ILHA DE CALOR URBANA POR MEIO DE IMAGENS DO LANDSAT 7 ETM+: ESTUDO DE CASO EM SÃO CARLOS (SP) ESTUDOS DE ILHA DE CALOR URBANA POR MEIO DE IMAGENS DO LANDSAT 7 ETM+... 273 ESTUDOS DE ILHA DE CALOR URBANA POR MEIO DE IMAGENS DO LANDSAT 7 ETM+: ESTUDO DE CASO EM SÃO CARLOS (SP) Ricardo Victor Rodrigues

Leia mais

Costa, B.L. 1 ; Faria, R.A.M²; Marins, L.S.³. ²Universidade do Estado do Rio de Janeiro / Faculdade de Formação de Professores - rfariageo@hotmail.

Costa, B.L. 1 ; Faria, R.A.M²; Marins, L.S.³. ²Universidade do Estado do Rio de Janeiro / Faculdade de Formação de Professores - rfariageo@hotmail. GERAÇÃO DE MAPA DE USO E COBERTURA DE SOLO UTILIZANDO IMAGENS DE SATÉLITE LANDSAT 8 PARA O SUPORTE AO PLANEJAMENTO MUNICIPAL DO MUNICÍPIO DE NITERÓI RJ. Costa, B.L. 1 ; Faria, R.A.M²; Marins, L.S.³ 1 Universidade

Leia mais

Detecção de mudanças em imagens oriundas de sensoriamento remoto, usando conjuntos fuzzy.

Detecção de mudanças em imagens oriundas de sensoriamento remoto, usando conjuntos fuzzy. Detecção de mudanças em imagens oriundas de sensoriamento remoto, usando conjuntos fuzzy. Marcelo Musci Baseado no artigo: Change detection assessment using fuzzy sets and remotely sensed data: an application

Leia mais

Sensoriamento Remoto I. José Antonio Pacheco de Almeida Paulo José de Oliveira

Sensoriamento Remoto I. José Antonio Pacheco de Almeida Paulo José de Oliveira José Antonio Pacheco de Almeida Paulo José de Oliveira São Cristóvão/SE 2010 Elaboração de Conteúdo José Antonio Pacheco de Almeida Paulo José de Oliveira Projeto Gráfico e Capa Hermeson Alves de Menezes

Leia mais

MINERAÇÃO DE DADOS PARA DETECÇÃO DE SPAMs EM REDES DE COMPUTADORES

MINERAÇÃO DE DADOS PARA DETECÇÃO DE SPAMs EM REDES DE COMPUTADORES MINERAÇÃO DE DADOS PARA DETECÇÃO DE SPAMs EM REDES DE COMPUTADORES Kelton Costa; Patricia Ribeiro; Atair Camargo; Victor Rossi; Henrique Martins; Miguel Neves; Ricardo Fontes. kelton.costa@gmail.com; patriciabellin@yahoo.com.br;

Leia mais

Mapeamento de espécies arbóreas em floresta tropical utilizando imagens hiperespectrais

Mapeamento de espécies arbóreas em floresta tropical utilizando imagens hiperespectrais Mapeamento de espécies arbóreas em floresta tropical utilizando imagens hiperespectrais Matheus Pinheiro Ferreira 1 Maciel Zortea 2 Daniel Capella Zanotta 3 Yosio Edemir Shimabukuro 1 Carlos Roberto de

Leia mais