ÍNDICE PARA A AVALIAÇÃO DE SEGMENTAÇÃO DE IMAGENS
|
|
- Maria de Belem Bergler Alvarenga
- 7 Há anos
- Visualizações:
Transcrição
1 ÍNDICE PARA A AVALIAÇÃO DE SEGMENTAÇÃO DE IMAGENS Fernando Luís Dlugosz 1, Nelson Carlos Rosot 2, Mara Augusta Doetzer Rosot 3, Yeda Mara Malheros de Olvera 3 1 Eng. Florestal, M.Sc., Doutorando em Engenhara Florestal, UFPR, Curtba, PR, Brasl - f.dlugosz@gmal.com 2 Eng. Florestal, Depto. de Cêncas Florestas, UFPR, Curtba, PR, Brasl - ncrosot@ufpr.br 3 Eng a. Florestal, Dr a., EMBRAPA Florestas, Colombo, PR, Brasl - augusta@cnpf.embrapa.br - yeda@cnpf.embrapa.br Recebdo para publcação: 05/12/2005 Aceto para publcação: 19/07/2008 Resumo O presente artgo descreve o desenvolvmento de um índce para avalar quanttatvamente resultados gerados por algortmos segmentadores, tomando-se por base o Índce para Avalação de Segmentação (IAVAS). As varáves componentes do novo índce, denomnado IAVAS mod, tveram seus valores obtdos com a aplcação do método empírco de dscrepânca, que é dependente da exstênca de uma magem de referênca. Sobre essa magem, também chamada segmentação-referênca, efetua-se a comparação numérca relatva (em percentagem) dos resultados produzdos pelos valores de lmares aplcados ao algortmo segmentador. A avalação quanttatva dos resultados da segmentação envolve os seguntes parâmetros: número de polígonos, dstânca entre centrodes, dferença em área, dferença em perímetro e faxa de concdênca. Métodos de avalação quanttatva apresentam resultados mas consstentes em análses envolvendo segmentações, elmnando a subjetvdade do analsta, que ocorre quando se aplcam métodos qualtatvos para a acetação ou rejeção de valores de lmares. Palavras-chave: Segmentação; avalação quanttatva; índce IAVAS. Abstract An ndex for assessng the qualty of mage segmentaton. Ths paper descrbes the development of an ndex for the quanttatve assessment of segmentaton algorthms, consderng the Index for Segmentaton Assessment (IAVAS) as a bass. The composng varables for the new ndex, called IAVAS mod, were acqured by applyng the dscrepancy emprcal method, whch depends on an exstng reference mage. Over ths magery, also called reference map, numerc comparsons (n percent) are carred out n order to compare dstnct threshold values used by the segmentaton algorthm. The followng parameters were used to compose the new ndex: number of polygons, dstance between centrods, dfferences n area, dfferences n permeter and, concdng buffers around polygons. Quanttatve assessments are more robust than qualtatve ones for they elmnate the analyst s subjectveness n rejectng or acceptng threshold values. Keywords: Segmentaton; quanttatve assessment; IAVAS ndex. INTRODUÇÃO O processo de segmentação representa, geralmente, o prmero passo no sentdo de preparar as magens de satélte para uma futura classfcação temátca, passo este que pode determnar o eventual sucesso ou fracasso de uma análse. O ato de segmentar uma magem consste em agrupar pxels com característcas smlares em termos tonas e texturas, formando regões homogêneas. Essas regões são correspondentes às feções da superfíce terrestre e rão servr de base para a análse e cartografa temátca. A operação de segmentação pode ser efetuada de modo manual ou automátco. A segmentação manual basea-se no reconhecmento vsual das feções representadas na magem, por meo da comparação de dferenças apresentadas pelos elementos nterpretatvos, prncpalmente cor, tonaldade e textura. Posterormente ao seu reconhecmento, as feções são dgtalzadas va tela do montor. Os processos automátcos de segmentação procuram smular o comportamento do fotontérprete ao FLORESTA, Curtba, PR, v. 39, n. 1, p , jan./mar
2 reconhecer áreas homogêneas na magem, baseando-se em suas propredades espectras e espacas (SPRING, 1998). O resultado obtdo pelo modo manual não é únco, pos dferentes ntérpretes podem gerar resultados dferentes, ou um mesmo ntérprete pode gerar dferentes resultados em tempos dferentes. A segmentação automátca, pelo contráro por se basear em crtéros de reconhecmento de smlardades ou de dferenças mensuráves entre regões adjacentes, apresenta resultados sempre guas quando se repete o processo váras vezes com os mesmos valores para os crtéros. Outra vantagem apresentada pelo modo automátco em relação ao manual é a rapdez de processamento da magem, que favorece a vabldade das análses em magens. A segmentação automátca, em geral, basea-se nas característcas de descontnudade e smlardade dos tons de cnza de uma magem. O método que avala a descontnudade consdera a mudança abrupta dos valores de cnza e o método por smlardade fundamenta-se na agregação de pxels em função da sua semelhança com os pxels vznhos (GONZALES; WINTZ, 1987). Antunes (2003) comenta que não exste um modelo formal para a segmentação, sendo esse processo essencalmente empírco e, em geral, ajustável aos dferentes tpos de magens, com lmares defndos conforme a complexdade dos alvos nvestgados. O uso da segmentação anteror à classfcação de magens supera as lmtações apresentadas com o processo de análse pontual (pxels analsados de forma solada), que se basea uncamente em atrbutos espectras (SPRING, 1998). Os elementos analsados e utlzados na classfcação serão as regões resultantes da aplcação do segmentador utlzado na defnção do espaço de atrbutos da classfcação (VENTURIERI; SANTOS, 1998). Por meo do processo de segmentação, é possível obter-se, de manera rápda, a dscrmnação e a delmtação de fragmentos. Adconalmente, os polígonos gerados pela segmentação convertdos para vetor podem ser usados como amostras de trenamento em futuras classfcações dgtas e, anda, em classfcações vsuas, por meo de smples atrbução de classes aos polígonos. De acordo com Gonzáles; Woods (2000), a seleção de crtéros de smlardade é dependente do problema em consderação e também do tpo de dados (magens) dsponíves. Para Coutnho (1997), a defnção de valores para os lmares na segmentação de magens depende, prncpalmente, do conhecmento dos padrões de repartção espacal dos objetos de cada área e da defnção da generalzação cartográfca deal, em função da escala cartográfca da abordagem realzada. Contempla uma etapa que exge maor atenção devdo à nexstênca de valores padronzados para as varáves do algortmo e, também, pode nfluencar dretamente na acuráca dos resultados da segmentação. Se os valores dos lmares forem muto baxos, o processo não atrburá pxels às classes (fragmentação excessva). Por outro lado, se forem muto altos, pxels representatvos de dferentes classes serão ncorretamente agrupados (NASCIMENTO; ALMEIDA FILHO, 1996). Segundo Zhang (1996), os resultados da segmentação podem ser avalados por dos métodos. O prmero defndo como método analítco permte examnar e avalar dretamente os algortmos através da análse de seus prncípos, suposções, propredades, exgêncas, utldade, complexdade etc., não dependendo de expermentos e podendo ser aplcado sem que o algortmo esteja completamente mplementado. A aplcação desse método é ndependente da natureza ou objetvo da segmentação. O segundo é o método empírco, que permte examnar e avalar um algortmo de forma ndreta, através da aplcação de magens-teste e medção da qualdade do resultado da segmentação. Esse método pode ser dvddo em dos tpos: de dscrepânca e de qualdade. De acordo com Lucca (1998) e Olvera (2002), os métodos empírcos de qualdade permtem examnar e avalar o desempenho de algortmos julgando-se smplesmente a qualdade da segmentação fnal obtda, sem nenhum conhecmento a pror da segmentação verdadera (referênca). Forma e unformdade dos segmentos, além da dferença espectral entre as regões extraídas pelo algortmo, são algumas meddas de qualdade propostas nesse método (OLIVEIRA, 2002). Os métodos empírcos de dscrepânca permtem analsar o desempenho de um algortmo através da comparação da segmentação de uma magem produzda por ele com uma segmentação de referênca, sendo que ambas as segmentações são obtdas a partr do mesmo dado de entrada. No caso em que o dado de entrada é uma magem real, a segmentação de referênca é geralmente obtda através de uma segmentação manual da magem de entrada baseada na nterpretação vsual. No caso de magens sntétcas, a segmentação de referênca é obtda dretamente do seu processo de geração (LUCCA, 1998). 132 FLORESTA, Curtba, PR, v. 39, n. 1, p , jan./mar
3 Neubert et al. (2006) compararam o resultado do algortmo segmentador de város softwares. A avalação fo realzada por meo de comparação vsual entre os segmentos gerados e as áreas de referênca nterpretadas vsualmente. Também fo empregada uma avalação quanttatva com base na referênca, sendo analsada a geometra dos segmentos por meo de parâmetros de área, perímetro e forma. Constata-se que, na maora das pesqusas brasleras que utlzaram a operação de segmentação de magens, a defnção dos melhores valores de lmares para o processo fo efetuada somente por avalação qualtatva. O uso de métodos de avalação quanttatva se justfca por elmnar a subjetvdade do analsta, que ocorre quando se aplcam métodos qualtatvos para a acetação ou rejeção de pares de lmares. O presente artgo descreve o desenvolvmento de um índce para avalar quanttatvamente resultados gerados por algortmos segmentadores, tomando-se por base o Índce para Avalação de Segmentação (IAVAS) descrto por Olvera (2002). O novo índce proposto, denomnado IAVAS mod, apresenta alterações na forma de aqusção dos valores de seus parâmetros componentes obtdos em percentagem, o que permte uma avalação conjunta ou ndvdual dos parâmetros envolvdos. MATERIAIS E MÉTODOS No presente expermento, utlzou-se uma subcena Ikonos, tendo como objetvo dscrmnar tpologas florestas presentes em remanescente de Floresta Ombrófla Msta. A magem utlzada fo uma subcena Ikonos que se refere à Reserva Florestal da Embrapa, localzada no muncípo de Caçador, entre as coordenadas geográfcas 26º50 e 26º55 de lattude sul e 50º05 e 51º00 de longtude oeste, regão centro-oeste do estado de Santa Catarna. O móvel compreende uma área 1.157,48 hectares, apresentando cobertura vegetal consttuída pela Floresta Ombrófla Msta (FOM), sendo consderada como um dos últmos remanescentes do ecossstema que anda mostram característcas orgnas. O segmentador utlzado fo o algortmo de crescmento de regões dsponível no software SPRING, que efetua o processamento com base nos lmares de smlardade e área. A smlardade referente à proxmdade radométrca entre pxels, correspondendo ao valor da dstânca eucldana mínma entre as médas das regões, abaxo da qual duas regões são consderadas smlares e, então, agrupadas. O lmar de área é o número mínmo de pxels para que uma regão seja ndvdualzada, sendo, portanto, o tamanho mínmo que cada segmento deve possur na operação de segmentação. Para este trabalho, os lmares de smlardade foram defndos sstematcamente, enquanto que o lmar de área teve seus valores defndos a partr de um valor-teste que fo recebendo ncrementos de modo não-sstemátco, à medda que os resultados dos processos am sendo obtdos. Ao todo foram testados 20 pares de lmares de smlardade e área. A avalação quanttatva fo obtda a partr da aplcação do método empírco de dscrepânca. A aplcação desse método é dependente da exstênca de uma segmentação-referênca ( verdade de campo ) que represente a dentfcação adequada dos alvos presentes na cena, levando-se em consderação os lmtes de resolução espacal e espectral. Podem ser consderados como segmentação-referênca, o produto de nterpretação vsual de magens, mapas ou uma resttução fotogramétrca, devendo esses materas apresentar a pror uma maor confabldade que os resultados da segmentação automátca. As dferenças apresentadas entre as segmentações e a referênca são comparadas numercamente pelas meddas de dscrepânca dos parâmetros componentes do índce IAVAS mod. Neste trabalho, a segmentação-referênca utlzada fo o resultado da nterpretação vsual da mesma magem Ikonos submetda aos testes de segmentação, que, após sua nterpretação, passou pelo processo de dgtalzação manual em tela do montor dos polígonos dscrmnados. Os softwares de Sstemas de Informações Geográfcas (SIG) como, por exemplo, SPRING (INPE) e ArcVew (ESRI) apresentam ferramentas que auxlam nas operações para a obtenção de valores dos parâmetros de dscrepânca necessáros para o cálculo do IAVAS mod. Tomando por exemplo o caso de a segmentação-referênca apresentar-se no formato vetoral, ncalmente torna-se necessáro converter os resultados do processo de segmentação que são gerados em formato raster também para o formato vetor, possbltando, assm, calcular os valores dos parâmetros de análse. A avalação dos resultados da segmentação fo efetuada por amostragem sstemátca, exceto para o parâmetro número de polígonos, que é obtdo dretamente. O emprego do método de amostragem proporcona uma redução de tempo e custo e torna mas dnâmco o processo de análse das segmentações. Foram seleconados na segmentação-referênca e submetdos à análse os polígonos que se encontravam sob os pontos de cruzamento das lnhas de um grd. FLORESTA, Curtba, PR, v. 39, n. 1, p , jan./mar
4 Conforme a metodologa, o ntervalo entre pontos do grd deve ser estabelecdo de forma a atender a uma amostragem mínma de 10% do total de polígonos contdos na segmentação-referênca. Para este estudo, o grd fo defndo com ntervalo entre pontos de 400 m. Empregando-se ferramentas que permtam conhecer a ntersecção entre dos temas, é possível conferr se a ntensdade amostral está sendo atngda. Tendo-se obtdo a amostragem adequada, os polígonos seleconados devem ser armazenados como um novo tema para facltar os demas procedmentos. A avalação quanttatva dos resultados da segmentação envolve os seguntes parâmetros: número de polígonos, dstânca entre centrodes, dferença em área, dferença em perímetro e faxa de concdênca. Sua descrção, bem como os passos para a obtenção de seus valores de análse, estão apresentados nos tens seguntes. 1) Número de polígonos Esse parâmetro mede a dscrepânca entre a magem segmentada e a de referênca em relação à quantdade de objetos extraídos pelo algortmo segmentador, permtndo, assm, uma verfcação da ocorrênca de segmentação excessva ou nsufcente. Um bom conhecmento de campo e do objetvo do estudo torna-se mportante para auxlar na defnção do número máxmo de segmentos que será aceto. De acordo com a metodologa, os valores de lmares que atenderam ao número máxmo e mínmo preestabelecdos foram submetdos à análse dos demas parâmetros. A avalação do parâmetro número de polígonos permte uma pré-dentfcação dos prováves melhores lmares, não sendo, portanto, ncluídos os valores desse parâmetro na equação do IAVAS mod. 2) Dstânca entre centrodes Esse parâmetro calcula a dstânca eucldana entre os centrodes de cada polígono da segmentação-referênca e cada polígono da magem segmentada. O centrode é uma entdade pontual que representa o centro de massa de determnado polígono. O cálculo da dstânca eucldana é dado pela segunte fórmula: j ' 2 ' ( x - x ) ( ) 2 j + y y j d = - = número do polígono analsado da magem referênca; j = número do polígono analsado da segmentação; x e y = coordenadas de x e y do ponto ; x ' j e y ' j = coordenadas de x e y do ponto j. Como a dentfcação dos polígonos equvalentes entre as magens avaladas é uma tarefa que apresenta grande dfculdade, optou-se pelo cálculo da dstânca eucldana entre os polígonos da segmentação-referênca seleconados pela amostragem e cada um dos n polígonos gerados pelo valor de lmar sob avalação, conforme lustrado na fgura 1. Fonte: Adaptado de Olvera (2002) Fgura 1. (a) Dstânca eucldana entre os centrodes; (b) Polígono com menor dstânca eucldana. Fgure 1. (a) Eucldean dstance between centrods; (b) Polygon wth the smallest Eucldean dstance. 134 FLORESTA, Curtba, PR, v. 39, n. 1, p , jan./mar
5 Depos de calculada a dstânca das n combnações, o polígono da segmentação que apresentou a menor dstânca em relação ao polígono avalado da segmentação-referênca fo aceto como equvalente e, posterormente, o conjunto de polígonos seleconados de cada segmentação avalada fo submetdo à análse dos demas parâmetros. O valor de dscrepânca para o parâmetro Dstânca entre centrodes fo calculado após terem sdo seleconados todos os menores valores das dstâncas apresentadas pelas n combnações. Em seguda, calculou-se a dferença percentual entre os valores do conjunto seleconado: æ d ö ç - dmín V = 100 ( ) è dmáx - dmín ø V = dferença percentual entre as menores dstâncas seleconadas; d = valor da dstânca eucldana de cada combnação seleconada do conjunto; d = menor valor de dstânca eucldana do conjunto seleconado; mín d = maor valor de dstânca eucldana do conjunto seleconado. máx Após a obtenção dos percentuas que uma dada dstânca entre centrodes representa em relação à ampltude de dstâncas observadas para todo o conjunto, fo calculada a méda artmétca das menores dferenças percentuas seleconadas, passando esse valor a representar o parâmetro usado na comparação entre as segmentações. A méda artmétca é dada por: n å = 1 e = d n d e = méda da dferença percentual de dstâncas eucldanas do conjunto analsado; V = valores da menor dferença percentual de dstâncas eucldanas de cada polígono analsado; n = número de polígonos da segmentação-referênca seleconados pela amostragem. Quanto menor o valor apresentado por em relação aos da segmentação-referênca. V d e mas semelhantes estão os polígonos da segmentação 3) Dferença em área Para calcular esse parâmetro, fo necessáro obter o valor de área de cada polígono-referênca, assm como de cada polígono da segmentação seleconado no cálculo do parâmetro anterormente descrto. As dferenças percentuas de área tveram seus valores calculados de forma modular, utlzandose a equação: AREF - ASEG DA = 100 AREF DA = dferença percentual de área entre cada polígono seleconado da segmentação e da segmentaçãoreferênca; AREF = área de cada polígono de referênca analsado; ASEG = área de cada polígono da segmentação equvalente ao polígono de referênca analsado. Para o conhecmento do desempenho geral em cada valor de lmares da segmentação, fo calculada a méda artmétca do conjunto analsado por meo da equação: DA n å = 1 = DA n FLORESTA, Curtba, PR, v. 39, n. 1, p , jan./mar
6 DA = méda da dferença percentual de área entre a segmentação e a referênca; DA = dferenças percentuas de área do conjunto analsado; n = número de polígonos da segmentação-referênca seleconados pela amostragem. Quanto menor o valor de DA apresentado pela segmentação, mas smlares foram as áreas dos polígonos da segmentação e da segmentação-referênca. 4) Dferença em perímetro Os cálculos desse parâmetro foram efetuados de forma smlar ao cálculo do parâmetro Dferença em área, somente substtundo-se a varável área pela varável perímetro, de acordo com as seguntes equações: PREF - PSEG DP = 100 PREF DP = dferença percentual entre o perímetro de cada polígono seleconado da segmentação e da segmentação-referênca; PREF = perímetro de cada polígono de referênca analsado; PSEG = perímetro de cada polígono da segmentação equvalente ao polígono de referênca analsado. DP= n DP = méda das dferenças percentuas de perímetro entre a segmentação e a segmentação-referênca; DP = dferenças percentuas de perímetro do conjunto analsado; n å = 1 n = número de polígonos da segmentação-referênca seleconados pela amostragem. Da mesma forma, a segmentação que apresentou o menor valor de DP, em prncípo, fo a mas adequada. 5) Faxa de concdênca Os parâmetros de dscrepânca que avalam separadamente o tamanho e a posção dos polígonos não asseguram uma total coerênca nos resultados, pos podem ocorrer stuações em que os segmentos estão rotaconados em seu centro de massa. Nesse caso, os valores calculados para tas parâmetros são consderados adequados, mas apresentam dscrepâncas se avalados quanto à forma de suas bordas, conforme lustrado na fgura 2. O uso do parâmetro Faxa de concdênca permte avalar espacalmente a relação entre os polígonos da segmentação e da segmentação-referênca, analsando de manera ndreta, também, os parâmetros referentes ao tamanho e à posção. Isso se torna possível com a quantfcação dos pxels da magem segmentada que concdem com os pxels da magem de referênca. Durante a aqusção dos dados de referênca por nterpretação vsual, o fator escala de trabalho pode ocasonar alguns erros, devdo às lmtações que o analsta tem em defnr o exato lmte dos polígonos, podendo, assm, estar nclundo ou exclundo alguns pxels. Para que esse fator não exerça nfluênca na análse do resultado da segmentação, Olvera (2002) recomenda a cração de uma faxa de tolerânca de espessura gual à resolução da magem utlzada, para dentro e para fora dos polígonos da magem de referênca. Os passos para a cração da faxa de tolerânca foram os seguntes: a) Gerar buffer nos polígonos da segmentação-referênca ( verdade de campo ), crando tanto um anel nterno quanto um externo (anel duplo), para uma dstânca gual à resolução da magem utlzada, salvando os resultados dessa operação como um novo tema. b) Unr os polígonos nternos e externos gerados pelo buffer, formando um polígono únco (anel smples). DP 136 FLORESTA, Curtba, PR, v. 39, n. 1, p , jan./mar
7 Fonte: Olvera (2002) Fgura 2. Faxa de concdênca entre polígonos. Fgure 2. Concdent buffers between polygons. A fgura 3 lustra os passos de cração da faxa de tolerânca para uma magem com resolução espacal de 4 m. Anel externo Anel nterno Faxa de Tolerânca Polígono da magem-referênca 4 m 4 m 8 m 2 pxels Fgura 3. Cração da faxa de tolerânca para uma magem com resolução espacal de 4 m. Fgure 3. Tolerance buffer for a four-meter-resoluton mage. O cálculo do número de pxels das áreas de ntersecção requer que os dados se encontrem em formato matrcal (raster). Fo necessáro, então, converter para esse formato o polígono da faxa de tolerânca da segmentação-referênca, assm como os polígonos da segmentação seleconados para as análses de dscrepânca. Como o polígono da faxa de tolerânca apresentava-se em formato vazado (em forma de anel), a conversão fo realzada dretamente, observando-se que o tamanho da célula usado pela ferramenta fosse o mesmo valor da resolução espacal da magem. No caso dos polígonos da segmentação (polígonos cheos), fo necessáro convertê-los prmeramente para a feção lnha e, sobre o tema de lnhas, prosseguu-se a conversão para o formato matrcal. Os valores comparatvos do parâmetro Faxa de concdênca foram obtdos pelo cruzamento dos temas matrcas, realzando-se a somatóra do número de pxels comuns entre cada segmentação e a referênca. A partr desse valor da somatóra e do número total de pxels apresentados pelos polígonos seleconados de cada segmentação, calculou-se o percentual de pxels espacalmente ncorretos por meo da equação: æ ö ç npconc FC = è npseg ø FC = percentual de pxels espacalmente ncorretos; np = número de pxels concdentes entre a segmentação e a segmentação-referênca; conc np = número total de pxels dos polígonos da segmentação avalada. seg FLORESTA, Curtba, PR, v. 39, n. 1, p , jan./mar
8 Nesse parâmetro, obtém-se em cada par de lmares um valor únco para todos os segmentos gerados, efetuando-se, portanto, uma avalação geral do desempenho na formação das regões. A segmentação que apresentou o menor valor para FC ndca que menos pxels foram ncorretamente assocados a uma regão e, consequentemente, mas semelhantes foram as regões formadas em relação aos polígonos da segmentação-referênca. O cálculo do IAVAS mod é a somatóra de valores dos parâmetros de dscrepânca obtdos para cada resultado do processo de segmentação, sendo dado pela equação: IAVAS = d e + DA+ DP+ FC mod Consderou-se como a melhor segmentação aquela que apresentou o menor valor no cálculo do índce IAVAS mod. Pode-se dzer que valores elevados são assocados a grandes erros da segmentação, evdencando um desempenho nefcente do algortmo segmentador. RESULTADOS E DISCUSSÃO Uma avalação qualtatva da segmentação sobrepondo-se a magem a cada resultado proporconado pelas combnações de pares de lmares, possblta conhecer de forma rápda o comportamento do algortmo segmentador. No entanto essa avalação pode não ser nteramente confável, devdo à nfluênca da subjetvdade do analsta durante a defnção do melhor resultado. Segundo Nascmento (1997), uma avalação objetva e quanttatva torna-se necessára para a escolha do melhor resultado do segmentador, vsto que não há um valor deal de lmar e eles varam de acordo com o materal utlzado e o objetvo da segmentação. O conhecmento do objetvo da segmentação é um aspecto relevante também para a aplcação efetva dos métodos empírcos de dscrepânca, uma vez que ele balza o resultado da segmentação manual que servrá de referênca, assm como na defnção das meddas de qualdades desejáves acerca do resultado esperado. A segmentação-referênca utlzada fo resultado da nterpretação vsual da magem Ikonos, em composção colorda Near Infrared+Green+Blue (NGB). A escolha dessa composção ocorreu devdo à maor facldade que essa composção proporconava para o reconhecmento e dscrmnação das regões (Fgura 4). Conferu-se a acuracdade do resultado da nterpretação vsual por meo de processo de reambulação, com avalações em campo das regões que durante a sua dscrmnação apresentaram dúvdas na defnção dos lmtes. De acordo com a metodologa utlzada no presente estudo para o desenvolvmento do índce IAVAS mod, a prmera etapa consstu em analsar quas pares de lmares geraram uma quantdade de segmentos dentro de ntervalo preestabelecdo. O estudo propôs acetar os resultados do algortmo de segmentação por crescmento de regões que geraram um número de segmentos gual ou até três vezes maor que o número de polígonos exstente na segmentação-referênca, de modo a evtar a ocorrênca de segmentação nsufcente ou excessva. Esse valor de três vezes fo defndo após se consderarem as dferenças exstentes entre o processo automátco e o vsual, no qual, por exemplo, áreas com sombra são agrupadas pelo ntérprete às regões adjacentes, enquanto que, no processo automátco, elas são defndas como outra regão. O agrupamento de segmentos adjacentes na magem torna-se facltado ao ntérprete quando este adquru em campo na fase anteror à nterpretação vsual da magem nformações sobre o comportamento das tpologas a serem mapeadas. Portanto, avalou-se o resultado das segmentações que apresentaram um número mínmo de 427 segmentos (valor obtdo na nterpretação vsual) e máxmo 1281 segmentos. Na fgura 5 apresenta-se o comportamento do algortmo por crescmento de regões com relação ao número de segmentos formados para os lmares de smlardade e área testados. Conforme se pode observar, o lmar de área fo o parâmetro que exerceu maor nfluênca no número de polígonos gerados. Dos 20 pares de lmares testados, 15% apresentaram menos polígonos que o mapa-referênca, 50% apresentaram número excessvo de segmentos e 35% atenderam o parâmetro de número de polígonos, sendo estes últmos submetdos à análse pelos outros parâmetros de dscrepânca. Os pares seleconados nessa fase foram: 30 e 2.000; 35 e 1.200; 35 e 2.000; 40 e 1.200; 40 e 2.000; 45 e 1.200; 60 e FLORESTA, Curtba, PR, v. 39, n. 1, p , jan./mar
9 (a) (b) Fgura 4. (a) Imagem Ikonos em composção NGB; (b) Segmentação-referênca obtda por nterpretação vsual. Fgure 4. (a) Ikonos color-composte NGB; (b) Reference segmentaton obtaned by vsual nterpretaton. FLORESTA, Curtba, PR, v. 39, n. 1, p , jan./mar
10 Número de Polígonos Gerados pelos Pares de Lmares Número de Polígonos Par de Lmares (smlardade - área) Fgura 5. Número de polígonos gerados pelas combnações dos lmares da segmentação. Fgure 5. Number of polygons generated by each combnaton of the segmentaton thresholds. Na defnção da amostragem da segmentação-referênca, foram seleconados 51 polígonos que estavam sob o cruzamento das lnhas do grd, correspondendo a 11,9% dos polígonos dscrmnados. Depos de seleconados os polígonos da referênca e defndos os equvalentes entre as segmentações, procedeu-se o cálculo da méda percentual das menores dstâncas entre centrodes, dos parâmetros dferença em área, dferença em perímetro e faxa de concdênca para cada segmentação. A fgura 6 apresenta uma representação gráfca do resultado de cada parâmetro de dscrepânca analsado. 140,00 Parâmetros de Dscrepânca Dferença Percentual 120,00 100,00 80,00 60,00 40,00 20,00 0, Dferença em Área Dferença em Perímetro Faxa de Concdênca Dst. Eucldana Pares de Lmares Fgura 6. Comportamento dos parâmetros de dscrepânca conforme as combnações de lmares de smlardade e de área. Fgure 6. Dscrepancy parameters behavor accordng to the combnaton of smlarty and area thresholds. Constata-se, que ao serem comparados os polígonos gerados pelo segmentador com os da segmentação-referênca, a maor varação ocorreu sobre o parâmetro dferença em área. Os valores do índce IAVAS mod alcançados pelos pares de lmares analsados foram ordenados em um rankng, permtndo, dessa forma, conhecer o lmar que apresentou a melhor performance de segmentação. A síntese dos resultados do índce IAVAS mod para as combnações de lmares testadas é apresentada na tabela FLORESTA, Curtba, PR, v. 39, n. 1, p , jan./mar
11 Tabela 1. Síntese dos resultados da análse quanttatva da segmentação. Table 1. Quanttatve results of the segmentaton analyss. Dferença Dferença em Dstânca Par de em área perímetro eucldana lmares (%) (%) (%) (%) Faxa de concdênca IAVAS mod Rankng ,32 83,99 13,67 74,87 272, ,10 75,38 14,19 72,92 251, ,22 91,16 35,25 77,77 316, ,80 92,29 30,99 74,38 311, ,34 87,53 33,58 70,35 309, ,24 83,92 29,69 76,88 279, ,84 77,49 39,40 83,74 294,47 4 (a) (b) Fgura 7. Resultado da segmentação com os lmares 35 e para smlardade e área, respectvamente, e composção Ikonos NGB ao fundo: (a) área total; (b) detalhe amplado. Fgure 7. Results of the segmentaton for 35 and 1,200 smlarty and area thresholds, respectvely. Ikonos color composte n the background: (a) total area; (b) zoomed porton of the mage. FLORESTA, Curtba, PR, v. 39, n. 1, p , jan./mar
12 De acordo com os resultados obtdos com o método empírco de dscrepânca, a segmentação realzada com o par de lmares 35 para smlardade e para área fo a que apresentou o menor valor no índce IAVAS mod, sendo consderada quanttatvamente a segmentação mas coerente com a segmentação-referênca. Na fgura 7 encontra-se o resultado do par de lmares mas coerente com a referênca. Olvera (2002) comenta que, em alguns casos, pequenas varações entre os lmares não alteram os valores dos parâmetros de dscrepânca, resultando em índces guas. Em outras stuações, dferentes combnações entre lmares fornecem resultados dstntos para cada parâmetro, porém a soma deles é dêntca. CONCLUSÕES O presente trabalho procurou demonstrar que, apesar de ser mas complexa em sua aplcação, uma avalação quanttatva é superor à qualtatva, por proporconar resultados mas consstentes na análse de algortmos de segmentação. O índce IAVAS mod para a avalação da segmentação de magens permtu comparações quanttatvas para dferentes valores de lmares, elmnando, com sso, a subjetvdade de uma avalação qualtatva na defnção do melhor resultado. Com os valores dos parâmetros de dscrepânca apresentados em percentagem, tornou-se possível uma avalação ndvdual do comportamento de cada parâmetro para os pares testados, conhecendo sua nfluênca no resultado obtdo pelo segmentador. A partr de valores de lmares que já se apresentem satsfatóros, recomenda-se testar ntervalos menores para os parâmetros do algortmo, como tentatva de alcançar valores mas acurados para o processo. Dessa forma, se consegurá, também, elevar a acuracdade dos resultados da classfcação da magem, vsto que são dos processos fortemente relaconados, consderando-se que os segmentos podem ser classfcados a partr de característcas comuns de todos os pxels que os consttuem. REFERÊNCIAS ANTUNES, A. F. B. Classfcação de ambente clar baseada em orentação a objeto em magens de alta resolução espacal. 147 f. Tese (Doutorado em Cêncas Geodéscas) Setor de Cêncas da Terra, Unversdade Federal do Paraná, Curtba, COUTINHO, A. C. Segmentação e classfcação de magens Landsat-TM para o mapeamento dos usos da terra na regão de Campnas, SP. 150 p. Dssertação (Mestrado em Cêncas) Insttuto de Bocêncas, Unversdade de São Paulo, São Paulo, GONZALES, R. C; WINTZ, P. Dgtal mage processng. Readng: Addson Wesley, p. GONZALES, R. C; WOODS, R. Processamento de magens dgtas. São Paulo: E. Blücher, p. LUCCA, E. V. D. Avalação e comparação de algortmos de segmentação de magens de radar de abertura sntétca p. Dssertação (Mestrado em Sensoramento Remoto). Insttuto Naconal de Pesqusas Espacas. São José dos Campos Dsponível em: < >. Acesso em: 30/11/2004. NASCIMENTO, P. S. R. Avalação de técncas de segmentação e classfcação por regões em magens Landsat-TM vsando o mapeamento de undades de pasagem na Amazôna. 120 p. Dssertação (Mestrado em Sensoramento Remoto) Insttuto Naconal de Pesqusas Espacas, São José dos Campos, NASCIMENTO, P. S. R.; ALMEIDA FILHO, R. Utlzação da técnca de segmentação em magens TM/Landsat vsando otmzar a técnca de nterpretação vsual. In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 8., 1996, Salvador. Artgos... São José dos Campos: INPE/SELPER, CD-ROM. NEUBERT, M.; HEROLD, H.; MEINEL, G. Evaluaton of remote sensng mage segmentaton qualty further results and concepts Dsponível em: < 142 FLORESTA, Curtba, PR, v. 39, n. 1, p , jan./mar
13 06/Papers/10_Adapton%20and%20further%20development%20II/OBIA2006_Neubert_Herold_Menel. pdf>. Acesso em: 08/11/2007. OLIVEIRA, J. C. Índce para avalação de segmentação (IAVAS): uma aplcação em agrcultura. 160 p. Dssertação (Mestrado em Sensoramento Remoto) Insttuto Naconal de Pesqusas Espacas. São José dos Campos, Dsponível em: < /2003/ > Acesso em: 25/09/2004. SPRING Sstema de processamento de nformações georreferencadas. Processamento de magens. São José dos Campos: NETGIS, v.2. VENTURIERI, A.; SANTOS, J. R. dos. Técncas de Classfcação de Imagens para Análse de Cobertura Vegetal. In: ASSAD, E.D. e SANO, E.E. Sstema de Informações Geográfcas. 2.ed., rev. e ampl.. Brasíla, DF: Embrapa-SPI/Embrapa-CPAC, p ZHANG, Y. J. A survey on evaluaton methods for mage segmentaton. Pattern Recognton, Kdlngton, v.29, n.8, 1996, p FLORESTA, Curtba, PR, v. 39, n. 1, p , jan./mar
4 Critérios para Avaliação dos Cenários
Crtéros para Avalação dos Cenáros É desejável que um modelo de geração de séres sntétcas preserve as prncpas característcas da sére hstórca. Isto quer dzer que a utldade de um modelo pode ser verfcada
Leia mais7 - Distribuição de Freqüências
7 - Dstrbução de Freqüêncas 7.1 Introdução Em mutas áreas há uma grande quantdade de nformações numércas que precsam ser dvulgadas de forma resumda. O método mas comum de resumr estes dados numércos consste
Leia maisRepresentação e Descrição de Regiões
Depos de uma magem ter sdo segmentada em regões é necessáro representar e descrever cada regão para posteror processamento A escolha da representação de uma regão envolve a escolha dos elementos que são
Leia mais3 Algoritmos propostos
Algortmos propostos 3 Algortmos propostos Nesse trabalho foram desenvolvdos dos algortmos que permtem classfcar documentos em categoras de forma automátca, com trenamento feto por usuáros Tas algortmos
Leia maisTeoria da Regressão Espacial Aplicada a. Sérgio Alberto Pires da Silva
Teora da Regressão Espacal Aplcada a Modelos Genércos Sérgo Alberto Pres da Slva ITENS DE RELACIONAMENTOS Tópcos Báscos da Regressão Espacal; Banco de Dados Geo-Referencados; Modelos Genércos Robustos;
Leia mais1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA
1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 014 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de
Leia mais5 Implementação Procedimento de segmentação
5 Implementação O capítulo segunte apresenta uma batera de expermentos prátcos realzados com o objetvo de valdar o método proposto neste trabalho. O método envolve, contudo, alguns passos que podem ser
Leia maisMETODOLOGIA PARA O CÁLCULO DE VAZÃO DE UMA SEÇÃO TRANSVERSAL A UM CANAL FLUVIAL. Iran Carlos Stalliviere Corrêa RESUMO
Semnáro Anual de Pesqusas Geodéscas na UFRGS, 2. 2007. UFRGS METODOLOGIA PARA O CÁLCULO DE VAZÃO DE UMA SEÇÃO TRANSVERSAL A UM CANAL FLUVIAL Iran Carlos Stallvere Corrêa Insttuto de Geocêncas UFRGS Departamento
Leia maisProcessamento de Imagem. Prof. MSc. André Yoshimi Kusumoto
Processamento de Imagem Prof. MSc. André Yoshm Kusumoto andrekusumoto.unp@gmal.com Operações pontuas globas em magens Uma operação pontual global em uma magem dgtal r é a função f(r) aplcada a todo pxel
Leia maisAvaliação do tamanho da amostra de segmentos regulares para estimar a área plantada com café na região sul de Minas Gerais
Avalação do tamanho da amostra de segmentos regulares para estmar a área plantada com café na regão sul de Mnas Geras Marcos Adam Maurco Alves Morera Bernardo Fredrch Theodor Rudorff Insttuto Naconal de
Leia mais2 Incerteza de medição
2 Incerteza de medção Toda medção envolve ensaos, ajustes, condconamentos e a observação de ndcações em um nstrumento. Este conhecmento é utlzado para obter o valor de uma grandeza (mensurando) a partr
Leia mais3 Método Numérico. 3.1 Discretização da Equação Diferencial
3 Método Numérco O presente capítulo apresenta a dscretação da equação dferencal para o campo de pressão e a ntegração numérca da expressão obtda anterormente para a Vscosdade Newtonana Equvalente possbltando
Leia mais7 Tratamento dos Dados
7 Tratamento dos Dados 7.. Coefcentes de Troca de Calor O úmero de usselt local é dado por h( r )d u ( r ) (7-) k onde h(r), o coefcente local de troca de calor é h( r ) q''- perdas T q''- perdas (T( r
Leia maisPUCPR- Pontifícia Universidade Católica Do Paraná PPGIA- Programa de Pós-Graduação Em Informática Aplicada PROF. DR. JACQUES FACON
1 PUCPR- Pontfíca Unversdade Católca Do Paraná PPGIA- Programa de Pós-Graduação Em Informátca Aplcada PROF. DR. JACQUES FACON LIMIARIZAÇÃO ITERATIVA DE LAM E LEUNG Resumo: A proposta para essa sére de
Leia mais3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo
3 Metodologa de Avalação da Relação entre o Custo Operaconal e o Preço do Óleo Este capítulo tem como objetvo apresentar a metodologa que será empregada nesta pesqusa para avalar a dependênca entre duas
Leia maisModelo de Alocação de Vagas Docentes
Reunão Comssão de Estudos de Alocação de Vagas Docentes da UFV Portara 0400/2016 de 04/05/2016 20 de mao de 2016 Comssão de Estudos das Planlhas de Alocação de Vagas e Recursos Ato nº 009/2006/PPO 19/05/2006
Leia maisCAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA
CAPÍTULO DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA. A MÉDIA ARITMÉTICA OU PROMÉDIO Defnção: é gual a soma dos valores do grupo de dados dvdda pelo número de valores. X x Soma dos valores de x número de
Leia maisExperiência V (aulas 08 e 09) Curvas características
Experênca (aulas 08 e 09) Curvas característcas 1. Objetvos 2. Introdução 3. Procedmento expermental 4. Análse de dados 5. Referêncas 1. Objetvos Como no expermento anteror, remos estudar a adequação de
Leia mais2 Metodologia de Medição de Riscos para Projetos
2 Metodologa de Medção de Rscos para Projetos Neste capítulo remos aplcar os concetos apresentados na seção 1.1 ao ambente de projetos. Um projeto, por defnção, é um empreendmento com metas de prazo, margem
Leia maisÍNDICE DE CONSISTÊNCIA TEMPORAL: UM NOVO MÉTODO PARA AVALIAÇÃO DA ESTABILIDADE TEMPORAL DE ARMAZENAMENTO DE ÁGUA NO SOLO
Anas Eletrônco ÍNDICE DE CONSISTÊNCIA TEMPORAL: UM NOVO MÉTODO PARA AVALIAÇÃO DA ESTABILIDADE TEMPORAL DE ARMAZENAMENTO DE ÁGUA NO SOLO Anderson Takash Hara, Heraldo Takao Hashgut, Antôno Carlos Andrade
Leia maisCONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO 2 DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogério Rodrigues
CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogéro Rodrgues I) TABELA PRIMITIVA E DISTRIBUIÇÃO DE FREQÜÊNCIA : No processo de amostragem, a forma de regstro mas
Leia maisOs modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência.
MODELO DE REGRESSÃO DE COX Os modelos de regressão paramétrcos vstos anterormente exgem que se suponha uma dstrbução estatístca para o tempo de sobrevvênca. Contudo esta suposção, caso não sea adequada,
Leia maisÂngulo de Inclinação (rad) [α min α max ] 1 a Camada [360,0 520,0] 2000 X:[-0,2065 0,2065] Velocidade da Onda P (m/s)
4 Estudo de Caso O estudo de caso, para avalar o método de estmação de parâmetros trdmensonal fo realzado em um modelo de referênca de três camadas, e foram realzados os seguntes passos: Descrção do modelo
Leia maisAuto-Fusão da Auto-Face, do Auto-Esboço e da Auto-Pele pelo Misturograma em imagens em nível de cinza
Auto-Fusão da Auto-Face, do Auto-Esboço e da Auto-Pele pelo Msturograma em magens em nível de cnza Severno Jr, Osvaldo IMES - FAFICA osvaldo@fafca.br Gonzaga, Adlson Escola de Engenhara de São Carlos -
Leia maisEstimativa da área de soja no Rio Grande do Sul por meio de amostragem aleatória estratificada de pontos
Estmatva da área de soja no Ro Grande do Sul por meo de amostragem aleatóra estratfcada de pontos Marcos Adam Rodrgo Rzz Bernardo Fredrch Theodor Rudorff Maurco Alves Morera Insttuto Naconal de Pesqusas
Leia maisTABELAS E GRÁFICOS PARA VARIÁVEIS ALEATÓRIAS QUANTITATIVAS CONTÍNUAS
TABELAS E GRÁFICOS PARA VARIÁVEIS ALEATÓRIAS QUANTITATIVAS CONTÍNUAS Varável Qualquer característca assocada a uma população Classfcação de varáves Qualtatva { Nomnal sexo, cor dos olhos Ordnal Classe
Leia maisReconhecimento Estatístico de Padrões
Reconhecmento Estatístco de Padrões X 3 O paradgma pode ser sumarzado da segunte forma: Cada padrão é representado por um vector de característcas x = x1 x2 x N (,,, ) x x1 x... x d 2 = X 1 X 2 Espaço
Leia maisUNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)
UNDADE V DELNEAMENTO NTERAMENTE CASUALZADO (DC) CUABÁ, MT 015/ PROF.: RÔMULO MÔRA romulomora.webnode.com 1. NTRODUÇÃO Este delneamento apresenta como característca prncpal a necessdade de homogenedade
Leia maisCURSO de ESTATÍSTICA Gabarito
UNIVERSIDADE FEDERAL FLUMINENSE TRANSFERÊNCIA o semestre letvo de 010 e 1 o semestre letvo de 011 CURSO de ESTATÍSTICA Gabarto INSTRUÇÕES AO CANDIDATO Verfque se este caderno contém: PROVA DE REDAÇÃO com
Leia maisProcessamento de Imagem. Prof. MSc. André Yoshimi Kusumoto
Processamento de Imagem Prof. MSc. André Yoshm Kusumoto andrekusumoto.unp@gmal.com Prof. André Y. Kusumoto andrekusumoto.unp@gmal.com Operações pontuas globas em magens Uma operação pontual global em uma
Leia mais3 Elementos de modelagem para o problema de controle de potência
3 Elementos de modelagem para o problema de controle de potênca Neste trabalho assume-se que a rede de comuncações é composta por uma coleção de enlaces consttuídos por um par de undades-rádo ndvdualmente
Leia mais3. Estatística descritiva bidimensional
3. Estatístca descrtva bdmensonal (Tabelas, Gráfcos e números) Análse bvarada (ou bdmensonal): avala o comportamento de uma varável em função da outra, por exemplo: Quantas TV Phlps são venddas na regão
Leia maisAVALIAÇÃO EXPERIMENTAL DE UM MÉTODO DE MEDIÇÃO DE COORDENADAS IMAGEM COM PRECISÃO SUBPIXEL
IV Colóquo Braslero de Cêncas Geodéscas - IV CBCG Curtba, 16 a 0 de mao de 005 AVALIAÇÃO EXPERIMENTAL DE UM MÉTODO DE MEDIÇÃO DE COORDENADAS IMAGEM COM PRECISÃO SUBPIXEL Bazan, W. S. 1, Tommasell, A. M.
Leia maisDELINEAMENTOS EXPERIMENTAIS
SUMÁRIO 1 Delneamentos Expermentas 2 1.1 Delneamento Interamente Casualzado..................... 2 1.2 Delneamento Blocos Casualzados (DBC).................... 3 1.3 Delneamento Quadrado Latno (DQL)......................
Leia maisAssociação entre duas variáveis quantitativas
Exemplo O departamento de RH de uma empresa deseja avalar a efcáca dos testes aplcados para a seleção de funconáros. Para tanto, fo sorteada uma amostra aleatóra de 50 funconáros que fazem parte da empresa
Leia mais1. CORRELAÇÃO E REGRESSÃO LINEAR
1 CORRELAÇÃO E REGREÃO LINEAR Quando deseja-se estudar se exste relação entre duas varáves quanttatvas, pode-se utlzar a ferramenta estatístca da Correlação Lnear mples de Pearson Quando essa correlação
Leia maisAo se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.
Estatístca Dscplna de Estatístca 0/ Curso de Admnstração em Gestão Públca Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos uns dos
Leia maisTestes não-paramétricos
Testes não-paramétrcos Prof. Lorí Val, Dr. http://www.mat.ufrgs.br/val/ val@mat.ufrgs.br Um teste não paramétrco testa outras stuações que não parâmetros populaconas. Estas stuações podem ser relaconamentos,
Leia maisu a mesma área, na escala de 1: , tomadas a cada intervalo de 18 dias.
QUANTFCAÇÃO E SENSORAMENTO REMOTO NA NVESTGAÇÃO GEOGRÁFCA A evolução recente da cênca tem colocado, com certa frequênca, o nvestgador em stuação crítca face à massa de nformações, dados e meos para sua
Leia maisAo se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.
Estatístca Dscplna de Estatístca 0/ Curso Superor de tecnólogo em Gestão Ambental Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos
Leia maisVariação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro.
Aplcação Por exemplo, se prepararmos uma área expermental com todo cudado possível e fzermos, manualmente, o planto de 100 sementes seleconadas de um mlho híbrdo, cudando para que as sementes fquem na
Leia maisUM NOVO MÉTODO DE SEGMENTAÇÃO DE IMAGEM COM ABORDAGEM BASEADA EM BORDAS E REGIÕES. Rogério Galante Negri 1 Marcus Fabiano Saldanha Silva 1,2
UM NOVO MÉTODO DE SEGMENTAÇÃO DE IMAGEM COM ABORDAGEM BASEADA EM BORDAS E REGIÕES A New Image Segmentaton Method Based on Edge and Regon Detecton Rogéro Galante Negr 1 Marcus Fabano Saldanha Slva 1,2 1
Leia maisALTERNATIVA PARA DETERMINAR ACURÁCIA DA PREVISÃO DO MBAR UTILIZANDO ÍNDICE DE BRIER. Reinaldo Bomfim da Silveira 1 Juliana Maria Duarte Mol 1 RESUMO
ALTERNATIVA PARA DETERMINAR ACURÁCIA DA PREVISÃO DO MBAR UTILIZANDO ÍNDICE DE BRIER Renaldo Bomfm da Slvera 1 Julana Mara Duarte Mol 1 RESUMO Este trabalho propõe um método para avalar a qualdade das prevsões
Leia maisIMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO
IMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO Alne de Paula Sanches 1 ; Adrana Betâna de Paula Molgora 1 Estudante do Curso de Cênca da Computação da UEMS, Undade Unverstára de Dourados;
Leia maisSistema interativo de registro de imagens baseado em feições. Camilo Daleles Rennó
Sstema nteratvo de regstro de magens baseado em feções Camlo Daleles Rennó Insttuto Naconal de Pesqusas Espacas - INPE Caxa Postal 515-12201-970 - São José dos Campos - SP, Brasl camlo@dp.npe.br Abstract.
Leia mais8 - Medidas Descritivas
8 - Meddas Descrtvas 8. Introdução Ao descrevemos um conjunto de dados por meo de tabelas e gráfcos temos muto mas nformações sobre o comportamento de uma varável do que a própra sére orgnal de dados.
Leia maisCapítulo 2. APROXIMAÇÕES NUMÉRICAS 1D EM MALHAS UNIFORMES
Capítulo. Aproxmações numércas 1D em malhas unformes 9 Capítulo. AROXIMAÇÕS NUMÉRICAS 1D M MALHAS UNIFORMS O prncípo fundamental do método das dferenças fntas (MDF é aproxmar através de expressões algébrcas
Leia maisANÁLISE DAS TENSÕES TÉRMICAS EM MATERIAIS CERÂMICOS. Palavras-chave: Tensões térmicas, Propriedades variáveis, Condução de calor, GITT
ANÁLISE DAS TENSÕES TÉRMICAS EM MATERIAIS CERÂMICOS Dnz, L.S. Santos, C.A.C. Lma, J.A. Unversdade Federal da Paraíba Laboratóro de Energa Solar LES/DTM/CT/UFPB 5859-9 - João Pessoa - PB, Brasl e-mal: cabral@les.ufpb.br
Leia maisPrograma de Certificação de Medidas de um laboratório
Programa de Certfcação de Meddas de um laboratóro Tratamento de dados Elmnação de dervas Programa de calbração entre laboratóros Programa nterno de calbração justes de meddas a curvas Tratamento dos resultados
Leia maisDependência Espacial de espécies nativas em fragmentos. florestais
Dependênca Espacal de espéces natvas em fragmentos 1 Introdução florestas 1 Mestranda em Engenhara Florestal LEMAF/DCF UFLA. e-mal: cunhadase@yahoo.com.br 2 Mestrando em Engenhara Florestal LEMAF/DCF UFLA.
Leia mais5 Formulação para Problemas de Potencial
48 Formulação para Problemas de Potencal O prncpal objetvo do presente capítulo é valdar a função de tensão do tpo Westergaard obtda para uma trnca com abertura polnomal (como mostrado na Fgura 9a) quando
Leia mais4.1 Modelagem dos Resultados Considerando Sazonalização
30 4 METODOLOGIA 4.1 Modelagem dos Resultados Consderando Sazonalzação A sazonalzação da quantdade de energa assegurada versus a quantdade contratada unforme, em contratos de fornecmento de energa elétrca,
Leia maisMODELOS DE REGRESSÃO PARAMÉTRICOS
MODELOS DE REGRESSÃO PARAMÉTRICOS Às vezes é de nteresse nclur na análse, característcas dos ndvíduos que podem estar relaconadas com o tempo de vda. Estudo de nsufcênca renal: verfcar qual o efeto da
Leia maisAnálise Exploratória de Dados
Análse Exploratóra de Dados Objetvos Análse de duas varáves quanttatvas: traçar dagramas de dspersão, para avalar possíves relações entre as duas varáves; calcular o coefcente de correlação entre as duas
Leia mais3 Subtração de Fundo Segmentação por Subtração de Fundo
3 Subtração de Fundo Este capítulo apresenta um estudo sobre algortmos para a detecção de objetos em movmento em uma cena com fundo estátco. Normalmente, estas cenas estão sob a nfluênca de mudanças na
Leia maisAvaliação quantitativa do SegSAR através de medidas de borda e regiões em imagens ópticas sintéticas
Avalação quanttatva do SegSAR através de meddas de borda e regões em magens óptcas sntétcas Grazela Balda Scoeld Sdne João Squera Sant Anna Corna da Costa Fretas Lucano Vera Dutra nsttuto Naconal de Pesqusas
Leia maisMedidas de Tendência Central. Prof.: Ademilson Teixeira
Meddas de Tendênca Central Prof.: Ademlson Texera ademlson.texera@fsc.edu.br 1 Servem para descrever característcas báscas de um estudo com dados quanttatvos e comparar resultados. Meddas de Tendênca Central
Leia maisAULA 4. Segundo Quartil ( Q observações são menores que ele e 50% são maiores.
Estatístca Aplcada à Engenhara AULA 4 UNAMA - Unversdade da Amazôna.8 MEDIDA EPARATRIZE ão valores que separam o rol (os dados ordenados) em quatro (quarts), dez (decs) ou em cem (percents) partes guas.
Leia maisEstatística II Antonio Roque Aula 18. Regressão Linear
Estatístca II Antono Roque Aula 18 Regressão Lnear Quando se consderam duas varáves aleatóras ao mesmo tempo, X e Y, as técncas estatístcas aplcadas são as de regressão e correlação. As duas técncas estão
Leia maisAula Características dos sistemas de medição
Aula - Característcas dos sstemas de medção O comportamento funconal de um sstema de medção é descrto pelas suas característcas (parâmetros) operaconas e metrológcas. Aqu é defnda e analsada uma sére destes
Leia mais3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas
3.6. Análse descrtva com dados agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas
Leia maisPROGRAMA INTERLABORATORIAL PARA ENSAIOS EM CHAPAS DE PAPELÃO ONDULADO CICLO 2013 PROTOCOLO
PROGRAMA INTERLABORATORIAL PARA ENSAIOS EM CHAPAS DE PAPELÃO ONDULADO CICLO 013 PROTOCOLO CT-Floresta - LPC - FOI/004 7/11/01 Aprovado: Mara Luza Otero D'Almeda / SUMÁRIO 1 INTRODUÇÃO... 1 PÚBLICO ALVO...
Leia maisEstudo quantitativo do processo de tomada de decisão de um projeto de melhoria da qualidade de ensino de graduação.
Estudo quanttatvo do processo de tomada de decsão de um projeto de melhora da qualdade de ensno de graduação. Rogéro de Melo Costa Pnto 1, Rafael Aparecdo Pres Espíndula 2, Arlndo José de Souza Júnor 1,
Leia maisVariabilidade Espacial do Teor de Água de um Argissolo sob Plantio Convencional de Feijão Irrigado
Varabldade Espacal do Teor de Água de um Argssolo sob Planto Convenconal de Fejão Irrgado Elder Sânzo Aguar Cerquera 1 Nerlson Terra Santos 2 Cásso Pnho dos Res 3 1 Introdução O uso da água na rrgação
Leia maisPROGRAMA INTERLABORATORIAL PARA ENSAIOS EM CHAPAS DE PAPELÃO ONDULADO CICLO 2013 PROTOCOLO
PROGRAMA INTERLABORATORIAL PARA ENSAIOS EM CHAPAS DE PAPELÃO ONDULADO CICLO 013 PROTOCOLO CT-Floresta - LPC - FOI/004 05/0/013 Aprovado: Mara Luza Otero D'Almeda / SUMÁRIO 1 INTRODUÇÃO... 1 PÚBLICO ALVO...
Leia maisIntrodução e Organização de Dados Estatísticos
II INTRODUÇÃO E ORGANIZAÇÃO DE DADOS ESTATÍSTICOS 2.1 Defnção de Estatístca Uma coleção de métodos para planejar expermentos, obter dados e organzá-los, resum-los, analsá-los, nterpretá-los e deles extrar
Leia mais2 Agregação Dinâmica de Modelos de Turbinas e Reguladores de Velocidade: Teoria
Agregação Dnâmca de Modelos de urbnas e Reguladores de elocdade: eora. Introdução O objetvo da agregação dnâmca de turbnas e reguladores de velocdade é a obtenção dos parâmetros do modelo equvalente, dados
Leia maisCORRELAÇÃO E REGRESSÃO
CORRELAÇÃO E REGRESSÃO Constata-se, freqüentemente, a estênca de uma relação entre duas (ou mas) varáves. Se tal relação é de natureza quanttatva, a correlação é o nstrumento adequado para descobrr e medr
Leia maisEstatística e Probabilidade
Estatístca e Probabldade Professor conteudsta: Rcardo Vda Sumáro Estatístca e Probabldade Undade I 1 CONCEITOS BÁSICOS...1 1.1 Concetos fundamentas... 1. Processos estatístcos de abordagem... 1.3 Dados
Leia maisAnálise de Variância. Comparação de duas ou mais médias
Análse de Varânca Comparação de duas ou mas médas Análse de varânca com um fator Exemplo Um expermento fo realzado para se estudar dabetes gestaconal. Desejava-se avalar o comportamento da hemoglobna (HbA)
Leia maisAPLICAÇÃO DO MÉTODO DAS DIFERENÇAS FINITAS PARA SOLUÇÃO DAS EQUAÇÕES DE LAPLACE E POISSON PARA LINHAS DE MICROFITAS ACOPLADAS
APLICAÇÃO DO MÉTODO DAS DIFERENÇAS FINITAS PARA SOLUÇÃO DAS EQUAÇÕES DE LAPLACE E POISSON PARA LINHAS DE MICROFITAS ACOPLADAS Raann Pablo de Alencar AZEEDO; Ícaro Bezerra de Queroz ARAÚJO; Elel Pogg dos
Leia maisSantos Júnior, EP 1 ; Soares, HCC 1 ; Freitas, GP 2 ; Pannain, JLM 3 ; Coelho Junior, LM 4 * 1
DISPARIDADE DO VALOR BRUTO DOS PRODUTOS MADEIREIROS NATIVOS PARA AS MESORREGIÕES DA PARAÍBA DISPARITY OF THE GROSS VALUE OF THE NATIVE WOOD PRODUCTS FOR THE MESORREGIONS OF PARAÍBA Santos Júnor, EP 1 ;
Leia maisANÁLISE DE DESEMPENHO DE FILTROS DE REMOÇÃO DE RUÍDO SPECKLE EM IMAGEM SAR (PALSAR-ALOS) COM BASE EM MEDIDAS DE TEXTURA
ANÁLISE DE DESEMPENHO DE FILTROS DE REMOÇÃO DE RUÍDO SPECKLE EM IMAGEM SAR (PALSAR-ALOS) COM BASE EM MEDIDAS DE TEXTURA Erl Pnto dos Santos ¹, Robson Argolo dos Santos ³, Rosangela Leal Santos ³ ¹Estudante
Leia maisPrograma do Curso. Sistemas Inteligentes Aplicados. Análise e Seleção de Variáveis. Análise e Seleção de Variáveis. Carlos Hall
Sstemas Intelgentes Aplcados Carlos Hall Programa do Curso Lmpeza/Integração de Dados Transformação de Dados Dscretzação de Varáves Contínuas Transformação de Varáves Dscretas em Contínuas Transformação
Leia maisTeoria Elementar da Probabilidade
10 Teora Elementar da Probabldade MODELOS MATEMÁTICOS DETERMINÍSTICOS PROBABILÍSTICOS PROCESSO (FENÓMENO) ALEATÓRIO - Quando o acaso nterfere na ocorrênca de um ou mas dos resultados nos quas tal processo
Leia maisPsicologia Conexionista Antonio Roque Aula 8 Modelos Conexionistas com tempo contínuo
Modelos Conexonstas com tempo contínuo Mutos fenômenos de aprendzado assocatvo podem ser explcados por modelos em que o tempo é uma varável dscreta como nos casos vstos nas aulas anterores. Tas modelos
Leia maisSELEÇÃO DE MODELOS VOLUMÉTRICOS PARA CLONES DE EUCALYPTUS SPP., NO PÓLO GESSEIRO DO ARARIPE
SELEÇÃO DE MODELOS VOLUMÉTRICOS PARA CLONES DE EUCALYPTUS SPP, NO PÓLO GESSEIRO DO ARARIPE Jáder da Slva Jale Joselme Fernandes Gouvea Alne Santos de Melo Denns Marnho O R Souza Kléber Napoleão Nunes de
Leia maisUMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR
UNIVERSIDADE FEDERAL DE JUIZ DE FORA INSTITUTO DE CIÊNCIAS EATAS DEPARTAMENTO DE ESTATÍSTICA UMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR
Leia maisLaboratório de Mecânica Aplicada I Determinação de Centros de Gravidade
Laboratóro de Mecânca Aplcada I Determnação de Centros de Gravdade Em mutos problemas de mecânca o efeto do peso dos corpos é representado por um únco vector, aplcado num ponto denomnado centro de gravdade.
Leia maisRAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro
UNIVERIDADE DE ÃO PAULO FACULDADE DE ECONOMIA, ADMINITRAÇÃO E CONTABILIDADE DE RIBEIRÃO PRETO DEPARTAMENTO DE ADMINITRAÇÃO RAD1507 Estatístca Aplcada à Admnstração I Prof. Dr. Evandro Marcos adel Rbero
Leia maisUniversidade Federal do Paraná Departamento de Informática. Reconhecimento de Padrões. Classificadores Lineares. Luiz Eduardo S. Oliveira, Ph.D.
Unversdade Federal do Paraná Departamento de Informátca Reconhecmento de Padrões Classfcadores Lneares Luz Eduardo S. Olvera, Ph.D. http://lesolvera.net Objetvos Introduzr os o conceto de classfcação lnear.
Leia maisDISTRIBUIÇÃO DE FREQUÊNCIAS
Núcleo das Cêncas Bológcas e da Saúde Cursos de Bomedcna, Ed. Físca, Enermagem, Farmáca, Fsoterapa, Fonoaudologa, Medcna Veternára, Muscoterapa, Odontologa, Pscologa DISTRIBUIÇÃO DE FREQUÊNCIAS 5 5. DISTRIBUIÇÃO
Leia maisEletroquímica 2017/3. Professores: Renato Camargo Matos Hélio Ferreira dos Santos.
Eletroquímca 2017/3 Professores: Renato Camargo Matos Hélo Ferrera dos Santos http://www.ufjf.br/nups/ Data Conteúdo 07/08 Estatístca aplcada à Químca Analítca Parte 2 14/08 Introdução à eletroquímca 21/08
Leia maisDESENVOLVIMENTO DE UM PRÉ-PROCESSADOR PARA ANÁLISE ISOGEOMÉTRICA
DESENVOLVIMENTO DE UM PRÉ-PROCESSADOR PARA ANÁLISE ISOGEOMÉTRICA Pedro Luz Rocha Evandro Parente Junor pedroluzrr04@gmal.com evandroparentejr@gmal.com Laboratóro de Mecânca Computaconal e Vsualzação, Unversdade
Leia maisUNIVERSIDADE DE PERNAMBUCO. Física Experimental. Prof o José Wilson Vieira
UNIVERSIDADE DE PERNAMBUCO ESCOLA POLITÉCNICA DE PERNAMBUCO Físca Expermental Prof o José Wlson Vera wlson.vera@upe.br AULA 01: PROCESSOS DE ANÁLISE GRÁFICA E NUMÉRICA MODELO LINEAR Recfe, agosto de 2015
Leia maisCap. 5 Classificação Temática
Prncípos e Aplcações da Deteção Remota Cap. 5 Classfcação Temátca 5.1 O Processo de Classfcação 5. Classfcação de Máxma Verosmlhança (supervsonada paramétrca) 5..1 Classes multvaradas normas 5.. Lmtes
Leia mais2 ENERGIA FIRME DE SISTEMAS HIDRELÉTRICOS
ENERGIA FIRME DE SISTEMAS HIDRELÉTRICOS 22 2 ENERGIA FIRME DE SISTEMAS HIDRELÉTRICOS Como vsto no capítulo 1, a energa frme de uma usna hdrelétrca corresponde à máxma demanda que pode ser suprda contnuamente
Leia maisMEDIDAS DE TENDÊNCIA CENTRAL
3.1- Introdução. ESTATÍSTICA MEDIDAS DE TENDÊNCIA CENTRAL Como na representação tabular e gráfca dos dados a Estatístca Descrtva consste num conjunto de métodos que ensnam a reduzr uma quantdade de dados
Leia maisx Ex: A tabela abaixo refere-se às notas finais de três turmas de estudantes. Calcular a média de cada turma:
Professora Janete Perera Amador 1 8 Meddas Descrtvas Vmos anterormente que um conjunto de dados pode ser resumdo através de uma dstrbução de freqüêncas, e que esta pode ser representada através de uma
Leia maisAlgarismos Significativos Propagação de Erros ou Desvios
Algarsmos Sgnfcatvos Propagação de Erros ou Desvos L1 = 1,35 cm; L = 1,3 cm; L3 = 1,30 cm L4 = 1,4 cm; L5 = 1,7 cm. Qual destas meddas está correta? Qual apresenta algarsmos com sgnfcado? O nstrumento
Leia maisEXERCÍCIO: VIA EXPRESSA CONTROLADA
EXERCÍCIO: VIA EXPRESSA CONTROLADA Engenhara de Tráfego Consdere o segmento de va expressa esquematzado abaxo, que apresenta problemas de congestonamento no pco, e os dados a segur apresentados: Trechos
Leia maisFigura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma
Capítulo 8 Dferencação Numérca Quase todos os métodos numércos utlzados atualmente para obtenção de soluções de equações erencas ordnáras e parcas utlzam algum tpo de aproxmação para as dervadas contínuas
Leia maisDiferença entre a classificação do PIB per capita e a classificação do IDH
Curso Bem Estar Socal Marcelo Ner - www.fgv.br/cps Metas Socas Entre as mutas questões decorrentes da déa de se mplementar uma proposta de metas socas temos: Qual a justfcatva econômca para a exstênca
Leia maisPrioridades com Teste de Escalonabilidade
rordades + Teste de Escalonabldade Sstemas de Tempo Real: rordades com Teste de Escalonabldade Rômulo Slva de Olvera Departamento de Automação e Sstemas DAS UFSC Cada tarefa recebe uma prordade Escalonamento
Leia maisMinistério da Educação. Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira. Cálculo do Conceito Preliminar de Cursos de Graduação
Mnstéro da Educação Insttuto Naconal de Estudos e Pesqusas Educaconas Aníso Texera Cálculo do Conceto Prelmnar de Cursos de Graduação Nota Técnca Nesta nota técnca são descrtos os procedmentos utlzados
Leia maisMOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel
MOQ-14 PROJETO e ANÁLISE de EPERIMENTOS Professor: Rodrgo A. Scarpel rodrgo@ta.br www.mec.ta.br/~rodrgo Prncípos de cração de modelos empírcos: Modelos (matemátcos, lógcos, ) são comumente utlzados na
Leia maisMINISTÉRIO DA CIÊNCIA E TECNOLOGIA INSTITUTO NACIONAL DE PESQUISAS ESPACIAIS
MINISTÉRIO DA CIÊNCIA E TECNOLOGIA INSTITUTO NACIONAL DE PESQUISAS ESPACIAIS AVALIAÇÃO DAS INCERTEZAS NAS CLASSIFICAÇÕES DE MÁXIMA VEROSSIMILHANÇA E CONTEXTUAL DE MODAS CONDICIONAIS ITERATIVAS EM IMAGENS
Leia mais