Anais XVI Simpósio Brasileiro de Sensoriamento Remoto - SBSR, Foz do Iguaçu, PR, Brasil, 13 a 18 de abril de 2013, INPE
|
|
- Levi Chaplin de Abreu
- 6 Há anos
- Visualizações:
Transcrição
1 Classificação orientada a objeto para mapeamento do uso e cobertura do solo do município de Rio Acima - MG: por crescimento de regiões e por extração de objetos Alessandro Ribeiro Campos Diego Ferreira Fonseca Daniel Martins Sampaio Sergio Donizete Faria Marcos Antônio Timbó Elmiro Universidade Federal de Minas Gerais - UFMG, Av. Antônio Carlos, Belo Horizonte - MG, Brasil {alessandrorc1@yahoo.com.br, diegoffonseca@ufmg.br, danielsampaio.geo@gmail.com, fariamaracai@yahoo.com.br, timboelmiro@gmail.com} Abstract. Front of the diversity of high and medium resolutions sensors available, robust classification methods increasingly are implemented in PDI softwares. Nowadays in Brazil besides private corporations, the INPE has been the pioneer in the development of such tools, and offers among others, free softwares that looked for to work with such advanced methods for image classification. This article seeks to compare and bring an overview between the mechanisms for classification of satellite images by Regions and Object Oriented, using two softwares: SPRING and ENVI EX. The first one is a free INPE's software and the other is commercial software developed by Exelis Visual Information Solutions. This article search verifies which of these solutions works better in supervisioned classification using RapidEye images, one uses only the spectral response into its algorithm, and the other tries to identify objects using spectral response, in addition to others characteristics in its algorithms such as size, color, form, texture, size, and so on. After running the two mappings, the evaluation was made based in a basic parameter for measure classification performance, which is the matrix of errors and visual inspection. Palavras-chave: remote sensing, object-based analysis, image classification, sensoriamento remoto, análise orientada a objeto, classificação de imagem. 1. Introdução Nos últimos anos tem-se verificado um grande desenvolvimento da tecnologia de sistemas sensores para a observação da Terra. Dentre os avanços podem-se destacar os desenvolvimentos relacionados às resoluções espectrais e espaciais das imagens digitais orbitais. Isso impõe novos desafios ao processamento digital de imagens, cuja finalidade é melhorar o aspecto visual das feições estruturais para o analista humano (Gonzalez e Woods, 2000), subsidiando assim sua interpretação, gerando inclusive produtos que possam ser posteriormente submetidos a outros processamentos. O principal desafio em lidar como esse tipo de imagem diz respeito à disponibilidade de um grande volume de dados e suas implicações no campo do custo computacional e das técnicas de processamento. Com o aumento da resolução espacial, os detalhes e as características dos objetos são mais distintos (MING et al., 2009), tendo em vista que, quanto maior a resolução, maior a habilidade que um sensor possui de distinguir objetos que são próximos espacialmente e assim, menor será o objeto possível de ser identificado. Com o aumento da disponibilidade das imagens de alta resolução e o avanço de técnicas e ferramentas automáticas capazes de interpretar a massa de dados produzida, essas imagens tendem a ser cada vez mais utilizadas para se extrair informações remotamente da superfície 8035
2 terrestre, como o uso e cobertura do solo, através de métodos de classificação, que reconhecem padrões. A classificação pode ser definida sumariamente como um processo que consiste em agrupar pixels, a partir de suas características, em classes pré-estabelecidas ou não pelo usuário (JENSEN, 2009). No contexto do processamento digital de imagens esses métodos são empregados com o objetivo de reconhecer classes/categorias de pixels na imagem, sendo dessa forma denominado genericamente por classificação de imagens. Liu et al. (2006) citam alguns algoritmos de classificação agrupando-os em: classificador individual, tais como os classificadores estatísticos (K-médias, máxima verossimilhança, distância mínima, paralelepípedo etc.); classificador por rede neural artificial; classificador por máquina de aprendizagem (árvore de decisão etc.); classificador fuzzy; ou a combinação de diferentes classificadores a partir de algum mecanismo específico. Os métodos tradicionais de classificação de imagens agrupam os pixels em classes tendo como base a característica espectral pixel-a-pixel. Os algoritmos desses métodos de classificação analisam a característica espectral de cada pixel da imagem e os categoriza dentro de uma classe especifica através de métodos estatísticos. Essa abordagem pode não ser satisfatória para classificação de imagens de alta resolução em termos de precisão e produção de redundância, visto sua grande variabilidade de respostas espectrais. Tratando-se de imagens de alta resolução, a alta variância intra-classe derivada da aplicação desses métodos ocasiona problemas na classificação, conforme mencionado por Alencar-Silva (2009), gerando entre outros problemas, o efeito salt and pepper. Uma opção de método de classificação apropriado ao processamento desse tipo de imagem seria incorporar na classificação, outros aspectos para além da característica espectral de cada pixel, adicionando outros atributos e parâmetros de distribuição espacial dos objetos na imagem. Esse método de classificação é denominado baseado em objeto (based-object) ou por regiões. Como exemplos de aplicação de classificação baseada em objeto pode-se citar os trabalhos de Zhou et al. (2009) na identificação de sombra de árvores, Walter (2004) para detecção de mudanças, Novak et al. (2010) para classificação de lagos, entre outros. Esse método de classificação tem como unidade de processamento os objetos/regiões da imagem que compartilham atributos semelhantes, tais como: nível de cinza, características espectrais, textura, tamanho, forma, compacidade, informação do contexto dos objetos adjacentes etc. (LIU, 2006). Utilizando essas unidades de processamento, faz-se necessário uma técnica de segmentação para extrair, identificar e caracterizar esses objetos/regiões. A segmentação é um processo que consiste em dividir as imagens em segmentos internamente homogêneos e externamente heterogêneos (GONZALEZ e WOODS, 2000) baseados em alguma(s) característica(s) específica(s). Os segmentos representarão os objetos/regiões e serão utilizados como unidades para o algoritmo classificador, que os agrupará em função das informações que os caracterizam. Assim, nessa abordagem de interpretação uma imagem é representada não apenas por pixels individualizados, mas também por objetos e seus mútuos relacionamentos. Algoritmos baseados nessa abordagem estão implementados e disponíveis em softwares (comerciais e não comerciais), com diferentes níveis de sofisticação e combinações de segmentadores e classificadores. Dentre os métodos e softwares atualmente disponíveis tem-se o segmentador por crescimento de regiões e o classificador Bhattacharya, implementados no software SPRING 5.2; e por detecção de bordas Watershed com o classificador K-Nearest Neighbor (KNN), disponíveis no módulo Feature Extraction do software ENVI
3 O suporte desses e de outros métodos de processamento digital de imagens, associado ao aumento da disponibilidade de imagens de sensores remotos com alta resolução (sobretudo espacial e espectral) fornece novas oportunidades, dentre elas o detalhamento do mapeamento do uso e cobertura do solo em uma escala grande. Tanto a precisão como esse detalhamento de informação de uso e cobertura da terra, são essenciais para muitas finalidades, tais como gestão territorial, planejamento e análise e modelagem de padrões da paisagem, reforçando a necessidade de utilização da classificação baseada em objeto para essas aplicações. Nesse contexto, a proposta deste trabalho é a comparação dos métodos de classificação baseada em objeto para a classificação do uso e cobertura do solo de uma imagem multiespectral do sensor REIS do satélite RapidEye (RapidEye AG, 2011) com resolução espacial 5 metros, utilizando os softwares SPRING 5.2 e ENVI EX Crescimento de regiões e classificador Bhattacharya Na segmentação da imagem utilizando o SPRING 5.2, por crescimento de regiões, a partir da rotulação inicial de cada pixel como uma região distinta ou objeto, os pixels são sucessivamente fundidos em objetos maiores segundo critérios de similaridade (m A m B < limiar), até que nenhum outro agrupamento possa ser feito. O limiar de crescimento das regiões é estabelecido pelos parâmetros similaridade e área (pixels), previamente definidos, os quais delimitarão o máximo de heterogeneidade permitido para os objetos. O limiar de crescimento das regiões é estabelecido pelos parâmetros similaridade e área (pixels), previamente definidos, os quais delimitarão o máximo de heterogeneidade permitido para os objetos. O parâmetro similaridade baseia-se na distância Euclidiana entre os valores médios dos níveis de cinza de cada região, de modo que, para duas regiões serem consideradas distintas, a distância entre suas médias deve ser superior ao limite de similaridade escolhido. Com o parâmetro área (pixels), as regiões com área menor que o mínimo escolhido são absorvidas pelas regiões adjacentes mais similares (SPRING, 2012). O classificador Bhattacharya é um algoritmo que requer a seleção de áreas de treinamento, podendo utilizar as regiões individualizadas no processo de segmentação ou polígonos representativos das regiões a serem classificadas como amostras (SPRING, 2012). A partir dessas amostras é estimada a função densidade de probabilidade das classes especificadas, e então é calculada a distância Bhattacharya entre as classes e as regiões segmentadas. A medida da distância de Battacharya é usada para medir a separabilidade estatística entre um par de classes espectrais. Ela mede a distância média entre as distribuições de probabilidades de classes espectrais. 1.2 Detecção de bordas e K-Nearest Neighbor O processo de segmentação por detecção de bordas do ENVI-EX está baseado no algoritmo Watershed em que os valores de nível de cinza dos pixels em uma imagem são análogos aos pontos de elevação em uma superfície topográfica (VICENT e SOILLE, 1991). Uma vez que o agrupamento de pixels em bacias pelo algoritmo é baseado em um único valor, imagens multiespectrais precisam ser convertidas para uma imagem de banda única para o processamento. Cada pixel é convertido em um valor de intensidade média das bandas selecionadas pelo usuário, criando assim a imagem gradiente. O algoritmo inicia marcando um pixel significativamente escuro, então procura seus vizinhos semelhantes até encontrar um pico (pixel mais claro) que divide a bacia formando regiões com intensidade similar, resultando em uma imagem segmentada em que os valores mais baixos do gradiente formam a parte uniforme dos objetos e os altos valores do gradiente formam suas bordas. 8037
4 Utilizando o algoritmo Edge de detecção de bordas do ENVI-EX é possível ajustar a escala de segmentação que será utilizada. O parâmetro Scale Level é utilizado a partir de uma função densidade de probabilidade normalizada (Cumulative Distribution Function - CDF) dos valores da imagem gradiente, determinando o percentual de valores mais baixos que serão descartados. Para um determinado parâmetro de escala, o tamanho resultante dos objetos dependerá das características dos dados utilizados na segmentação, mas em geral, quanto maior a escala, maior o tamanho dos objetos. O classificador K-Nearest Neighbor (ENVI EX, 2012) calcula a distância euclidiana entre cada objeto da imagem segmentada e todos os objetos de treinamento que foram definidos. A distância é medida em n-dimensões tanto quanto forem os atributos dos objetos de treinamento, tais como espectrais, de textura, espaciais e de cor. 3. Materiais e métodos Para a aferição do desempenho das duas soluções em classificação de imagens aqui discutidas, foi escolhida a região do município de Rio Acima em Minas Gerais (Figura 1). O município de Rio Acima está localizado na região do quadrilátero ferrífero uma região geologicamente importante do Pré-Cambriano brasileiro com diversas riquezas minerais, principalmente ouro, ferro e manganês, o que confere uma diversidade ambiental notável a região. Portanto, esta escolha se deve ao fato da região apresentar características ambientais diversas, possuindo na mesma cena da imagem RapidEye utilizada, áreas urbanas, áreas de mineração, e diferentes tipologias vegetais. Figura 1. Localização do município de Rio Acima/MG O município de Rio Acima está localizado na região do quadrilátero ferrífero uma região geologicamente importante do Pré-Cambriano brasileiro com diversas riquezas minerais, principalmente ouro, ferro e manganês, o que confere uma diversidade ambiental notável a região. Para a geração dos mapas de uso e cobertura do solo foi utilizada uma imagem do sistema Rapideye, que possui resolução espacial de 5m, sensor tipo multiespectral (pushbroomimager), resolução radiométrica de 12 bits e cinco bandas espectrais, conforme Tabela 1: 8038
5 Tabela 1. Bandas espectrais Rapideye Faixa espectral Banda µm Azul µm Verde µm Vermelho µm Red-Edge µm Infravermelho próximo Foi necessário realizar o pré-processamento da cena utilizada no que diz respeito à delimitação da área de estudo, registro, correção radiométrica e aplicação de contrastastes nas bandas utilizadas. Para melhorar a segmentação e classificação dos objetos foi gerado o Normalized Difference Vegetation Index (NDVI), que foi incorporado à imagem, tornando-se a sexta banda, para possibilitar a utilização desse parâmetro em ambos os softwares, uma vez que no ENVI EX existe a possibilidade de introduzir o NDVI como parâmetro de forma automática na extração dos objetos. No software ENVI-EX, utilizando o módulo Feature Extraction baseado em exemplos (amostras), a imagem foi segmentada utilizando o algoritmo Edge e o parâmetro de escala 30, de modo que 30% dos valores de gradiente mais baixos foram descartados a partir da imagem gradiente. Após segmentação, foram selecionados os seguintes atributos dos segmentos, que foram utilizados na classificação pelo algoritmo K-Nearest Neighbor: atributos espectrais: média, máximo, mínimo e desvio padrão de todas as bandas; atributos de textura: range, média, variância e entropia; atributos espaciais: convexidade, arredondamento, form_factor, alongamento e Rectangular_Fit (aproximação com a forma retangular); espaço de cor: composição 4R2G1B transformada para o espaço IHS (Intensity, Hue e Saturation). No software SPRING 5.2 foi executada a segmentação pelo método Crescimento de Regiões utilizando os parâmetros de similaridade 5120 e área (pixels) 8. Desta forma, para duas regiões serem consideradas distintas, a distância entre suas médias deveria ser superior a 5120 e ter área superior a 8 pixels. Em ambos os softwares foram definidas as classes de uso e cobertura do solo e coletadas amostras, a partir da identificação dos objetos/regiões pertencentes a cada classe: Vegetação 1 (floresta B); Vegetação 2 (campos e cerrado); Água; Afloramento; Área Construída; Rejeito; Solo Exposto; e Telhado Cerâmico. A avaliação da classificação da imagem digital discutida neste trabalho refere-se à precisão da classificação das distintas categorias temáticas que compõem o mapa final de uso e cobertura do solo. Em conformidade com a escala e o grau de generalização da informação, as categorias de uso e cobertura devem refletir no terreno a mesma classe representada no mapa. Nesse sentido, foram selecionadas amostras de referência de forma supervisionada na imagem a ser classificada, para a validação e checagem dos erros. Os resultados foram analisados individualmente através da matriz de erro (CONGALTON e GREEN, 2009), consolidadas nas Tabelas 2 e 3, e também comparados visualmente entre si. 4. Resultado e discussão Na Figura 2 (a e b) são apresentadas as classificações realizadas na imagem Rapideye pelos métodos Watershed e K-Nearest Neighbor, do software ENVI-EX; e por crescimento de regiões 8039
6 com aplicação da classificação supervisionada Bhattacharya, do software SPRING 5.2, respectivamente. Em relação às imagens processadas, nota-se que a classificação realizada pelo método Watershed e K-Nearest Neighbor obteve o resultado menos homogêneo, portanto mais coerente. Comparando os dados mapeados observou-se que o solo exposto e floresta, representaram a maior diferença das classes ilustradas (Figura 2 (a) e (b)), sinalizando para a eficácia da utilização dos atributos dos segmentos. Figura 2. Representação do uso e cobertura do solo do município de Rio Acima/MG: a) Watershed + K Nearest Neighbor (ENVI-EX); b) Crescimento de regiões + Bhattacharya (SPRING 5.2) Depois de realizada as classificações da imagem, foram avaliados os resultados das matrizes de erro. As Tabelas 2 e 3 apresentam os resultados da validação para os dois tipos de segmentadores e classificadores utilizados nos softwares ENVI-EX e SPRING 5.2. Observa-se na Tabela 3, que a eficiência da classificação utilizada no programa SPRING 5.2 foi mais expressiva na estimativa de Solo Exposto, Campo Cerrado Área Construída. Tabela 2. Comparação das classes temáticas mapeadas pelos segmentadores/classificadores Classes SPRING ENVI-EX SPRING ENVI-EX Nº Pixels Área (ha) Afloramento , ,47 Água ,09 156,08 Área Construída ,47 321,68 Campo/Cerrado , ,06 Floresta , ,66 Rejeito ,96 19,00 Solo Exposto , ,45 Telha Cerâmica ,96 10,95 Não Classificado ,86 8,
7 Esses resultados indicam que as diferenças dos algoritmos segmentadores e classificadores remetem possivelmente as diferenças em termos de área das classes entre os mapeamentos. As diferenças de área ocorrem generalizadamente em todas as classes, com exceção da classe Rejeito de mineração, em que há diferença de apenas 0,96 ha. As maiores diferenças são apresentadas nas classes Solo Exposto, Afloramento e Campo/Cerrado. Tabela 3. Desempenho dos algoritmos classificadores ENVI-EX SPRING Classe Acurácia do Acurácia do Acurácia do Acurácia do Classe Produtor Usuário Produtor Usuário Afloramento 0,929 0,722 Afloramento 0,846 0,611 Água 1,000 1,000 Água 1,000 0,960 Área Construída 0,811 0,811 Área Construída 0,814 0,946 Campo/Cerrado 0,891 0,719 Campo/Cerrado 0,743 0,912 Floresta 0,867 0,951 Floresta 0,909 0,976 Rejeito 1,000 1,000 Rejeito 0,929 1,000 Solo Exposto 0,740 0,891 Solo Exposto 0,939 0,719 Telha Cerâmica 0,889 0,727 Telha Cerâmica 0,889 0,727 Acurácia Total 0,868 Acurácia Total 0,875 A comparação entre as duas classificações se deu através da matriz de erros ou de confusão, que identifica o erro global da classificação para cada categoria, mostrando também como se deram as confusões entre as categorias (BRITES, 1996). A partir da sintetização das matrizes de erro na Tabela 3, observa-se uma acurácia de 86,8% da classificação realizada no ENVI EX, utilizando o segmentador Watershed e o classificador K- Nearest Neighbor. A classificação realizada no SPRING através do segmentador por de crescimento de regiões e algoritmo classificador Bhattacharya, apresentou um resultado com acurácia de 87,5%. Embora os valores de tidos como acurácia da classificação sejam relativamente próximos, percebe-se grandes diferenças visuais nas duas imagens classificadas. 5. Considerações finais Este trabalho apresentou a comparação de duas metodologias de classificação a Watershed + K Nearest Neighbor (ENVI-EX) e a crescimento de regiões + Bhattacharya (SPRING 5.2) para processar uma imagem de alta-resolução RapidEye. Depois de realizadas as classificações, verificou-se que o programa ENVI-EX apresentou o resultado que descreve melhor a dinâmica ambiental da região de estudo, mesmo obtendo uma acurácia de sua classificação ligeiramente menor do que o observado na classificação realizada no SPRING. O SPRING que se apresenta como uma excelente solução freeware em processamento de imagens digitais, que conta com algoritmos complexos e desenvolvidos, no entanto ainda não possui implementado, um algoritmo capaz de considerar além dos valores espectrais, demais atributos dos objetos da imagem. tais como de textura, cor, forma/tamanho, etc. Considerando os resultados obtidos, talvez este fator que contribua mais fortemente para as significativas diferenças visuais verificadas nas duas classificações. Estudos mais detalhados com outros métodos de comparação entre algoritmos classificadores talvez sejam pertinentes para se investigar até que ponto, os atributos dos objetos tais como considerados no ENVI EX, são relevantes ao processo de classificação, de acordo com a escala 8041
8 de trabalho, pois podem ocorrer em, entre outras coisas, a redundâncias de informações com elevado consumo de recursos computacionais, ou não, tornando a identificação de objetos na imagem uma excelente opção para se trabalhar imagens de alta resolução. Referências Bibliográficas Alencar-Silva, T.; Maillard, P. Segmentação de imagens de alta resolução utilizando o programa SMAGIC. In: Simpósio Brasileiro de Sensoriamento Remoto (SBSR), 14, 2009, Natal. Anais... São José dos Campos: INPE, Artigos, p CD-ROM, On-line. ISBN Disponível em: Acesso em: 01 out ANTUNES, Alzir Felippe Buffara; LINGNAU, Christel. Uso de Índices de Acurácia para Avaliação de Mapas Temáticos Obtidos por Meio de Classificação Digital Disponível em: < >. Acesso em 11/ BRITES, R. S. Verificação de exatidão em classificação de imagens digitais orbitais: efeito de diferentes estratégias de amostragem e avaliação de índices de exatidão f. Tese (Doutorado em Ciência Florestal) - Universidade Federal de Viçosa, Viçosa, COHEN, J. A Coeficient of Agreement for Nominal Scales. Educational and Measurment. Vol XX, No 1, p , CONGALTON, R. G.; GREEN, K. Assessing the accuracy of remotely sensed data: principles and practices. New York: Lewis Publishers, ed. 137 p. ENVI EX: 4.8 Trial Version. Boulder Colorado: ITT Visual Information Solution, Disponível em < Acesso em 01 ago de Software. Felix, I. M.; Kazmierczak, M. L.; Espindola, G. M. RapidEye: a nova geração de satélites de Observaçãoda Terra. In: Simpósio Brasileiro de Sensoriamento Remoto (SBSR), 14, 2009, Natal. Anais... São José dos Campos: INPE, Artigos, p CD-ROM, On-line. ISBN Disponível em: Acesso em: 01 out Gonzalez, R.C.; Woods, R. E. Processamento de imagens digitais. São Paulo: Blucher, p. Jensen, J.R. Sensoriamento remoto do ambiente: uma perspectiva em recursos terrestres. São José dos Campos: Parêntese, p. LANDIS, J.R.; KOCH, G.G. The measurement of observer agreement for categorical data. Biometrics, v.33,n.1,p , Liu, Y.; Li, M.; Mao, L.; Xu, F.; Huang, S.Review of Remotely Sensed Imagery Classification Patterns Based on Object-oriented Image Analysis. Chinese Geographical Science. n. 16, p , Ming, D.; Wang, Q.; LUO, J.; SHEN, Z. Evaluation of High Spatial Resolution Remote Sensing Image Segmentation Algorithms. In: International Congress on Image and Signal Processing, 2, 2009, Tianjin. Anais. MONTGOMERY, G.; SCHUCH, C. Gis Data Conversion Handbook. Fort Collins: Gis Word Books Novak, T. Classicação da cobertura da terra e do uso do solo urbano utilizando o sistema InterIMAGE e imagens do sensor QuickBird p. (INPE TDI/1580). Dissertação (Mestrado em Sensoriamento Remoto) - Instituto Nacional de Pesquisas Espaciais, São José dos Campos Novak, T.; Hayakawa, E.H.; Bertani, T.C.; Zani, H. Classification of lakes in the Pantanal of Nhecolândia using object-based image analysis. Revista Geogrâfica Acadêmica. vol. 4, n. 1, p , SPRING: São José dos Campos: DPI/INPE, Disponível em < Acesso em 01 ago de Software. Walter, V. Object-based classification of remote sensing data for change detection. ISPRS Journal of Photogrammetry & Remote Sensing. n. 58, p , Zhou, W.; Huang, G.; Troy, A.; Cadenasso, M.L. Object-based land cover classification of shaded areas in high spatial resolution imagery of urban areas: A comparison study. Remote Sensing of Environmental. n. 113, p ,
Classificação de imagens de Sensoriamento Remoto. Disciplina: Geoprocessamento Profª. Agnes Silva de Araujo
Classificação de imagens de Sensoriamento Remoto Disciplina: Geoprocessamento Profª. Agnes Silva de Araujo Conteúdo programático e Objetivos Conceito de classificação e fotointerpretação Classificações
Leia maisCLASSIFICAÇÃO ORIENTADA A OBJETOS PARA MAPEAMENTO DO USO E COBERTURA DO SOLO UTILIZANDO IMAGEM RAPIDEYE
Presidente Prudente - SP, 24-26 de julho de 2017 p. 239-243 CLASSIFICAÇÃO ORIENTADA A OBJETOS PARA MAPEAMENTO DO USO E COBERTURA DO SOLO UTILIZANDO IMAGEM RAPIDEYE ALEX GARCEZ UTSUMI¹ TERESA CRISTINA TARLÉ
Leia maisSensoriamento Remoto
LABORATÓRIOS DIDÁTICOS DE GEOPROCESSAMENTO Sensoriamento Remoto Classificação Supervisionada de Imagens de Sensoriamento Remoto Elaboração: Cláudia Soares Machado Mariana Giannotti Rafael Walter de Albuquerque
Leia maisMapeamento do uso do solo para manejo de propriedades rurais
1/28 Mapeamento do uso do solo para manejo de propriedades rurais Teoria Eng. Allan Saddi Arnesen Eng. Frederico Genofre Eng. Marcelo Pedroso Curtarelli 2/28 Conteúdo programático: Capitulo 1: Conceitos
Leia maisCOMPARAÇÃO ENTRE OS MÉTODOS DE CLASSIFICAÇÃO SUPERVISIONADA MAXVER E DISTÂNCIA MÍNIMA NA ANÁLISE DO USO E COBERTURA DO SOLO NA REGIÃO DO ALTO ARAGUAIA
COMPARAÇÃO ENTRE OS MÉTODOS DE CLASSIFICAÇÃO SUPERVISIONADA MAXVER E DISTÂNCIA MÍNIMA NA ANÁLISE DO USO E COBERTURA DO SOLO NA REGIÃO DO ALTO ARAGUAIA Rodrigo Moura Pereira¹ (UEG) Gustavo Henrique Mendes
Leia maisSegmentação e Classificação. Prof. Herondino
Segmentação e Classificação Prof. Herondino Segmentação Neste processo, divide-se a imagem em regiões que devem corresponder às áreas de interesse da aplicação. Entende-se por regiões um conjunto de "pixels"
Leia maisAvaliação de métodos de classificação de imagens IKONOS para o mapeamento da cobertura terrestre
Avaliação de métodos de classificação de imagens IKONOS para o mapeamento da cobertura terrestre Regiane Maria Paes Ribeiro 1 Vicente Paulo Soares 2 Carlos Antônio Oliveira Vieira 2 1 Agência Nacional
Leia maisAvaliação de métodos de classificação para o mapeamento de remanescentes florestais a partir de imagens HRC/CBERS
http://dx.doi.org/10.12702/viii.simposfloresta.2014.131-592-1 Avaliação de métodos de classificação para o mapeamento de remanescentes florestais a partir de imagens HRC/CBERS Juliana Tramontina 1, Elisiane
Leia maisPROGRAMA DE ENSINO. 3 quadrimestre Área de Concentração AQUISIÇÃO, ANÁLISE E REPRESENTAÇÃO DE INFORMAÇÕES ESPACIAIS
PROGRAMA DE ENSINO Disciplina ANÁLISE DE IMAGENS MULTIESPECTRAIS Código Semestre Ano Letivo 3 quadrimestre 2018 Área de Concentração AQUISIÇÃO, ANÁLISE E REPRESENTAÇÃO DE INFORMAÇÕES ESPACIAIS Curso: MESTRADO
Leia maisQuestões concursos
Questões concursos Grandezas radiométricas Índices de vegetação Classificação Concurso Público para Pesquisador do IMB Instituto Mauro Borges de Estatísticas e Estudos Socioeconômicos 25. A
Leia maisMapeamento do uso da terra baseado em imagem Ikonos II com a utilização de algoritmos classificadores por pixels e por regiões
Mapeamento do uso da terra baseado em imagem Ikonos II com a utilização de algoritmos classificadores por pixels e por regiões Luís Eduardo Ribeiro de Mendonça 1 Vicente Paulo Soares 1 José Marinaldo Gleriani
Leia maisAvaliação de algoritmos de classificação supervisionada para imagens do Cbers-2 da Região do Parque Estadual do Rio Doce-MG
Avaliação de algoritmos de classificação supervisionada para imagens do Cbers-2 da Região do Parque Estadual do Rio Doce-MG Mayra Luíza Marques da Silva 1 Geraldo Paulino Marques Pereira 2 1 Universidade
Leia maisClassificação orientada objeto de imagem de alta resolução para modelagem hidrológica em sub-bacias do Alto Rio Grande
Classificação orientada objeto de imagem de alta resolução para modelagem hidrológica em sub-bacias do Alto Rio Grande Gil Júlio de Souza Netto 1 Luís Marcelo Tavares de Carvalho 2 Malcon do Prado Costa
Leia maisAVALIAÇÃO DE TÉCNICAS CLASSIFICAÇÃO NA EXTRAÇÃO DE FEIÇÕES EM IMAGENS DE ALTA RESOLUÇÃO DO SENSOR AEROTRANSPORTADO ADS-80.
AVALIAÇÃO DE TÉCNICAS CLASSIFICAÇÃO NA EXTRAÇÃO DE FEIÇÕES EM IMAGENS DE ALTA RESOLUÇÃO DO SENSOR AEROTRANSPORTADO ADS-80. Marcelo Parise 1, Wandrevy Ribeiro dos Santos 2 1 Oceanólgo, Analista em C & T,
Leia maisMAPEAMENTO DE AMBIENTES DA PLANÍCIE COSTEIRA DE SOURE (ILHA DE MARAJÓ), A PARTIR DE IMAGENS IKONOS: UMA ABORDAGEM DE CLASSIFICAÇÃO ORIENTADA A OBJETO
MAPEAMENTO DE AMBIENTES DA PLANÍCIE COSTEIRA DE SOURE (ILHA DE MARAJÓ), A PARTIR DE IMAGENS IKONOS: UMA ABORDAGEM DE CLASSIFICAÇÃO ORIENTADA A OBJETO Diogo Corrêa Santos 1 ; Wilson da Rocha Nascimento
Leia maisCLASSIFICAÇÃO PIXEL A PIXEL DE CULTIVOS CAFEEIROS EM IMAGEM DE SATÉLITE DE ALTA RESOLUÇÃO
CLASSIFICAÇÃO PIXEL A PIXEL DE CULTIVOS CAFEEIROS EM IMAGEM DE SATÉLITE DE ALTA RESOLUÇÃO RENNAN DE FREITAS BEZERRA MARUJO 1, TATIANA GROSSI CHQUILOFF VIEIRA 2, MARGARETE MARIN LORDELO VOLPATO 3, HELENA
Leia maisMapeamento do uso do solo
Multidisciplinar Mapeamento do uso do solo para manejo de propriedades rurais Allan Arnesen Frederico T. Genofre Marcelo Pedroso Curtarelli CAPÍTULO 4 Técnicas de classificação de imagens e processamento
Leia maisMapeamento urbano por classificação hierárquica semi-automática baseada em objetos
Mapeamento urbano por classificação hierárquica semi-automática baseada em objetos Francine da Rocha Rossoni 1 Valéria Jardim Pires 1 Daniel Zanotta 1,2 1 Instituto Federal de Educação Ciência e Tecnologia
Leia maisPROGRAMA DE ENSINO. Área de Concentração AQUISIÇÃO, ANÁLISE E REPRESENTAÇÃO DE INFORMAÇÕES ESPACIAIS
PROGRAMA DE ENSINO Disciplina ANÁLISE DE IMAGENS MULTIESPECTRAIS Semestre Código Ano Letivo Área de Concentração AQUISIÇÃO, ANÁLISE E REPRESENTAÇÃO DE INFORMAÇÕES ESPACIAIS Curso: MESTRADO ( x ) DOUTORADO
Leia maisProcessamento Digital de Imagens SER Prática de Laboratório
Processamento Digital de Imagens SER 413-4 - Prática de Laboratório Bruna Virginia Neves João Arthur Pompeu Pavanelli Vanessa Camphora Relatório Parcial da prática de laboratório da disciplina de Processamento
Leia maisEstatística: Aplicação ao Sensoriamento Remoto SER ANO Avaliação de Classificação
Estatística: Aplicação ao Sensoriamento Remoto SER 204 - ANO 2018 Avaliação de Classificação Camilo Daleles Rennó camilo@dpi.inpe.br http://www.dpi.inpe.br/~camilo/estatistica/ Classificação e Incerteza
Leia maisDesempenho de classificadores de SIG em imagens do Landsat-8 da Bacia Hidrográfica do Rio São Francisco Verdadeiro Oeste do PR, no ano de 2015
https://eventos.utfpr.edu.br//sicite/sicite2017/index Desempenho de classificadores de SIG em imagens do Landsat-8 da Bacia Hidrográfica do Rio São Francisco Verdadeiro Oeste do PR, no ano de 2015 RESUMO
Leia maisCampus de Presidente Prudente PROGRAMA DE ENSINO. Área de Concentração AQUISIÇÃO, ANÁLISE E REPRESENTAÇÃO DE INFORMAÇÕES ESPACIAIS
PROGRAMA DE ENSINO Disciplina ANÁLISE DE IMAGENS MULTIESPECTRAIS Semestre Código Ano Letivo Área de Concentração AQUISIÇÃO, ANÁLISE E REPRESENTAÇÃO DE INFORMAÇÕES ESPACIAIS Curso: MESTRADO ( x ) DOUTORADO
Leia maisCLASSIFICAÇÃO MULTIESPECTRAIS
CLASSIFICAÇÃO EM IMAGENS MULTIESPECTRAIS Classificação em imagens multiespectrais Imagens multiespectrais Padrão (vetor) Espaço de atributos Classificação Classificação em imagens multiespectrais Imagens
Leia maisCLASSIFICAÇÃO SUPERVISIONADA EM IMAGEM ALOS PARA O MAPEAMENTO DE ARROZ IRRIGADO NO MUNICÍPIO DE MASSARANDUBA SC
p. 001-007 CLASSIFICAÇÃO SUPERVISIONADA EM IMAGEM ALOS PARA O MAPEAMENTO DE ARROZ IRRIGADO NO MUNICÍPIO DE MASSARANDUBA SC RAPHAEL SOUZA RIBEIRO DENILSON DORTZBACH. JUAN ANTÔNIO ALTAMIRANO FLORES Universidade
Leia maisIMAGENS DIGITAIS APLICADAS PARA DETERMINAÇÃO DE ÁREAS AGRÍCOLAS ATRAVÉS DO CLASSIFICADOR BAYES
IMAGENS DIGITAIS APLICADAS PARA DETERMINAÇÃO DE ÁREAS AGRÍCOLAS ATRAVÉS DO CLASSIFICADOR BAYES RAFAEL COLL DELGADO 1 ; GILBERTO CHOHAKU SEDIYAMA 2 ; EVALDO DE PAIVA LIMA 3, RICARDO GUIMARÃES ANDRADE 4
Leia maisVALIDAÇÃO DAS CLASSIFICAÇÕES DAS IMAGENS DOS SATÉLITES LANDSAT 8 E SENTINEL-2 NA BACIA HIDROGRÁFICA DO CÓRREGO RIBEIRÃOZINHO/MS
VALIDAÇÃO DAS CLASSIFICAÇÕES DAS IMAGENS DOS SATÉLITES LANDSAT 8 E SENTINEL-2 NA BACIA HIDROGRÁFICA DO CÓRREGO RIBEIRÃOZINHO/MS VALIDATION OF CLASSIFICATIONS OF THE IMAGES OF THE LANDSAT 8 AND SENTINEL-2
Leia maisSENSORIAMENTO REMOTO APLICADO A ANÁLISE AMBIENTAL NO SEMIÁRIDO: A CLASSIFICAÇÃO DO USO E COBERTURA DA TERRA NO MUNICÍPIO DE FEIRA DE SANTANA-BA
Revista do CERES Volume 1, Número 2 2015 http://www.cerescaico.ufrn.br/ceres/ SENSORIAMENTO REMOTO APLICADO A ANÁLISE AMBIENTAL NO SEMIÁRIDO: A CLASSIFICAÇÃO DO USO E COBERTURA DA TERRA NO MUNICÍPIO DE
Leia mais1. Introdução O ambiente e os recursos terrestres estão sofrendo mudanças constantemente em resposta à evolução natural e às atividades humanas.
UTILIZAÇÃO DE ALGORITMOS DE CLASSIFICAÇÃO PARA O MAPEAMENTO DO USO E COBERTURA DA TERRA NA BACIA HIDROGRÁFICA DO RIBEIRÃO SÃO BARTOLOMEU, VIÇOSA-MG, A PARTIR DE UMA IMAGEM DO SENSOR IKONOS II Adelson de
Leia maisMaria Gonçalves da Silva Barbalho 1 André Luiz Monteiro da Silva 1 Mariana Almeida de Araújo 1 Rafael Antônio França Ferreira 1
Imagens CBERS para o Monitoramento da 2 a Safra Agrícola de 2004 Município de Jataí Goiás Maria Gonçalves da Silva Barbalho 1 André Luiz Monteiro da Silva 1 Mariana Almeida de Araújo 1 Rafael Antônio França
Leia maisCOMPARAÇÃO ENTRE OS MÉTODOS DE FUSÃO IHS, PRINCIPAL COMPONENTS
112 COMPARAÇÃO ENTRE OS MÉTODOS DE FUSÃO IHS, PRINCIPAL COMPONENTS E GRAM-SCHMIDT APLICADOS À IMAGEM DO SATÉLITE LANDSAT 8 SENSOR OLI. Introdução LIMA, Daniel de PEREIRA, Gabriela Kostrzewycz RIBEIRO,
Leia maisCorreção do fenômeno NODATA na transformação de 16 para 8 bits em imagens QuickBird.
Correção do fenômeno NODATA na transformação de 16 para 8 bits em imagens QuickBird. Rodrigo Aparecido Domingues Melquiades 1 Camila Souza dos Anjos 1 Luciana Arantes dos Santos 1 1 Imagem Soluções de
Leia maisTRATAMENTO DOS DADOS DE SATÉLITES
TRATAMENTO DOS DADOS DE SATÉLITES Fonte de radiação SISTEMA DE COLETA Trajetória ria PRODUTOS INTERAÇÃO SISTEMA TRATAMENTO AÇÕES Produto final Tratamento de imagem Consiste em aplicar determinadas técnicas
Leia maisEstudo Comparativo entre Softwares na Classificação de Imagens de Alta Resolução Espacial. Anderson Reis Soares 1 Michele Beppler 2
Estudo Comparativo entre Softwares na Classificação de Imagens de Alta Resolução Espacial Anderson Reis Soares 1 Michele Beppler 2 1,2 Instituto Federal de Educação Ciência e Tecnologia da Paraíba IFPB
Leia maisInfluência da segmentação no processo de classificação por região. Julio Cesar de Oliveira 1 Joisceany Moreira Ferreira da Silva 2
Influência da segmentação no processo de classificação por região Julio Cesar de Oliveira 1 Joisceany Moreira Ferreira da Silva 2 Universidade Federal de Viçosa UFV / DEC Campus Universitário CEP 36570-000
Leia maisGEOPROCESSAMENTO. Classificação de imagens de Sensoriamento Remoto. Prof. Luiz Rotta
GEOPROCESSAMENTO Classificação de imagens de Sensoriamento Remoto Prof. Luiz Rotta CLASSIFICAÇÃO Processo de extração de informação em imagens para reconhecer padrões e objetos homogêneos Sensoriamento
Leia maisComparação de métodos de classificação da cobertura do solo urbano utilizando imagens IKONOS II com e sem o auxílio de dados LiDAR
Comparação de métodos de classificação da cobertura do solo urbano utilizando imagens IKONOS II com e sem o auxílio de dados LiDAR Leonardo Rodrigues de Deus 1 Rafael Santos 1 Leila Maria G. Fonseca 1
Leia maisTatiana Ayako Taura 1 Iêdo Bezerra Sá 1 Tony Jarbas Ferreira Cunha 1 Vanderlise Giongo Petrere 1 Manoel Batista de Oliveira Neto 2
Experimento de segmentação de imagens para elaboração do mapa de uso do solo para contribuir com a revitalização do Rio São Francisco nos municípios de Petrolina, Lagoa Grande e Santa da Boa Vista Tatiana
Leia maisAlterações no padrão de cobertura da terra na Zona Oeste da cidade do Rio de Janeiro/RJ nos anos de 1985 e DOMINIQUE PIRES SILVA
Alterações no padrão de cobertura da terra na Zona Oeste da cidade do Rio de Janeiro/RJ nos anos de 1985 e 2010. DOMINIQUE PIRES SILVA Universidade Federal Rural do Rio de Janeiro E-mail: nique_rhcp@hotmail.com
Leia maisExtração de cicatrizes de movimentos de massa na região de Cubatão SP por meio de técnicas de Interpretação de Imagens
Extração de cicatrizes de movimentos de massa na região de Cubatão SP por meio de técnicas de Interpretação de Imagens Souza Anjos, D. (INPE) ; Sena, I. (INPE) RESUMO Movimentos de massa são caracterizados
Leia maisARTIGO COM APRESENTAÇÃO BANNER - MONITORAMENTO AMBIENTAL
ARTIGO COM APRESENTAÇÃO BANNER - MONITORAMENTO AMBIENTAL ANÁLISE MULTITEMPORAL DA COBERTURA VEGETAL NO MUNICIPIO DE SÃO MIGUEL DO GUAMÁ, ESTADO DO PARÁ. RAYSSA CHAVES BRAGA, LAIS VIEIRA DE CARVALHO, MERILENE
Leia maisAplicação de redes neurais artificiais para estimativa de produção florestal utilizando imagens Landsat 7
http://dx.doi.org/10.12702/viii.simposfloresta.2014.8-528-1 Aplicação de redes neurais artificiais para estimativa de produção florestal utilizando imagens Landsat 7 Pablo F. Lopes 1, Thaissa R. Teixeira
Leia maisCarolina Moutinho Duque de Pinho1 Hermann Johann Heinrich Kux1 Cláudia Maria Almeida1
Influência de diferentes padrões de ocupação do solo urbano na qualidade de mapeamentos de cobertura do solo em imagens de alta resolução espacial: estudo de caso de São José dos Campos (SP) Carolina Moutinho
Leia maisAnálise Fractal de Textura Usando um Operador de Hurst em uma Imagem TM/Landsat-5
Análise Fractal de Textura Usando um Operador de Hurst em uma Imagem TM/Landsat-5 Marcos Cicarini Hott 1 Vicente Paulo Soares 2 Carlos Antônio Álvares Soares Ribeiro 2 James Jackson Griffith 2 RESUMO O
Leia maisCOMPARAÇÃO VISUAL ENTRE FUSÃO DE IMAGENS CBERS II B/CCD E LANDSAT 5/TM UTILIZANDO A PANCROMÁTICA CBERS II B/HRC EM SOFTWARE LIVRE
COMPARAÇÃO VISUAL ENTRE FUSÃO DE IMAGENS CBERS II B/CCD E LANDSAT 5/TM UTILIZANDO A PANCROMÁTICA CBERS II B/HRC EM SOFTWARE LIVRE Julio Cesar Pedrassoli (Geógrafo, mestre em Geografia Física, doutorando
Leia maisMAPEAMENTO DO USO E OCUPAÇÃO DA TERRA NA MICROBACIA DO RIO LAMBARI, MUNICÍPIO DE POÇOS DE CALDAS - MG
5ª Jornada Científica e Tecnológica e 2º Simpósio de Pós-Graduação do IFSULDEMINAS 06 a 09 de novembro de 2013, Inconfidentes/MG MAPEAMENTO DO USO E OCUPAÇÃO DA TERRA NA MICROBACIA DO RIO LAMBARI, MUNICÍPIO
Leia maisPROCESSAMENTO E CLASSIFICAÇÃO DE IMAGENS DE SATÉLITE PARA CARACTERIZAÇÃO DE USOS DO SOLO
PROCESSAMENTO E CLASSIFICAÇÃO DE IMAGENS DE SATÉLITE PARA CARACTERIZAÇÃO DE USOS DO SOLO Jairo Lima do Nascimento 1, George Leite Mamede 2, João Paulo do Vale Madeiro 3 Resumo: A aplicação de técnicas
Leia maisAPLICAÇÃO E ANÁLISE DAS TÉCNICAS DE FUSÃO IHS E COMPONENTES PRINCIPAIS EM IMAGENS DO SATÉLITE CBERS-2B MULTISSENSORES HRC/CCD RESUMO ABSTRACT
S B C Anais do XXVII Congresso Brasileiro de Cartografia e XXVI Exposicarta 6 a 9 de novembro de 2017, SBC, Rio de Janeiro - RJ, p. 502-506 APLICAÇÃO E ANÁLISE DAS TÉCNICAS DE FUSÃO IHS E COMPONENTES PRINCIPAIS
Leia maisUSO DE IMAGENS TM LANDSAT 5 PARA ANÁLISE DO ALBEDO E SALDO DE RADIAÇÃO NA BACIA HIDROGRÁFICA DO CAMARAGIBE: DESTAQUE PARA SÃO LUIZ DO QUITUNDE-AL
USO DE IMAGENS TM LANDSAT 5 PARA ANÁLISE DO ALBEDO E SALDO DE RADIAÇÃO NA BACIA HIDROGRÁFICA DO CAMARAGIBE: DESTAQUE PARA SÃO LUIZ DO QUITUNDE-AL Laurizio Emanuel Ribeiro Alves 1 ; Heliofábio Barros Gomes
Leia maisÁrea verde por habitante na cidade de Santa Cruz do Sul, RS
SCIENTIA PLENA VOL. 8, NUM. 4 2012 www.scientiaplena.org.br Área verde por habitante na cidade de Santa Cruz do Sul, RS C. C. A. Calegari 1 ; L. Calegari 2 ; M. P. Friedrich 3 ; D. A. Gatto 4 ; D. M. Stargerlin
Leia maisCLASSIFICAÇÃO DA COBERTURA DA TERRA A PARTIR DE SEGMENTAÇÃO DE IMAGENS DERIVADAS DE BANDAS ESPECTRAIS ORIGINAIS DO WORLDVIEW-2
CLASSIFICAÇÃO DA COBERTURA DA TERRA A PARTIR DE SEGMENTAÇÃO DE IMAGENS DERIVADAS DE BANDAS ESPECTRAIS ORIGINAIS DO WORLDVIEW-2 JULIANE JUSSARA AFFONSO¹ MAURICIO SCHIAVOLIN SILVA² MARIA DE LOURDES TRINDADE
Leia maisCamila Aguirre Góes 1 Wilson Lins de Mello Filho 2 Valquíria Quirino 1 Melissa Carvalho 3
Avaliação da acurácia de classificadores, utilizando técnica de fusão de bandas dos sensores ETM + /LANDSAT-7 e CCD/CBERS-1. Camila Aguirre Góes 1 Wilson Lins de Mello Filho 2 Valquíria Quirino 1 Melissa
Leia maisFernando Leonardi 1 Cláudia Maria de Almeida 1 Leila Maria Garcia Fonseca 1 Flávio Fortes Camargo 1
Avaliação Comparativa entre Classificação Supervisionada por Regiões e Orientada a Objeto para Imagens de Alta Resolução Espacial: Cbers 2B-HRC e QuickBird Fernando Leonardi 1 Cláudia Maria de Almeida
Leia maisExtração da cobertura vegetal de áreas urbanas utilizando imagens do satélite GeoEye-1
Anais XV Simpósio Brasileiro de Sensoriamento Remoto - SBSR, Curitiba, PR, Brasil, 30 de abril a 05 de maio de 2011, INPE p.1576 Extração da cobertura vegetal de áreas urbanas utilizando imagens do satélite
Leia maisCLASSIFICAÇÃO DE UMA IMAGEM IKONOS UTILIZANDO AS TÉCNICAS PIXEL A PIXEL E A ANÁLISE ORIENTADA A REGIÃO
CLASSIFICAÇÃO DE UMA IMAGEM IKONOS UTILIZANDO AS TÉCNICAS PIXEL A PIXEL E A ANÁLISE ORIENTADA A REGIÃO Ítalo Cavassim Junior 1 Jorge Centeno 2 1 Universidade Federal do Paraná italo@geoc.ufpr.br 2 Universidade
Leia maisDETECÇÃO AUTOMÁTICA DAS ÁREAS DE REFORMA DENTRO DAS ÁREAS DE CANA-DE-AÇÚCAR (Projeto CANASAT)
DETECÇÃO AUTOMÁTICA DAS ÁREAS DE REFORMA DENTRO DAS ÁREAS DE CANA-DE-AÇÚCAR (Projeto CANASAT) Elizabeth Goltz 1 Leila M. G. Fonseca 1 Bernardo F. T. Rudorff 1 Carolina Moutinho Duque de Pinho 1 Daniel
Leia maisAplicação da técnica de mineração de dados por meio do algoritmo J48 para definição de limiares de imagens de sensoriamento remoto
Aplicação da técnica de mineração de dados por meio do algoritmo J48 para definição de limiares de imagens de sensoriamento remoto Rodrigo Rodrigues Antunes e Israel Rodrigues Gonçalves Resumo: O objetivo
Leia maisEcologia de Paisagem Conceitos e métodos de pesquisa 2012
Ecologia de Paisagem Conceitos e métodos de pesquisa 2012 Bases de sensoriamento remoto Cálculo de métricas com Fragstats Leandro Reverberi Tambosi letambosi@yahoo.com.br Sensoriamento Remoto Conjunto
Leia maisAVALIAÇÃO DE ALGORITMOS DE CLASSIFICAÇÃO SUPERVISIONADA DE IMAGEM DIGITAL DO SATÉLITE IKONOS NA REGIÃO DA SERRA DO SALITRE - MG
AVALIAÇÃO DE ALGORITMOS DE CLASSIFICAÇÃO SUPERVISIONADA DE IMAGEM DIGITAL DO SATÉLITE IKONOS NA REGIÃO DA SERRA DO SALITRE - MG Julierme Wagner da Penha Universidade Federal de Viçosa UFV juliermewagner@yahoo.com.br
Leia maisCLASSIFICAÇÃO DA COBERTURA DA TERRA A PARTIR DE SEGMENTAÇÃO DE IMAGENS DERIVADAS DE BANDAS ESPECTRAIS ORIGINAIS DO WORLDVIEW-2
p.101-106 CLASSIFICAÇÃO DA COBERTURA DA TERRA A PARTIR DE SEGMENTAÇÃO DE IMAGENS DERIVADAS DE BANDAS ESPECTRAIS ORIGINAIS DO WORLDVIEW-2 JULIANE JUSSARA AFFONSO¹ MAURICIO SCHIAVOLIN SILVA² MARIA DE LOURDES
Leia maisClassificação de imagens aéreas de alta-resolução utilizando Redes Neurais Artificiais e dados de varredura a laser
Anais XV Simpósio Brasileiro de Sensoriamento Remoto - SBSR, Curitiba, PR, Brasil, 30 de abril a 05 de maio de 20, INPE p.7792 Classificação de imagens aéreas de alta-resolução utilizando Redes Neurais
Leia mais27/03/2017 OPERAÇÕES ARITMÉTICAS NDVI E RAZÃO DE BANDAS AULA 04 RAZÃO DE BANDAS. Ex: Realce de minerais de Ferro = ρ v / ρ A
OPERAÇÕES ARITMÉTICAS NDVI E AULA 04 Daniel C. Zanotta 27/03/2017 Dividir uma banda por outra (pixel a pixel) pode trazer diversas informações a respeitos dos alvos contidos na cena. Dependendo dos canais
Leia maisMAPEAMENTO DO USO DO SOLO URBANO ATRAVÉS DA CLASSIFICAÇÃO POR REGIÕES BASEADA EM MEDIDAS TEXTURAIS
MAPEAMENTO DO USO DO SOLO URBANO ATRAVÉS DA CLASSIFICAÇÃO POR REGIÕES BASEADA EM MEDIDAS TEXTURAIS Iris de Marcelhas e Souza 1 Madalena N. Pereira 1 Leila M. F. Garcia 1 Maria de Lourdes Neves de Oliveira
Leia mais1. Unidade Amostral de Paisagem Localização
ANEXO IV Modelo de Relatório com os Resultados do Mapeamento de Uso e Cobertura da terra de cada Unidade Amostral de Paisagem (UAP) e respectiva Avaliação da Acuracidade Temática RELATÓRIO UAP1214 Resultados
Leia maisSensoriamento Remoto II
Sensoriamento Remoto II 2 Detecção de alterações UFPR Departamento de Geomática Prof. Jorge Centeno O problema de deteção de mudanças É possível detectar as alterações em uma série de imagens orbitais
Leia maisAnálise de Imagens com o ArcGIS for Desktop
Análise de Imagens com o ArcGIS for Desktop Duração: 2 dias (16 horas) Versão do ArcGIS: 10.x Material didático: Inglês Descrição Aprender as melhores práticas e fluxos de trabalhos para potencializar
Leia maisFusão de imagens de Sensoriamento Remoto utilizando a Transformada Wavelet Haar
Fusão de imagens de Sensoriamento Remoto utilizando a Transformada Wavelet Haar Osny Ferreira da Silva 1 Giovanni Araujo Boggione 1 Leila Maria Garcia Fonseca 2 1 Centro Federal de Educação Tecnológica
Leia maisA RELEVÂNCIA DA VALIDAÇÃO A CAMPO NA ANÁLISE DE CLASSIFICAÇÃO DO USO E COBERTURA DA TERRA
A RELEVÂNCIA DA VALIDAÇÃO A CAMPO NA ANÁLISE DE CLASSIFICAÇÃO DO USO E COBERTURA DA TERRA Área temática: Cartografía y tecnologías de la información geográfica. Kelly Lais Wiggers, Selma Regina Aranha
Leia maisde Ciências do Ambiente e Sustentabilidade na Amazônia
Anais do I Seminário Internacional de Ciências do Ambiente e Sustentabilidade na Amazônia IDENTIFICAÇÃO DO USO E COBERTURA DO SOLO DA ÁREA DE EXPANSÃO DO DISTRITO INDUSTRIAL DE MANAUS ATRAVÉS DE CLASSIFICAÇAO
Leia maisAVALIAÇÃO DA ESTIMATIVA DE PARÂMETROS PARA MODELOS AR2D APLICADOS NA EXTRAÇÃO DE ATRIBUTOS DE TEXTURA EM IMAGENS DE SENSORIAMENTO REMOTO
AVALIAÇÃO DA ESTIMATIVA DE PARÂMETROS PARA MODELOS AR2D APLICADOS NA EXTRAÇÃO DE ATRIBUTOS DE TEXTURA EM IMAGENS DE SENSORIAMENTO REMOTO GUSTAVO TADEU ZANIBONI 1 LUCIANO VIEIRA DUTRA 1 1 INPE - Instituto
Leia mais17 e 18 de Maio de 2012 Escola Superior Agrária Instituto Politécnico de Castelo Branco
Identificação e quantificação da área da projecção horizontal de copa por espécie florestal com imagens de alta resolução espacial (Quickbird) utilizando segmentação e classificação orientada a objecto
Leia maisFace Recognition using RGB-D Images
Face Recognition using RGB-D Images Helder C. R. de Oliveira N.USP: 7122065 Polyana Nunes N.USP: 9043220 Sobre o Artigo Publication: 2013 IEEE Sixth International Conference Author(s) Goswami, G. (Índia
Leia maisDESENVOLVIMENTO DE MÁSCARA DE FLORESTA UTILIZANDO CLASSIFICAÇÃO ORIENTADA A OBJETO RESUMO ABSTRACT
S B C Anais do XXVII Congresso Brasileiro de Cartografia e XXVI Exposicarta 6 a 9 de novembro de 2017, SBC, Rio de Janeiro - RJ, p. 452-456 DESENVOLVIMENTO DE MÁSCARA DE FLORESTA UTILIZANDO CLASSIFICAÇÃO
Leia maisCaroline Leão 1 Lilian Anne Krug 1 Milton Kampel 1 Leila Maria Garcia Fonseca 1
Avaliação de métodos de classificação em imagens TM/Landsat e CCD/CBERS para o mapeamento do uso e cobertura da terra na região costeira do extremo sul da Bahia Caroline Leão 1 Lilian Anne Krug 1 Milton
Leia maisF- Classificação. Banda A
F- Classificação Classificação Digital é associar determinado pixel a determinada categoria por meio de critérios estatísticos Banda B? da d b dc Espaço dos Atributos Classes Banda A Classificação: ordenar,
Leia maisEXPANSÃO AGROPECUÁRIA NA BACIA HIDROGRÁFICA DO RIO AREIAS, TOCANTINS.
26 a 29 de novembro de 2013 Campus de Palmas EXPANSÃO AGROPECUÁRIA NA BACIA HIDROGRÁFICA DO RIO AREIAS, TOCANTINS. Mariléia Lacerda Barros Silva¹, Emerson Figueiredo Leite². ¹Aluno do Curso de Geografia
Leia maisDETERMINAÇÃO DO ÍNDICE DE VEGETAÇÃO ATRAVÉS DE IMAGENS METEOSAT-8
DETERMINAÇÃO DO ÍNDICE DE VEGETAÇÃO ATRAVÉS DE IMAGENS METEOSAT-8 BARBOSA, H. A. 1 ; ACCIOLY FILHO, J. B. P. 2 ; MELCÍADES, W. L. B. 3 ; MELLO, N. G. S. 4 ; SOUZA, J. M. DE 5 RESUMO: Neste trabalho, o
Leia maisSensoriamento Remoto: introdução ao Processamento Digital de Imagens. Patricia M. P. Trindade; Douglas S. Facco; Waterloo Pereira Filho.
Sensoriamento Remoto: introdução ao Processamento Digital de Imagens Patricia M. P. Trindade; Douglas S. Facco; Waterloo Pereira Filho. Organização de uma imagem As imagens de sensoriamento remoto são
Leia maisAnais 2º Simpósio de Geotecnologias no Pantanal, Corumbá, 7-11 novembro 2009, Embrapa Informática Agropecuária/INPE, p
Avaliação da acurácia dos classificadores de máxima verossimilhança, mínima distância euclidiana e isodata na classificação de imagens da região do Pantanal Atilio Efrain Bica Grondona 1 1 Centro Estadual
Leia maisPROCESSAMENTO DIGITAL DE IMAGENS
UNIVERSIDADE DE SÃO PAULO ESCOLA SUPERIOR DE AGRICULTURA LUIZ DE QUEIROZ DEPARTAMENTO DE ENGENHARIA DE BIOSSISTEMAS DISCIPLINA: LEB450 TOPOGRAFIA E GEOPROCESSAMENTO II PROF. DR. CARLOS ALBERTO VETTORAZZI
Leia maisMapeamento de Uso da Terra através de utilização de imagens CBERS
Mapeamento de Uso da Terra através de utilização de imagens CBERS Fernando Yutaka Yamaguchi 1 Glailson Barreto Silva 1 Helge Henriette Sokolonski 1 José Henrique Vilas Boas 1 Mario Luiz Pereira da Silva
Leia maisCidade Universitária Zeferino Vaz Campinas - SP
Anais XV Simpósio Brasileiro de Sensoriamento Remoto - SBSR, Curitiba, PR, Brasil, 30 de abril a 05 de maio de 2011, INPE p.7324 Avaliação de classificadores para o mapeamento de uso da terra Ariadiny
Leia maisReconhecimento de texturas utilizando padrão binário local e classificador knn.
Reconhecimento de texturas utilizando padrão binário local e classificador knn. Vinicius Santos Andrade 1 Resumo. Através de uma imagem é possível obter inúmeras informações. Portanto, é cada vez mais
Leia maisANALISE DE DADOS AMBIENTAIS POR MEIO DO USO DE IMAGENS DE SATÉLITE
ANALISE DE DADOS AMBIENTAIS POR MEIO DO USO DE IMAGENS DE SATÉLITE MAURICIO MARTORELLI GALERA UNIVERSIDADE ESTADUAL DE LONDRINA UEL INTRODUÇÃO A evolução tecnológica dos sistemas de imageamento remoto
Leia maisFigura 1 - Abrangência espacial do Bioma Cerrado. Fonte: Adaptado de Scariot et al. (2005).
IDENTIFICAÇÃO DE ÁREAS DESMATADAS ATRAVÉS DE SEGMENTAÇÃO E CLASSIFICAÇÃO DE IMAGENS DO MODELO LINEAR DE MISTURA ESPECTRAL APLICADO A DADOS DO SENSOR LANDSAT 5/TM, NO MUNICÍPIO DE SAPEZAL-MT. Bruno Rodrigues
Leia maisINSTITUTO NACIONAL DE PESQUISAS ESPACIAIS PROGRAMA DE PÓS-GRADUAÇÃO EM SENSORIAMENTO REMOTO DIVISÃO DE PROCESSAMENTO DE IMAGENS
INSTITUTO NACIONAL DE PESQUISAS ESPACIAIS PROGRAMA DE PÓS-GRADUAÇÃO EM SENSORIAMENTO REMOTO DIVISÃO DE PROCESSAMENTO DE IMAGENS SER-300: INTRODUÇÃO AO GEOPROCESSAMENTO Laboratório II: Cartografia em GIS/Registro
Leia maisEXATIDÃO DE CLASSIFICAÇÕES AUTOMÁTICAS DE UMA IMAGEM LANDSAT 5 TM PARA A REGIÃO CAFEEIRA DE MACHADO, MG
EXATIDÃO DE CLASSIFICAÇÕES AUTOMÁTICAS DE UMA IMAGEM LANDSAT 5 TM PARA A REGIÃO CAFEEIRA DE MACHADO, MG Walbert J. R. Santos¹; Tatiana G. C. Vieira²; Tiago Bernardes 3 ; Helena M. R. Alves 4 ; Sandra P.
Leia maisDetecção de mudanças híbrida: uma associação entre classificação baseada em objetos e baseada em pixels
Detecção de mudanças híbrida: uma associação entre classificação baseada em objetos e baseada em pixels Rômulo Weckmüller 1 Raúl Sánchez Vicens 1 1 Universidade Federal Fluminense UFF Programa de Pós-Graduação
Leia maisMAPEAMENTO DA COBERTURA DO SOLO URBANO POR MEIO DO PROCESSAMENTO DE IMAGEM DE ALTA RESOLUÇÃO ESPACIAL
MAPEAMENTO DA COBERTURA DO SOLO URBANO POR MEIO DO PROCESSAMENTO DE IMAGEM DE ALTA RESOLUÇÃO ESPACIAL Alzir Felippe Buffara Antunes Universidade Federal do Paraná. felipe@ufpr.br Maria Cecilia Bonato Brandalize
Leia maisAnálise da distribuição de copas de Araucária (Araucaria angustifolia Bert. O. Ktz.) a partir da fusão de imagens HRC-CCD/CBERS-2B
Análise da distribuição de copas de Araucária (Araucaria angustifolia Bert. O. Ktz.) a partir da fusão de imagens HRC-CCD/CBERS-2B Fabio Fernandes Silva 1 Emerson Luiz Servello 1 Leila Maria Garcia Fonseca
Leia maisINSTITUTO NACIONAL DE PESQUISAS ESPACIAIS PROGRAMA DE PÓS-GRADUAÇÃO EM SENSORIAMENTO REMOTO DIVISÃO DE PROCESSAMENTO DE IMAGENS
INSTITUTO NACIONAL DE PESQUISAS ESPACIAIS PROGRAMA DE PÓS-GRADUAÇÃO EM SENSORIAMENTO REMOTO DIVISÃO DE PROCESSAMENTO DE IMAGENS SER-300: INTRODUÇÃO AO GEOPROCESSAMENTO Laboratório I: Modelagem da Base
Leia mais5 Experimentos Corpus
5 Experimentos 5.1. Corpus A palavra corpus significa corpo em latim. No contexto de Aprendizado de Máquina, corpus se refere a um conjunto de dados utilizados para experimentação e validação de modelos.
Leia maisClassificação digital de Imagens
Classificação digital de Imagens Workshop III - (Bio)Energia Florestas Energéticas: Técnicas de Inventariação de Biomassa Florestal Universidade de Évora 2 Junho 2010 Adélia Sousa (asousa@uevora.pt) Imagem
Leia maisUso de SIG para confecção de um mapa de uso e ocupação do solo do município de Bambuí-MG
Uso de SIG para confecção de um mapa de uso e ocupação do solo do município de Bambuí-MG Ana Carolina Toledo Rocha (1) ; Sérgio Augusto Alves Rodrigues Barbosa (1) ; Jairo Rodrigues Silva (2) (1) Mestrandos
Leia maisANÁLISE ORIENTADA A OBJETO (OBIA) E INTEGRAÇÃO SIG/SR
ANÁLISE ORIENTADA A OBJETO (OBIA) E INTEGRAÇÃO SIG/SR UFPR DEPARTAMENTO DE GEOMATICA PROF.ALZIR FELIPPE BUFFARA ANTUNES felipe@ufpr.br OBIA- object-based image analysis ObjectBased (OBIA) ou GEOBIA é uma
Leia maisAjuste de parâmetros no algoritmo de segmentação de imagens do software ecognition. Giovana Mira de Espindola Gilberto Câmara
Ajuste de parâmetros no algoritmo de segmentação de imagens do software ecognition Giovana Mira de Espindola Gilberto Câmara Instituto Nacional de Pesquisas Espaciais - INPE Caixa Postal 515-12245-970
Leia maisartigo anterior Mudanças no uso do solo nas bacias do rio Preto e ribeirão Entre Ribeiros/MG a partir de imagens do sensor Landsat 5 TM Abstract
Mudanças no uso do solo nas bacias do rio Preto e ribeirão Entre Ribeiros/MG a partir de imagens do sensor Landsat 5 TM Marcelo de Oliveira Latuf Mauro Aparecido Martinez Fernando Falco Pruski Demetrius
Leia maisAVALIAÇÃO DA ACURÁCIA POSICIONAL PLANIMÉTRICA DE IMAGENS CBERS 4 SENSOR PAN, NA REGIÃO DE ALVINÓPOLIS-MG
AVALIAÇÃO DA ACURÁCIA POSICIONAL PLANIMÉTRICA DE IMAGENS CBERS 4 SENSOR PAN, NA REGIÃO DE ALVINÓPOLIS-MG Lígia da Silva Barbosa 1, Afonso de Paula dos Santos 2 1 Graduanda em Engenharia de Agrimensura
Leia maisANÁLISE DO ÍNDICE DE VEGETACAO SAZONAL PADRONIZADO A PARTIR DE IMAGENS DO SPOT VEGETATION E ESTIMATIVAS DE PRECIPITAÇÃO PADRONIZADA DO TRMM
ANÁLISE DO ÍNDICE DE VEGETACAO SAZONAL PADRONIZADO A PARTIR DE IMAGENS DO SPOT VEGETATION E ESTIMATIVAS DE PRECIPITAÇÃO PADRONIZADA DO TRMM Janice F. LEIVAS 1, Ricardo G. ANDRADE 1, Daniel de C. VICTORIA
Leia mais