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

Tamanho: px
Começar a partir da página:

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

Transcrição

1 Detecção de mudanças em imagens oriundas de sensoriamento remoto, usando conjuntos fuzzy. Marcelo Musci Baseado no artigo: Change detection assessment using fuzzy sets and remotely sensed data: an application of topographic map revision - Graciela Metternicht ELSEVIER/ISPRS 54 (1999) Detecção de mudanças em áreas métodos tradicionais As técnicas de detecção de mudanças em imagens, tiradas de satélite ou aéreas, de uma área selecionada, podem ser divididas, quanto ao método de análise em: pré-classificação e pós-classificação, Jensen (1997). - Pós-classificação: método mais usual de análise quantitativa e requer uma classificação completa das imagens tiradas em diferentes instantes de tempo. Os elementos das imagens (pixels) são então classificados e comparados, gerando uma matriz de mudanças. O problema com esse método é que erros individuas nas imagens serão refletidos na etapa final de detecção. Pré-classificação: detecta mudanças de variações de brilho entre os pixels das imagens a serem comparadas. Após a aplicação deste método, pode-se identificar as áreas que sofreram mudanças, embora o método não indique que tipo de mudança ocorreu, limitando-se a apresentar os resultados. Podem ainda ser utilizados as seguintes aproximações de pré-classificação: - diferença: é efetuada uma operação pixel a pixel das imagens envolvidas, gerando na saída uma imagem em que os valores de intensidade dos pixels que não sofrerem mudanças de uma imagem para outra possuem valores próximos ao meio do histograma da imagem resultante, enquanto as áreas que sofreram mudanças apresentam valores de intensidade de aproximadamente ± 255. razão de bandas: A imagem razão de bandas é criada dividindo-se o valor médio de parcelas de pixels em duas imagens diferentes da mesma área.a razão de bandas contém informações combinadas de duas bandas espectrais e podem ajudar a minimizar informações indesejadas como ruído. 2 Separação das áreas que sofreram mudanças Em qualquer dos métodos de pré-classificação de imagens, o ponto crítico reside em selecionar valores de limiar nos extremos do histograma da imagem resultante, valores estes que indicam os pontos de mudança na imagem, em relação ao período de tempo considerado. Estes pontos, que indicam onde ocorreram mudanças, de uma imagem para outra, são algumas vezes escolhidos arbitrariamente, sendo inclusive escolhidos de modo puramente empírico e baseados em similaridades da área em estudo. Devido a escolha de forma arbitrária desses pontos críticos no histograma, podem ocorrer erros devido a pixels em que ocorreram mudanças caírem em áreas que realmente não ocorreram mudanças e vice-versa. Assumindo que existam dois valores de limiar, um positivo e outro negativo, devido ao resultado do processo de diferença das imagens, podem ocorrer erros devido a uma escolha pelo operador de um valor de limiar menor do que o seu valor real. Isso se reflete na parte positiva do histograma como erros chamados de comissão, onde pixels que realmente não mudaram são incluídos na área em que mudanças ocorreram. Da mesma forma erros chamados de omissão podem ocorrer na parte negativa do histograma, onde pixels que sofreram mudanças são incluídos na área em que elas não ocorreram, ver figura 1. Os mesmos erros ocorrem para escolhas de limiares, no histograma, de valores maiores que seus valores reais. 3 detecção de mudanças Devido as dificuldades na escolha dos valores corretos de limiar, é apresentado neste artigo um método de solucionar este problema de pré-classificação de imagens usando um modelo fuzzy que se ajusta ao histograma de mudanças, separando as áreas em que mudanças ocorreram daquelas que não ocorreram. Partindo desse princípio é proposto uma metodologia para calcular mudanças ocorridas em imagens oriundas de sensoriamento remoto utilizando um modelo fuzzy. A análise de probabilidade de mudanças dos dados das imagens nem sempre pode ser definida em classes discretas, podendo existir uma mudança contínua de um elemento para outro, como num desenvolvimento urbano de uma área pouco populada para um grande centro residencial. Por isso é altamente recomendável a introdução de elementos de lógica fuzzy nos algoritmos de detecção de mudanças.

2 Histograma de diferença de imagens (1990), descrita como duas funções superpostas dadas por: λ 1 λ (1 v) ( x a) µ A( x) = ; x [ a, b] λ 1 λ λ 1 λ (1 v) ( x a) + v ( b x) λ 1 λ (1 v) ( c x) µ A( x) = ; x [ b, c] λ 1 λ λ 1 λ (1 v) ( c x) + v ( x b) (2) (3) Figura 1 Representação gráfica de erros por omissão e comissão 4 Conjunto fuzzy implementado São exploradas a natureza dos conjuntos fuzzy, de divisão em classes contínuas de seus elementos, Zadeh (1965). O raciocínio fuzzy é baseado em graduações ou pertinências de conjuntos, ao invés de um elemento, estritamente, pertencer ou não a um conjunto considerado. A lógica fuzzy fornece uma maneira de calcular quaisquer elementos na forma de números fuzzy. Números esses que podem ser expressados sob a forma de quantificadores fuzzy como: provavelmente, muito improvável, quase certo ou extremamente provável. Sob esta ótica a lógica fuzzy tem o potencial de lidar com incertezas em sistemas especialistas, Zadeh (1984). Ao se utilizar raciocínio fuzzy, expressões do tipo: muito provavelmente ocorreram mudanças ao longo do período considerado, podem ser utilizadas, ao invés de simplesmente ocorreram ou não ocorreram mudanças. 4.1 Definição do conjunto fuzzy Definição matemática: X espaço considerado - pixels x elemento do conjunto X, então X = {x} A = { x, µ A (x)}; x X (1) Um conjunto ou classe A em X é caracterizado por sua função de pertinência µ A (x) que associa a cada ponto do conjunto X um número no intervalo [0,1]. O valor de µ A (x) representa o grau de pertinência de x em A. Este grau é uma medida de possibilidade do elemento considerado pertencer ao conjunto fuzzy. Sendo então uma medida na qual um número x pertence com maior ou menor grau de pertinência ao conjunto A. 4.2 Definição da função de pertinência Uma função de pertinência de um conjunto fuzzy, µ A (x), define como um elemento x é determinado no conjunto A. Neste artigo foi utilizado uma função de pertinência baseada em um modelo em forma de sino, Dombi aonde: λ (inclinação), é um indicador de incremento ou decaimento da função de pertinência em direção a um dado conjunto fuzzy; ν (flexionamento), pode ser interpretado como a distancia da função de pertinência em relação a um dado valor central; a e c são pontos típicos da função, com grau de pertinência zero no conjunto fuzzy considerado, (os pontos extremos do histograma); e b representa o valor do ponto de referência (ou ideal) da variável x (ex. o valor central que caracteriza as áreas em que não ocorreram mudanças, no histograma) este ponto tem um grau de pertinência igual a 1. As equações (2) e (3) representam as partes de crescimento e decaimento da função de pertinência, respectivamente. Inclinação e flexionamento são os dois parâmetros que caracterizam a forma da função de pertinência. Com a variação desses valores a forma da função e o seu ponto de transição podem ser facilmente controlados. Nenhuma análise rigorosa precisa ser feita para a escolha dos valores de inclinação e transição da função de pertinência, um procedimento baseado em pesquisas de McBratney e Moore (1985) sugere que os valores de inclinação e transição sejam manipulados de forma a adequar a função de pertinência à forma do histograma. Este procedimento visa a minimizar imprecisões das áreas de mudanças / sem-mudanças devido aos histogramas que possuem forma assimétrica. 5 Implementação do modelo fuzzy A figura 3 descreve a metodologia utilizada. Um conjunto de dados, imagens fotográficas coletadas em diferentes datas, foram utilizados, figura 4,. As imagens possuem escala de 1: e 1: respectivamente e representam uma área ocidental da Austrália, tiradas por via aérea. Mudanças na área são oriundas de desmatamento, crescimento urbano, construções e diferenças de vegetação. Um aspecto importante para uma perfeita detecção de mudanças é a correção geométrica das imagens, de forma a minimizar a introdução de falsas mudanças devido a falta de coincidência espacial entre as imagens a serem comparadas. Dois métodos de pré-processamento são então aplicados, que são imagem diferença e imagem razão de bandas. O histograma resultante do método de imagem diferença produz valores de brilho com uma distribuição Gaussiana, aonde pixels sem mudanças são distribuídos ao redor da média e pixels representando mudanças ocorridas entre os intervalos de tempo Data 1 e Data 2, estão representadas nos

3 extremos do histograma (figura 5a). Enquanto a figura 5b mostra o histograma obtido após a aplicação do processo imagem razão de bandas. Pixels que não sofreram mudanças possuem um valor de brilho próximos a 1, e pixels que sofreram mudanças constituem os extremos do histograma, que possue um alto pico e uma distribuição não-normal. Imagens de satélite ou fotografia aérea Grau de Linguagem fuzzy Código pert. 1.0 à 0.81 Sem mudanças à 0.61 Mudanças muito improváveis à 0.51 Mudanças improváveis à 0.41 Meio termo à 0.31 Mudanças prováveis à 0.21 Mudanças muito prováveis à 0.11 Mudanças extremamente 7 prováveis 0.1 à 0.00 Mudanças 8 Figura 3 Graus de pertinência Figuras 5a e 5b histogramas de imagem diferença e Razão de bandas Figura 2 Metodologia utilizada Figura 4 Áreas em estudo. (a) fotografia aérea jan 1992; (b) Fotografia aérea jan Selecionando a função de pertinência A próxima etapa da metodologia apresentada é a seleção da função de pertinência, de modo a ser aplicada às imagens resultado da aplicação das operações de imagem diferença e razão de bandas. Neste ponto é assumido que o meio dos histogramas resultantes representam pontos onde não ocorreram mudanças, possuindo então função de pertinência de grau 1 e designados ao conjunto fuzzy sem mudanças. Por outro lado os extremos dos histogramas representam pixels onde mudanças ocorreram, tendo então função de pertinência de grau zero no conjunto fuzzy sem mudanças. Aplicando as equações (2) e (3), o meio do histograma representa o ponto de referência da função de pertinência implementada, enquanto os extremos são os pontos típicos da função. A tabela 1 apresenta um resumo dos valores do meio e extremo do histograma das imagens resultados. As equações (2) e (3) são então aplicadas, modificando-se os valores de inclinação (λ) e flexionamento (ν) de modo a obter funções de pertinência coincidentes com a forma dos histogramas analisados. As figuras 6a e 6b mostram as melhores funções de pertinência encontradas, representando um grau de mudanças contínuo no conjunto fuzzy sem mudanças, variando do valor 1, meio do histograma (descrevendo áreas onde não ocorreram mudanças), até o valor zero, extremos dos histogramas (indicando mudanças). Figura 4- Histogramas da imagem resultado usando (a) imagem diferença e (b) imagem razão de bandas

4 Tabela I - Valores dos parâmetros de inclinação e Transição, pontos de referência e típicos que caracterizam a função de transferência da imagem resultado. resultado diferença razão Inclinação (λ) Transição (ν) MI MD MI MD Ponto de referência Pontos típicos e e 9.04 MI parte crescente da função MD parte decrescente da função A metodologia apresentada, considera o uso de elementos lingüísticos para descrever as mudanças ocorridas na imagem resultado. O método descrito utiliza oito diferentes quantificadores fuzzy de modo a subdividir a função de pertinência (figura 3). 5.4 Gerando graus de pertinência A escala descrita na figura 3 representa os graus de possibilidade de ocorrerem mudanças. Por exemplo, valores com graus de pertinência na faixa 0.11 a 0.2 representam áreas extremamente proveis de mudanças terem ocorrido. Os limites superior e inferior dos oito graus de probabilidade apresentados na figura 3 são oriundos das figuras 6a e 6b e são apresentados na tabela II. Figurra 6 - A melhor função de pertinência para os histogramas das imagens resultantes (a) I. diferença - (b) I. razão 5.5 Visualização das mudanças A etapa final designa uma escala em tons de cinza para as imagens resultantes. Sendo o branco um indicador das áreas em que não ocorreram mudanças e o preto onde mudanças certamente ocorreram. Neste ponto é fácil visualizar não somente aonde mudanças ocorreram, mas também o quão provável forma essas mudanças. Este conceito é ilustrado na fig 7. Mudanças Mudanças extremamente prováveis Mudanças muito prováveis Alguma probabilidade de mudança Figura 7 Visualização da imagem resultado em classes fuzzy (a) I. diferença (b) I. razão Mudanças improváveis sem mudanças

5 Tabela II Intervalos de classe fuzzy Código I. difereça I. razão Cresc. Decresc. Cresc. Decresc. 1 2 à a à 1 71 a a a à a a a à a a a à a a a à a a a à a a a à a a a 9.04 Após uma análise das imagens em um GIS, nota-se que ocorrem misturas nas classes mudanças e mudanças extremamente prováveis e nas classes sem mudanças e mudanças pouco prováveis entre os métodos de diferença e razão de bandas. Dados reais foram usados para checar a confiança das imagens geradas pelo método descrito, pontos aleatórios forma escolhidos e comparados com os dados reais sendo observado uma boa concordância entre os pontos. Uma análise estatística foi feita para comparar os resultados entre as superfícies mapeadas por cada classe fuzzy das técnicas de imagem diferença (fig 7a) e imagem razão de bandas (fig. 7b). Histogramas das imagens resultados de ambas as técnicas foram gerados para obter uma área (em porcentagem) designada a cada classe. O resultado é mostrado na tabela III, a qual indica que as principais discordâncias entre os métodos ocorrem nos extremos das classes fuzzy, ou seja, nas classes mudanças e sem mudanças Tabela III Discordância entre os métodos de préprocessamento Linguagem fuzzy Mudanças I. Razão I. Diferença Discordância Nenhuma podem ser levantadas, inclusive com a construção de regras para basear as decisões na ordem de grandeza das mudanças ocorridas em uma área, como por exemplo: SE em mais de 20% de uma área ocorrerem mudanças do tipo possível mudança para muito possível mudança ENTÃO proceda com a revisão dos mapas. 7 Conclusão O método proposto apresenta algumas melhorias no campo de detecção de mudanças e visualização de suas magnitudes. Deve ser notado que o método proposto se aplica tão somente as mudanças de superfícies dos elementos das imagens, mudanças dos atributos (ex. área residencial para comercial) não são detectadas pelo método descrito. Além disso, a eficácia do método depende também da precisão da resolução espacial das imagens utilizadas. O método descrito pode ser utilizado também para outros campos de aplicação, como estudo dos recursos naturais, estimativa e monitoramento de áreas de desmatamento e detecção de mudanças em agricultura. Referencias Dombi, J., 1990 Membership function as an evaluation. Fuzzy Sets and Systems 35, Jensen, J., Principles of change detection using digital remote sensor data. In; Star, Estes, McGwire (Eds), Integration of Geographics Information Systems and Remote sensing. Cambridge Univ. Press, pp McBratney, A. Moore, A., Application of fuzzy sets to climate classifications. Agricultural and Forest Meteorology 35, Zadeh, L., Fuzzy sets. Information and Control 8, Zadeh, L., Making computers think like people. IEEE Spectrum 8, Muito improvável Improvável No meio Provável Muito provável Extrem. provável Ocorrência Aplicação em revisão de mapas A saída do modelo fuzzy pode ser usada por administradores e tomadores de decisão em topografia para responder questões do tipo Aonde ocorrerem mudanças e em que proporções?. Outras questões

UFGD FCA PROF. OMAR DANIEL BLOCO 4 PROCESSAMENTO DE IMAGENS

UFGD FCA PROF. OMAR DANIEL BLOCO 4 PROCESSAMENTO DE IMAGENS UFGD FCA PROF. OMAR DANIEL BLOCO 4 PROCESSAMENTO DE IMAGENS Executar as principais técnicas utilizadas em processamento de imagens, como contraste, leitura de pixels, transformação IHS, operações aritméticas

Leia mais

MundoGEOXperience - Maratona de Ideias Geográficas 07/05/2014

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

Leia mais

Processamento de Imagem. Prof. Herondino

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

Leia mais

SEGMENTAÇÃO DE IMAGENS EM PLACAS AUTOMOTIVAS

SEGMENTAÇÃO DE IMAGENS EM PLACAS AUTOMOTIVAS SEGMENTAÇÃO DE IMAGENS EM PLACAS AUTOMOTIVAS André Zuconelli 1 ; Manassés Ribeiro 2 1. Aluno do Curso Técnico em Informática, turma 2010, Instituto Federal Catarinense, Câmpus Videira, andre_zuconelli@hotmail.com

Leia mais

CBPF Centro Brasileiro de Pesquisas Físicas. Nota Técnica

CBPF Centro Brasileiro de Pesquisas Físicas. Nota Técnica CBPF Centro Brasileiro de Pesquisas Físicas Nota Técnica Aplicação de Física Médica em imagens de Tomografia de Crânio e Tórax Autores: Dário Oliveira - dario@cbpf.br Marcelo Albuquerque - marcelo@cbpf.br

Leia mais

UFGD FCA PROF. OMAR DANIEL BLOCO 6 CLASSIFICAÇÃO DE IMAGENS

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

Leia mais

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

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

Leia mais

Programa Integrado de Monitoria Remota de Fragmentos Florestais e Crescimento Urbano no Rio de Janeiro

Programa Integrado de Monitoria Remota de Fragmentos Florestais e Crescimento Urbano no Rio de Janeiro Programa Integrado de Monitoria Remota de Fragmentos Florestais e Crescimento Urbano no Rio de Janeiro Relatório Trimestral de Atividades Abril / Maio / Junho de 2010 Índice 1. Apresentação...3 2. Fotogrametria...4

Leia mais

Processamento de Imagem. Prof. MSc. André Yoshimi Kusumoto andrekusumoto.unip@gmail.com

Processamento de Imagem. Prof. MSc. André Yoshimi Kusumoto andrekusumoto.unip@gmail.com Processamento de Imagem Prof. MSc. André Yoshimi Kusumoto andrekusumoto.unip@gmail.com Visão Computacional Não existe um consenso entre os autores sobre o correto escopo do processamento de imagens, a

Leia mais

Unidade III GERENCIAMENTO DE. Profa. Celia Corigliano

Unidade III GERENCIAMENTO DE. Profa. Celia Corigliano Unidade III GERENCIAMENTO DE PROJETOS DE TI Profa. Celia Corigliano Agenda da disciplina Unidade I Gestão de Projetos Unidade II Ferramentas para Gestão de Projetos Unidade III Gestão de Riscos em TI Unidade

Leia mais

Trabalho 2 Fundamentos de computação Gráfica

Trabalho 2 Fundamentos de computação Gráfica Trabalho 2 Fundamentos de computação Gráfica Processamento de Imagens Aluno: Renato Deris Prado Tópicos: 1- Programa em QT e C++ 2- Efeitos de processamento de imagens 1- Programa em QT e C++ Para o trabalho

Leia mais

Processamento Digital de Imagens

Processamento Digital de Imagens Processamento Digital de Imagens Israel Andrade Esquef a Márcio Portes de Albuquerque b Marcelo Portes de Albuquerque b a Universidade Estadual do Norte Fluminense - UENF b Centro Brasileiro de Pesquisas

Leia mais

Processamento digital de imagens. introdução

Processamento digital de imagens. introdução Processamento digital de imagens introdução Imagem digital Imagem digital pode ser descrita como uma matriz bidimensional de números inteiros que corresponde a medidas discretas da energia eletromagnética

Leia mais

FEN- 06723 Processamento Digital de Imagens. Projeto 2 Utilização de máscaras laplacianas

FEN- 06723 Processamento Digital de Imagens. Projeto 2 Utilização de máscaras laplacianas FEN- 06723 Processamento Digital de Imagens Projeto 2 Utilização de máscaras laplacianas Marcelo Musci Mestrado Geomática/UERJ-2004 Abstract The Laplacian is also called as second difference function,

Leia mais

4 Segmentação. 4.1. Algoritmo proposto

4 Segmentação. 4.1. Algoritmo proposto 4 Segmentação Este capítulo apresenta primeiramente o algoritmo proposto para a segmentação do áudio em detalhes. Em seguida, são analisadas as inovações apresentadas. É importante mencionar que as mudanças

Leia mais

Medidas e Incertezas

Medidas e Incertezas Medidas e Incertezas O que é medição? É o processo empírico e objetivo de designação de números a propriedades de objetos ou eventos do mundo real de forma a descreve-los. Outra forma de explicar este

Leia mais

2 Classificação de Imagens de Sensoriamento Remoto

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

Leia mais

Chow&Kaneko buscam as modas da imagem para separar os objetos. Admite que os tons na vizinhança de cada moda são do mesmo objeto.

Chow&Kaneko buscam as modas da imagem para separar os objetos. Admite que os tons na vizinhança de cada moda são do mesmo objeto. Respostas Estudo Dirigido do Capítulo 12 Image Segmentation" 1 Com suas palavras explique quais os problemas que podem ocorrer em uma segmentação global baseada em níveis de cinza da imagem. Que técnicas

Leia mais

2. O que é Redundância de código ou informação? Como a compressão Huffman utiliza isso? Você conhece algum formato de imagem que a utiliza?(1.

2. O que é Redundância de código ou informação? Como a compressão Huffman utiliza isso? Você conhece algum formato de imagem que a utiliza?(1. Respostas do Estudo Dirigido Cap. 26 - Reducing the information:... ou Image Compression 1. Para que serve comprimir as imagens? Que aspectos estão sendo considerados quando se fala de: Compression Rate,

Leia mais

3 Estado da arte em classificação de imagens de alta resolução

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

Leia mais

ATENÇÃO: Escreva a resolução COMPLETA de cada questão no espaço reservado para a mesma.

ATENÇÃO: Escreva a resolução COMPLETA de cada questão no espaço reservado para a mesma. 2ª Fase Matemática Introdução A prova de matemática da segunda fase é constituída de 12 questões, geralmente apresentadas em ordem crescente de dificuldade. As primeiras questões procuram avaliar habilidades

Leia mais

Geoprocessamento e Cartografia Prof. MSc. Alexander Sergio Evaso

Geoprocessamento e Cartografia Prof. MSc. Alexander Sergio Evaso Geoprocessamento e Cartografia Prof. MSc. Alexander Sergio Evaso Aula 02 Componentes de um GIS (SIE, ou SIG) Ideias dependem de pessoas. Pessoas trazem o conhecimento para uma equipe, que engendra ideias.

Leia mais

Sistema de Numeração e Conversão entre Sistemas. Prof. Rômulo Calado Pantaleão Camara. Carga Horária: 60h

Sistema de Numeração e Conversão entre Sistemas. Prof. Rômulo Calado Pantaleão Camara. Carga Horária: 60h Sistema de Numeração e Conversão entre Sistemas. Prof. Rômulo Calado Pantaleão Camara Carga Horária: 60h Representação de grandeza com sinal O bit mais significativo representa o sinal: 0 (indica um número

Leia mais

Transformada de Hough. Cleber Pivetta Gustavo Mantovani Felipe Zottis

Transformada de Hough. Cleber Pivetta Gustavo Mantovani Felipe Zottis Transformada de Hough Cleber Pivetta Gustavo Mantovani Felipe Zottis A Transformada de Hough foi desenvolvida por Paul Hough em 1962 e patenteada pela IBM. Originalmente, foi elaborada para detectar características

Leia mais

Reconhecimento de marcas de carros utilizando Inteligência Artificial. André Bonna Claudio Marcelo Basckeira Felipe Villela Lourenço Richard Keller

Reconhecimento de marcas de carros utilizando Inteligência Artificial. André Bonna Claudio Marcelo Basckeira Felipe Villela Lourenço Richard Keller Reconhecimento de marcas de carros utilizando Inteligência Artificial André Bonna Claudio Marcelo Basckeira Felipe Villela Lourenço Richard Keller Motivação Análise estatística das marcas de carros em

Leia mais

A limiarização é uma das abordagens mais importantes de segmentação de imagens. A limiarização é um caso específico de segmentação.

A limiarização é uma das abordagens mais importantes de segmentação de imagens. A limiarização é um caso específico de segmentação. Limiarização A limiarização é uma das abordagens mais importantes de segmentação de imagens. A limiarização é um caso específico de segmentação. O princípio da limiarização consiste em separar as regiões

Leia mais

Figura 01: Aplicações do Filtro Espacial Passa-Baixa.

Figura 01: Aplicações do Filtro Espacial Passa-Baixa. 791 IMPLEMENTAÇÃO DE TÉCNICAS DE PRÉ-PROCESSAMENTO E PROCESSAMENTO DE IMAGENS PARA RADIOGRAFIAS CARPAIS Rafael Lima Alves 1 ; Michele Fúlvia Angelo 2 Bolsista PROBIC, Graduando em Engenharia de Computação,

Leia mais

Tratamento da Imagem Transformações (cont.)

Tratamento da Imagem Transformações (cont.) Universidade Federal do Rio de Janeiro - IM/DCC & NCE Tratamento da Imagem Transformações (cont.) Antonio G. Thomé thome@nce.ufrj.br Sala AEP/133 Tratamento de Imagens - Sumário Detalhado Objetivos Alguns

Leia mais

Revisão de Estatística Básica:

Revisão de Estatística Básica: Revisão de Estatística Básica: Estatística: Um número é denominado uma estatística (singular). Ex.: As vendas de uma empresa no mês constituem uma estatística. Estatísticas: Uma coleção de números ou fatos

Leia mais

Sistemas de Informação Geográfica (SIG) para Agricultura de Precisão

Sistemas de Informação Geográfica (SIG) para Agricultura de Precisão 01 Sistemas de Informação Geográfica (SIG) para Agricultura de Precisão Rodrigo G. Trevisan¹; José P. Molin² ¹ Eng. Agrônomo, Mestrando em Engenharia de Sistemas Agrícolas (ESALQ-USP); ² Prof. Dr. Associado

Leia mais

Universidade Federal do Rio de Janeiro - IM/DCC & NCE

Universidade Federal do Rio de Janeiro - IM/DCC & NCE Universidade Federal do Rio de Janeiro - IM/DCC & NCE Processamento de Imagens Tratamento da Imagem - Filtros Antonio G. Thomé thome@nce.ufrj.br Sala AEP/033 Sumário 2 Conceito de de Filtragem Filtros

Leia mais

3 Classificação. 3.1. Resumo do algoritmo proposto

3 Classificação. 3.1. Resumo do algoritmo proposto 3 Classificação Este capítulo apresenta primeiramente o algoritmo proposto para a classificação de áudio codificado em MPEG-1 Layer 2 em detalhes. Em seguida, são analisadas as inovações apresentadas.

Leia mais

FOTOINTERPRETAÇÃO. Interpretação e medidas. Dado qualitativo: lago

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

Leia mais

Classificação de Imagens

Classificação de Imagens Universidade do Estado de Santa Catarina Departamento de Engenharia Civil Classificação de Imagens Profa. Adriana Goulart dos Santos Extração de Informação da Imagem A partir de uma visualização das imagens,

Leia mais

Filtragem. pixel. perfil de linha. Coluna de pixels. Imagem. Linha. Primeiro pixel na linha

Filtragem. pixel. perfil de linha. Coluna de pixels. Imagem. Linha. Primeiro pixel na linha Filtragem As técnicas de filtragem são transformações da imagem "pixel" a "pixel", que dependem do nível de cinza de um determinado "pixel" e do valor dos níveis de cinza dos "pixels" vizinhos, na imagem

Leia mais

2.1.2 Definição Matemática de Imagem

2.1.2 Definição Matemática de Imagem Capítulo 2 Fundamentação Teórica Este capítulo descreve os fundamentos e as etapas do processamento digital de imagens. 2.1 Fundamentos para Processamento Digital de Imagens Esta seção apresenta as propriedades

Leia mais

Aula 6 - Segmentação de Imagens Parte 2. Prof. Adilson Gonzaga

Aula 6 - Segmentação de Imagens Parte 2. Prof. Adilson Gonzaga Aula 6 - Segmentação de Imagens Parte 2 Prof. Adilson Gonzaga 1 Motivação Extração do Objeto Dificuldades Super segmentação over-segmentation 1) Segmentação por Limiarização (Thresholding Global): Efeitos

Leia mais

AULAS 13, 14 E 15 Correlação e Regressão

AULAS 13, 14 E 15 Correlação e Regressão 1 AULAS 13, 14 E 15 Correlação e Regressão Ernesto F. L. Amaral 23, 28 e 30 de setembro de 2010 Metodologia de Pesquisa (DCP 854B) Fonte: Triola, Mario F. 2008. Introdução à estatística. 10 ª ed. Rio de

Leia mais

Análise de Arredondamento em Ponto Flutuante

Análise de Arredondamento em Ponto Flutuante Capítulo 2 Análise de Arredondamento em Ponto Flutuante 2.1 Introdução Neste capítulo, chamamos atenção para o fato de que o conjunto dos números representáveis em qualquer máquina é finito, e portanto

Leia mais

SISTEMAS DE INFORMAÇÃO GEOGRÁFICA (I)

SISTEMAS DE INFORMAÇÃO GEOGRÁFICA (I) 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 mais

A Computação e as Classificações da Ciência

A Computação e as Classificações da Ciência A Computação e as Classificações da Ciência Ricardo de Almeida Falbo Metodologia de Pesquisa Departamento de Informática Universidade Federal do Espírito Santo Agenda Classificações da Ciência A Computação

Leia mais

RUÍDOS EM IMAGENS FILTRAGEM DE RUÍDOS. o Flutuações aleatórias ou imprecisões em dados de entrada, precisão numérica, arredondamentos etc...

RUÍDOS EM IMAGENS FILTRAGEM DE RUÍDOS. o Flutuações aleatórias ou imprecisões em dados de entrada, precisão numérica, arredondamentos etc... RUÍDOS EM IMAGENS FILTRAGEM DE RUÍDOS RUÍDOS EM IMAGENS Em Visão Computacional, ruído se refere a qualquer entidade em imagens, dados ou resultados intermediários, que não são interessantes para os propósitos

Leia mais

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

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

Leia mais

Sensoriamento Remoto

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

Leia mais

Scale-Invariant Feature Transform

Scale-Invariant Feature Transform Scale-Invariant Feature Transform Renato Madureira de Farias renatomdf@gmail.com Prof. Ricardo Marroquim Relatório para Introdução ao Processamento de Imagens (COS756) Universidade Federal do Rio de Janeiro,

Leia mais

SEGEMENTAÇÃO DE IMAGENS. Nielsen Castelo Damasceno

SEGEMENTAÇÃO DE IMAGENS. Nielsen Castelo Damasceno SEGEMENTAÇÃO DE IMAGENS Nielsen Castelo Damasceno Segmentação Segmentação Representação e descrição Préprocessamento Problema Aquisição de imagem Base do conhecimento Reconhecimento e interpretação Resultado

Leia mais

3 Metodologia para Segmentação do Mercado Bancário

3 Metodologia para Segmentação do Mercado Bancário 3 Metodologia para Segmentação do Mercado Bancário Este capítulo descreve a metodologia proposta nesta dissertação para a segmentação do mercado bancário a partir da abordagem post-hoc, servindo-se de

Leia mais

Segmentação de Imagens de Placas Automotivas

Segmentação de Imagens de Placas Automotivas Segmentação de Imagens de Placas Automotivas André Zuconelli, Manassés Ribeiro Instituto Federal Catarinense - Campus Videira. Técnico em Informática, turma 2010 Rodovia SC, Km 5 Bairro Campo Experimental

Leia mais

MODELAGEM DIGITAL DE SUPERFÍCIES

MODELAGEM DIGITAL DE SUPERFÍCIES MODELAGEM DIGITAL DE SUPERFÍCIES Prof. Luciene Delazari Grupo de Pesquisa em Cartografia e SIG da UFPR SIG 2012 Introdução Os modelo digitais de superficie (Digital Surface Model - DSM) são fundamentais

Leia mais

Universidade Federal de Alagoas Instituto de Matemática. Imagem. Prof. Thales Vieira

Universidade Federal de Alagoas Instituto de Matemática. Imagem. Prof. Thales Vieira Universidade Federal de Alagoas Instituto de Matemática Imagem Prof. Thales Vieira 2014 O que é uma imagem digital? Imagem no universo físico Imagem no universo matemático Representação de uma imagem Codificação

Leia mais

INTRODUÇÃO AO GEOPROCESSAMENTO. Profª Iana Alexandra Alves Rufino [iana_alex@uol.com.br]

INTRODUÇÃO AO GEOPROCESSAMENTO. Profª Iana Alexandra Alves Rufino [iana_alex@uol.com.br] INTRODUÇÃO AO GEOPROCESSAMENTO Profª Iana Alexandra Alves Rufino [iana_alex@uol.com.br] Introdução ao Geoprocessamento Conceitos básicos Componentes de um SIG Exemplos de aplicações Conceitos Geoprocessamento

Leia mais

UNIVERSIDADE FEDERAL DA BAHIA - UFBA

UNIVERSIDADE FEDERAL DA BAHIA - UFBA UNIVERSIDADE FEDERAL DA BAHIA - UFBA Instituto de Ciências Ambientais e Desenvolvimento Sustentável Prof. Pablo Santos 4 a Aula SISTEMA DE INFORMAÇÃO GEOGRÁFICA - SIG Introdução Definições Necessárias

Leia mais

Introdução ao Geoprocessamento

Introdução ao Geoprocessamento Sistema de Informação Geográfica SIG Introdução ao Geoprocessamento Professor: Daniel Luis Nithack e Silva O processo de urbanização marcha em um ritmo mais acelerado do que as possibilidades de planejar

Leia mais

Fundamentos de Imagens Digitais. Aquisição e Digitalização de Imagens. Aquisição e Digitalização de Imagens. Aquisição e Digitalização de Imagens

Fundamentos de Imagens Digitais. Aquisição e Digitalização de Imagens. Aquisição e Digitalização de Imagens. Aquisição e Digitalização de Imagens Fundamentos de Imagens Digitais Aquisição e Serão apresentadas as principais características de uma imagem digital: imagem do ponto de vista matemático processo de aquisição e digitalização de uma imagem

Leia mais

VCA Treinamento em Algoritmo

VCA Treinamento em Algoritmo Conteúdo VCA Treinamento em Algoritmo VCA Treinamento em Algoritmo Conteúdo Algoritmos Rastreador (tracker) Monitoramento Objeto Abandonado/Removido Pessoas Calibração Classificação Linha de contagem Auto

Leia mais

Introdução a Química Analítica. Professora Mirian Maya Sakuno

Introdução a Química Analítica. Professora Mirian Maya Sakuno Introdução a Química Analítica Professora Mirian Maya Sakuno Química Analítica ou Química Quantitativa QUÍMICA ANALÍTICA: É a parte da química que estuda os princípios teóricos e práticos das análises

Leia mais

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

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

Leia mais

de Bordas em Imagens Digitais

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

Leia mais

Operações Pontuais. Guillermo Cámara-Chávez

Operações Pontuais. Guillermo Cámara-Chávez Operações Pontuais Guillermo Cámara-Chávez Um modelo simples de formação de uma imagem Para que a imagem de uma cena real possa ser processada ou armazenda na forma digital deve passar por dois processos

Leia mais

Aula 5 Técnicas para Estimação do Impacto

Aula 5 Técnicas para Estimação do Impacto Aula 5 Técnicas para Estimação do Impacto A econometria é o laboratório dos economistas, que busca reproduzir o funcionamento do mundo de forma experimental, como se faz nas ciências naturais. Os modelos

Leia mais

PROCESSAMENTO DIGITAL DE IMAGENS (SERP11) OPERAÇÕES ARITMÉTICAS. Daniel C. Zanotta

PROCESSAMENTO DIGITAL DE IMAGENS (SERP11) OPERAÇÕES ARITMÉTICAS. Daniel C. Zanotta PROCESSAMENTO DIGITAL DE IMAGENS (SERP11) OPERAÇÕES ARITMÉTICAS Daniel C. Zanotta RAZÃO DE BANDAS Dividir uma banda por outra (pixel a pixel) pode trazer diversas informações a respeitos dos alvos contidos

Leia mais

Controlando o trabalho impresso 1

Controlando o trabalho impresso 1 Controlando o trabalho impresso 1 O seu driver da impressora fornece a melhor qualidade de saída para vários tipos de necessidades de impressão. No entanto, você pode desejar ter mais controle sobre a

Leia mais

Renzo Joel Flores Ortiz e Ilka Afonso Reis

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

Leia mais

Aula 5 - Classificação

Aula 5 - Classificação AULA 5 - Aula 5-1. por Pixel é o processo de extração de informação em imagens para reconhecer padrões e objetos homogêneos. Os Classificadores "pixel a pixel" utilizam apenas a informação espectral isoladamente

Leia mais

Introdução ao SIG. Objetivos Específicos 18/11/2010. Competência: Apresentar: Utilidade de um SIG

Introdução ao SIG. Objetivos Específicos 18/11/2010. Competência: Apresentar: Utilidade de um SIG MINISTÉRIO DO MEIO AMBIENTE - MMA INSTITUTO CHICO MENDES DE CONSERVAÇÃO DA BIODIVERSIDADE - ICMBio DIRETORIA DE PLANEJAMENTO, ADMINISTRAÇÃO E LOGÍSTICA - DIPLAN COORDENAÇÃO GERAL DE GESTÃO DE PESSOAS -

Leia mais

UNIVERSIDADE DO EXTREMO SUL CATARINENSE. Correção geométrica de imagens

UNIVERSIDADE DO EXTREMO SUL CATARINENSE. Correção geométrica de imagens Correção geométrica de imagens O georreferenciamento descreve a relação entre os parâmetros de localização dos objetos no espaço da imagem e no sistema de referência, transformando as coordenadas de cada

Leia mais

Técnicas de Cartografia Digital

Técnicas de Cartografia Digital Técnicas de Cartografia Digital Maria Cecília Bonato Brandalize 2011 Aula 8 1. Vetoriais 2. Matriciais 3. Vantagens e Desvantagens 1. Vetoriais 2. Matriciais 3. Vantagens e Desvantagens Como são representados

Leia mais

4 Avaliação Experimental

4 Avaliação Experimental 4 Avaliação Experimental Este capítulo apresenta uma avaliação experimental dos métodos e técnicas aplicados neste trabalho. Base para esta avaliação foi o protótipo descrito no capítulo anterior. Dentre

Leia mais

Projeto de Redes Neurais e MATLAB

Projeto de Redes Neurais e MATLAB Projeto de Redes Neurais e MATLAB Centro de Informática Universidade Federal de Pernambuco Sistemas Inteligentes IF684 Arley Ristar arrr2@cin.ufpe.br Thiago Miotto tma@cin.ufpe.br Baseado na apresentação

Leia mais

SIG APLICADO AO MEIO AMBIENTE

SIG APLICADO AO MEIO AMBIENTE SIG APLICADO AO MEIO AMBIENTE Prof. Luciene Delazari Grupo de Pesquisa em Cartografia e SIG da UFPR SIG Aplicado ao Meio Ambiente - 2011 GA020- SIG APLICADO AO MEIO AMBIENTE Prof. Luciene S. Delazari -

Leia mais

Sensoriamento Remoto. Características das Imagens Orbitais

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

Leia mais

Sistemas p-fuzzy modificados para o modelo do controle de pragas

Sistemas p-fuzzy modificados para o modelo do controle de pragas Biomatemática 22 (2012), 61 76 ISSN 1679-365X Uma Publicação do Grupo de Biomatemática IMECC UNICAMP Sistemas p-fuzzy modificados para o modelo do controle de pragas Thiago F. Ferreira 1, Rosana S. M.

Leia mais

Introdução. A Informação e sua Representação (Parte III) Universidade Federal de Campina Grande Departamento de Sistemas e Computação

Introdução. A Informação e sua Representação (Parte III) Universidade Federal de Campina Grande Departamento de Sistemas e Computação Universidade Federal de Campina Grande Departamento de Sistemas e Computação Introdução à Computação A Informação e sua Representação (Parte III) Prof.a Joseana Macêdo Fechine Régis de Araújo joseana@computacao.ufcg.edu.br

Leia mais

Gerenciamento de Riscos do Projeto Eventos Adversos

Gerenciamento de Riscos do Projeto Eventos Adversos Gerenciamento de Riscos do Projeto Eventos Adversos 11. Gerenciamento de riscos do projeto PMBOK 2000 PMBOK 2004 11.1 Planejamento de gerenciamento de riscos 11.1 Planejamento de gerenciamento de riscos

Leia mais

Sistemas Operacionais e Introdução à Programação. Vetores e matrizes

Sistemas Operacionais e Introdução à Programação. Vetores e matrizes Sistemas Operacionais e Introdução à Programação Vetores e matrizes 1 Matrizes Cada elemento de uma matriz é referenciado indicando-se sua posição dentro da matriz. Na Matemática, matrizes são arranjos

Leia mais

PROCESSAMENTO DOS DADOS AVHRR DO SATÉLITE NOAA E APLICAÇÃO SOBRE A REGIÃO SUL DO BRASIL. Leonid Bakst Yoshihiro Yamazaki

PROCESSAMENTO DOS DADOS AVHRR DO SATÉLITE NOAA E APLICAÇÃO SOBRE A REGIÃO SUL DO BRASIL. Leonid Bakst Yoshihiro Yamazaki PROCESSAMENTO DOS DADOS AVHRR DO SATÉLITE NOAA E APLICAÇÃO SOBRE A REGIÃO SUL DO BRASIL Leonid Bakst Yoshihiro Yamazaki Universidade Federal de Pelotas - UFPel Centro de Pesquisas Meteorológicas CPMet

Leia mais

Plano de Trabalho Docente 2013. Ensino Médio

Plano de Trabalho Docente 2013. Ensino Médio Plano de Trabalho Docente 2013 Ensino Médio Etec PAULINO BOTELHO Código: 091 Município: : SÃO CARLOS Área de conhecimento:ciencias DA NATUREZA, MATEMATICA E SUAS TECNOLOGIAS Componente Curricular: : MATEMATICA

Leia mais

: Transforme seu plantio em um fundo de investimento ativo. The single source for Forest Resource Management

: Transforme seu plantio em um fundo de investimento ativo. The single source for Forest Resource Management : Transforme seu plantio em um fundo de investimento ativo The single source for Forest Resource Management 2 Tecnologia laser aerotransportada LiDAR LiDAR é um sistema ativo de sensoriamento remoto, originalmente

Leia mais

Aula 2 Aquisição de Imagens

Aula 2 Aquisição de Imagens Processamento Digital de Imagens Aula 2 Aquisição de Imagens Prof. Dr. Marcelo Andrade da Costa Vieira mvieira@sc.usp.br EESC/USP Fundamentos de Imagens Digitais Ocorre a formação de uma imagem quando

Leia mais

CURVA DE GAUSS. Bruno Vaz Hennemann (03) Gabriel Gustavo Ferrarini (10) Murillo Henrique de Mello Peteffi (25) Paulo Renan Schmitt Pereira (26)

CURVA DE GAUSS. Bruno Vaz Hennemann (03) Gabriel Gustavo Ferrarini (10) Murillo Henrique de Mello Peteffi (25) Paulo Renan Schmitt Pereira (26) FUNDAÇÃO ESCOLA TÉCNICA LIBERATO SALZANO VIEIRA DA CUNHA CURSO TÉCNICO EM MECÂNICA PRIMEIRA SÉRIE DO ENSINO MÉDIO Turma 3111 Grupo E Projeto Reconstrução de uma Experiência do MCT-PUC CURVA DE GAUSS Bruno

Leia mais

MONITORAMENTO DA TEMPERATURA DE SUPERFÍCIE EM ÁREAS URBANAS UTILIZANDO GEOTECNOLOGIAS

MONITORAMENTO DA TEMPERATURA DE SUPERFÍCIE EM ÁREAS URBANAS UTILIZANDO GEOTECNOLOGIAS MONITORAMENTO DA TEMPERATURA DE SUPERFÍCIE EM ÁREAS URBANAS UTILIZANDO GEOTECNOLOGIAS Erika Gonçalves Pires 1, Manuel Eduardo Ferreira 2 1 Agrimensora, Professora do IFTO, Doutoranda em Geografia - UFG,

Leia mais

MELHORIA DA QUALIDADE e MASP (Prof. José Carlos de Toledo GEPEQ/DEP-UFSCar) 1. Introdução

MELHORIA DA QUALIDADE e MASP (Prof. José Carlos de Toledo GEPEQ/DEP-UFSCar) 1. Introdução MELHORIA DA QUALIDADE e MASP (Prof. José Carlos de Toledo GEPEQ/DEP-UFSCar) 1. Introdução A Melhoria da Qualidade é uma atividade que deve estar presente nas rotinas de toda a empresa. Isto significa que

Leia mais

Todos os exercícios sugeridos nesta apostila se referem ao volume 1. MATEMÁTICA I 1 FUNÇÃO DO 1º GRAU

Todos os exercícios sugeridos nesta apostila se referem ao volume 1. MATEMÁTICA I 1 FUNÇÃO DO 1º GRAU FUNÇÃO IDENTIDADE... FUNÇÃO LINEAR... FUNÇÃO AFIM... GRÁFICO DA FUNÇÃO DO º GRAU... IMAGEM... COEFICIENTES DA FUNÇÃO AFIM... ZERO DA FUNÇÃO AFIM... 8 FUNÇÕES CRESCENTES OU DECRESCENTES... 9 SINAL DE UMA

Leia mais

Ferramentas de sensoriamento remoto e SIG aplicadas ao novo Código Florestal

Ferramentas de sensoriamento remoto e SIG aplicadas ao novo Código Florestal 1/38 Ferramentas de sensoriamento remoto e SIG aplicadas ao novo Código Florestal Cota de Reserva Ambiental (CRA) Eng. Allan Saddi Arnesen Eng. Frederico Genofre Eng. Matheus Ferreira Eng. Marcelo Pedroso

Leia mais

P. P. G. em Agricultura de Precisão DPADP0803: Geoestatística (Prof. Dr. Elódio Sebem)

P. P. G. em Agricultura de Precisão DPADP0803: Geoestatística (Prof. Dr. Elódio Sebem) Considerações Iniciais É impossível saber, antes de amostrar, de que maneira os valores das variáveis irão se comportar: se dependente ou independente uma da outra. Devido as limitações da estatística

Leia mais

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

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

Leia mais

ENSINO FUNDAMENTAL. Sondagem 2014 6º ANO. Língua Portuguesa

ENSINO FUNDAMENTAL. Sondagem 2014 6º ANO. Língua Portuguesa ENSINO FUNDAMENTAL O processo de sondagem Colégio Sion busca detectar, no aluno, pré-requisitos que possibilitem inseri-lo adequadamente no ano pretendido. As disciplinas de Língua Portuguesa e são os

Leia mais

Sistemas de Informação Geográfica Prof. Tiago Eugenio de Melo, MSc.

Sistemas de Informação Geográfica Prof. Tiago Eugenio de Melo, MSc. Sistemas de Informação Geográfica Prof. Tiago Eugenio de Melo, MSc. SUMÁRIO Apresentação da ementa Introdução Conceitos Básicos de Geoinformação Arquitetura de SIGs Referências Bibliográficas APRESENTAÇÃO

Leia mais

Processamento de histogramas

Processamento de histogramas REALCE DE IMAGENS BASEADO EM HISTOGRAMAS Processamento de histogramas O que é um histograma? É uma das ferramentas mais simples e úteis para o PDI; É uma função que mostra a frequência com que cada nível

Leia mais

Reconhecimento de Padrões. Reconhecimento de Padrões

Reconhecimento de Padrões. Reconhecimento de Padrões Reconhecimento de Padrões 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 Escola Superior de Tecnologia Engenharia Informática Reconhecimento de Padrões Prof. João Ascenso e Prof.

Leia mais

Grupo: Irmandade Bruna Hinojosa de Sousa Marina Schiave Rodrigues Raquel Bressanini Thaís Foffano Rocha

Grupo: Irmandade Bruna Hinojosa de Sousa Marina Schiave Rodrigues Raquel Bressanini Thaís Foffano Rocha Projeto de Engenharia Ambiental Sensoriamento remoto e Sistema de Informação Geográfica Grupo: Irmandade Bruna Hinojosa de Sousa Marina Schiave Rodrigues Raquel Bressanini Thaís Foffano Rocha Sensoriamento

Leia mais

Aula 4 Conceitos Básicos de Estatística. Aula 4 Conceitos básicos de estatística

Aula 4 Conceitos Básicos de Estatística. Aula 4 Conceitos básicos de estatística Aula 4 Conceitos Básicos de Estatística Aula 4 Conceitos básicos de estatística A Estatística é a ciência de aprendizagem a partir de dados. Trata-se de uma disciplina estratégica, que coleta, analisa

Leia mais

3 Metodologia de Previsão de Padrões de Falha

3 Metodologia de Previsão de Padrões de Falha 3 Metodologia de Previsão de Padrões de Falha Antes da ocorrência de uma falha em um equipamento, ele entra em um regime de operação diferente do regime nominal, como descrito em [8-11]. Para detectar

Leia mais

2 A Derivada. 2.1 Velocidade Média e Velocidade Instantânea

2 A Derivada. 2.1 Velocidade Média e Velocidade Instantânea 2 O objetivo geral desse curso de Cálculo será o de estudar dois conceitos básicos: a Derivada e a Integral. No decorrer do curso esses dois conceitos, embora motivados de formas distintas, serão por mais

Leia mais

Utilização de imagem CBERS-2 na análise e avaliação dos impactos ambientais da cultura da cana-de-açúcar da região de Ribeirão Preto SP

Utilização de imagem CBERS-2 na análise e avaliação dos impactos ambientais da cultura da cana-de-açúcar da região de Ribeirão Preto SP Utilização de imagem CBERS-2 na análise e avaliação dos impactos ambientais da cultura da cana-de-açúcar da região de Ribeirão Preto SP Valéria de Souza Assunção 1 Elizabete Cristina Kono 1 Rafael Frigerio

Leia mais

REPRESENTAÇÃO DA IMAGEM DIGITAL

REPRESENTAÇÃO DA IMAGEM DIGITAL REPRESENTAÇÃO DA IMAGEM DIGITAL Representação da imagem Uma imagem é uma função de intensidade luminosa bidimensional f(x,y) que combina uma fonte de iluminação e a reflexão ou absorção de energia a partir

Leia mais

Características das Imagens de SAR

Características das Imagens de SAR Características das Imagens de SAR Natural Resources Ressources naturelles Canada Canada Características das Imagens de SAR - Tópicos - Elementos de interpretação Tonalidade Textura Artefatos em imagens

Leia mais

APLICAÇÕES DA DERIVADA

APLICAÇÕES DA DERIVADA Notas de Aula: Aplicações das Derivadas APLICAÇÕES DA DERIVADA Vimos, na seção anterior, que a derivada de uma função pode ser interpretada como o coeficiente angular da reta tangente ao seu gráfico. Nesta,

Leia mais

Técnicas de Caixa Preta de Teste de Software

Técnicas de Caixa Preta de Teste de Software Técnicas de Caixa Preta de Teste de Software Na maioria de projetos de teste, o tempo para a realização dos mesmos sempre é curto e os números de testes a serem realizados nas aplicações são inúmeros.

Leia mais

Sistemas Multimédia. Ano lectivo 2006-2007. Aula 11 Conceitos básicos de Audio Digital. MIDI: Musical Instrument Digital Interface

Sistemas Multimédia. Ano lectivo 2006-2007. Aula 11 Conceitos básicos de Audio Digital. MIDI: Musical Instrument Digital Interface Sistemas Multimédia Ano lectivo 2006-2007 Aula 11 Conceitos básicos de Audio Digital Sumário Aúdio digital Digitalização de som O que é o som? Digitalização Teorema de Nyquist MIDI: Musical Instrument

Leia mais