Uma avaliação de métodos genéticos para ajuste de parâmetros de segmentação
|
|
- Flávio Almada Azambuja
- 5 Há anos
- Visualizações:
Transcrição
1 Uma avaliação de métodos genéticos para ajuste de parâmetros de segmentação Raul Queiroz Feitosa 1 Gilson Alexandre Ostwald Pedro da Costa 1 Cecília Maria Buarque Fredrich 1 Flávio Fortes Camargo 2 Cláudia Maria de Almeida 2 1 Pontifícia Universidade Católica do Rio de Janeiro PUC-RJ Departamento de Engenharia Elétrica R. Marquês de São Vicente, Rio de Janeiro, RJ {raul, gilson, buarque}@ele.puc-rio.br 2 Instituto Nacional de Pesquisas Espaciais - INPE Divisão de Processamento de Imagens Divisão de Sensoriamento Remoto Av. dos Astronautas, São José dos Campos, SP {almeida, fortes}@dsr.inpe.br Abstract. Most segmentation algorithms have explicit parameters that must be properly set in order to produce the desired outcome, and the definition of suitable parameter values is usually a complex, time consuming task. In Costa et al. (2008), a supervised, semi-automatic parameter adaptation method based on a Genetic Algorithm (GA) was proposed. Given an initial set of reference object samples, the method searches the parameter space for (near) for values that will produce segments as similar as possible to the reference. The specific formulation of the objective function, which provides the similarity measure used in the method, privileged applications in which the objects to be segmented were homogeneous. This work addresses this issue, extending the previous work by proposing a novel objective function which considers the objects of interest to be inhomogeneous, though formed by an assembly of homogeneous parts. The software prototype that implemented the previous approach was extended with the new objective function, and an experimental evaluation of the two objective functions were performed taking into account three different segmentation algorithms and five different object classes. The analysis of the results obtained with both objective functions provides guidelines for the selection of the function to be used in different applications. Palavras-chave: remote sensing, image processing, genetic algorithms, optimization methods, sensoriamento remoto, processamento de imagens, algoritmos genéticos, métodos de otimização. 1. Introdução A segmentação é passo essencial no processo de análise de imagens (vide Blaschke e Strobl (2001)), pois gera os blocos básicos que serão classificados no passo subseqüente do processo de interpretação. A exatidão de todo este processo, portanto, depende decisivamente da qualidade da segmentação, sendo inclusive tema de vários estudos publicados, em que se comparam diversos algoritmos de segmentação (e.g. Neubert et al. (2008)). A qualidade da segmentação depende, no entanto, não apenas do algoritmo selecionado, mas de um apropriado ajuste dos valores de seus parâmetros (vide Carleer et al. (2005)). Esse ajuste é feito, na ampla maioria dos casos práticos, através de uma longa série de tentativas e erros, não havendo garantia de que os valores ótimos serão, de fato, encontrados. Em Pignalberi et al. (2003) e Feitosa et al. (2006), propõe-se o uso de algoritmos genéticos (AG) para o ajuste automático dos parâmetros de segmentação. Trata-se de uma abordagem supervisionada (vide Zhang (1996)) em que a qualidade da segmentação é dada por uma medida de disparidade entre o resultado e um conjunto de segmentos de referência, freqüentemente chamado de padrão ouro e 6875
2 selecionado manualmente por um analista. A idéia subjacente reside em ser o olho humano o mais confiável avaliador da qualidade da segmentação (vide Baatz et al. (2000)) e numa coleção de segmentos de referência poder representar adequadamente o que um analista percebe como boa segmentação. Assim, quanto menor sua disparidade em relação à referência, melhor será o resultado da segmentação. Seguindo esta linha, algumas métricas de disparidade foram propostas (vide e.g. Feitosa et al. (2006) e Fredrich e Feitosa (2008)). Todas elas são definidas de modo que a coincidência perfeita entre segmentação e referência resulte um valor limite da disparidade, freqüentemente igual a zero. Não há, entretanto, fundamento teórico que comprove a adequação de tais métricas como medidas da qualidade para situações em que a segmentação é distinta da referência. É, por exemplo, curioso notar que todas elas podem associar um mesmo valor de disparidade a várias segmentações diferentes. Podese, também, questionar, se segmentações distintas com um mesmo grau de disparidade seriam percebidas por um analista humano como possuindo qualidade semelhante. De fato, pouco se tem investido em estudos que relacionem as métricas de disparidade à qualidade visual da segmentação. O presente trabalho aborda esta questão. Especificamente, investiga-se a hipótese básica dos métodos automáticos de ajuste de parâmetros de segmentação baseados em AGs, ou seja, de que a qualidade da segmentação pode ser adequadamente expressa em termos numéricos por medidas de disparidade entre a segmentação e uma referência. A análise experimental é realizada a partir de uma imagem QuickBird de uma área urbana. Duas funções de disparidade são consideradas na análise, uma voltada para objetos homogêneos e outra, para objetos heterogêneos. O restante do trabalho está organizado da seguinte maneira. A próxima seção apresenta em linhas gerais a metodologia de ajuste automático dos parâmetros de segmentação baseados em AGs. A seção seguinte descreve os experimentos realizados e discute os resultados. As principais conclusões do trabalho são resumidas na última seção. 2. Ajuste de Parâmetros de Segmentação baseado em Algoritmos Genéticos A relação entre os valores dos parâmetros de segmentação, com respeito a uma dada classe de objetos, e a qualidade da segmentação resultante não pode ser formulada analiticamente. Por isso, métodos baseados em cálculo numérico não podem ser aplicados no processo de busca dos valores ótimos. Métodos estocásticos de otimização constituem, neste caso, uma alternativa viável. Sendo assim, AGs foram a técnica adotada, neste trabalho, para ajuste dos parâmetros de segmentação. 2.1 Algoritmos Genéticos Uma explicação mais detalhada sobre AGs foge ao escopo deste texto e pode ser encontrada em Michalewicz (1999) e Davis (1990). Porém, para a compreensão das seções subseqüentes, AGs podem ser vistos como algoritmos de otimização por busca paralela, dirigida por uma função objetivo que pode ser definida livremente (vide Davis (1990)). Neste caso particular, a solução ótima são os valores dos parâmetros de segmentação, para os quais uma função de disparidade que mede quão bem a segmentação resultante corresponde às referências fornecidas pelo usuário atinge seu mínimo. 6876
3 2.2 Funções de Disparidade Foram utilizadas duas funções de disparidade, aqui apresentadas individualmente. Seus nomes originais, em inglês, serão mantidos neste texto. Em termos matemáticos, dados um conjunto de segmentos S, uma função de disparidade F e um vetor de parâmetros P, o objetivo do AG é encontrar P ótimo, definido por ( min[ F ( S,P)]) P = ótimo arg P (1) Reference Bounded Segments Booster RBSB Função originalmente proposta em Costa et al. (2008), a RBSB é formalmente definida a seguir. Sejam S i e O(P) i conjuntos de pixels; o primeiro pertencente ao i- ésimo segmento de S e o segundo, ao produto da segmentação, através de P, com maior interseção com S i. Definem-se, ainda: o número de pixels em O(P) i que não pertencem a S i como fp i (falso positivos); o número de pixels em O(P) i que pertencem a S i como vp i (verdadeiro positivos); o número de pixels em S i que não pertencem a O(P) i como fn i (falso negativos), e o número de segmentos não vazios pertencentes a S como n. A função RBSB é, assim, dada por F 1 fp + fni, (2) n fn ( S P) = n i i= 1 vpi + i A Figura 1 mostra a representação gráfica da RBSB, onde O(P)i corresponde à região de contorno sólido e S i, à de tracejado. Figura 1. Representação gráfica das entidades que compõem a função objetivo RBSB Larger Segments Booster - LSB Fredrich e Feitosa (2008) propõem uma função de disparidade alternativa. Essa função, a LSB, favorece resultados que correspondem às referências com o mínimo de segmentos e é definida a seguir. Sejam SO(P) o conjunto de segmentos produzidos pela segmentação que contenham pixels de S e SO(P) i o subconjunto de SO(P), cujos membros possuem pelo menos 50% de seus pixels em S i. Definem-se, ainda: o número de pixels em SO(P) i que não pertencem a S i como fp i (falso positivos); o número de pixels em SO(P) i que também pertencem a S i como vp i (verdadeiro positivos); o número de pixels em S i que não pertencem a SO(P) i como fn i (falso negativos); 6877
4 o número de pixels na fronteira de SO(P) i contidos em (S i ) ou fronteira interna das referências como b i, e o número de SO(P) i vazios como NS. A função LSB é, assim, dada por 1 fp i + fni + bi F( S, P) = NS + (3) n SO( P) vp + i i fni Seu comportamento é ilustrado pela Figura 2. As regiões, cujos contornos são sólidos e em preto identificam os segmentos em SO(P) i. Já as de contorno tracejado representam em segmentos em S i. Os termos fp i e fn i favorecem soluções que sejam, estritamente, subconjuntos das referências, implicando que as segmentações de melhor avaliação sejam constituídas de inúmeros pequenos segmentos (tendendo a um único pixel). O termo b i funciona justamente como um contrapeso a tal efeito, pois segmentos maiores possuem uma razão perímetro/área menor e, portanto, soluções que os contenham são favorecidas, no que diz respeito a esta entidade. Quando todos os SO(P) i são vazios, tem-se NS=n. Nesses casos, faz-se F(S,P)=1. Figura 2. Representação gráfica das entidades que compõem a função objetivo LSB. 3. Análise experimental Nesta seção, apresentam-se a base de dados, o método de segmentação e seus resultados. 3.1 Base de Dados Parte de uma imagem QuickBird, de coordenadas (S 23º ; W 45º ) e (S 23º ; W 45º ) foi utilizada para a avaliação das funções de disparidade. As cinco bandas originais pancromática ( nm), azul ( nm), verde ( ), vermelha ( nm) e infra-vermelha ( nm) foram fundidas em quatro, através de análise dos componentes principais. A resolução espacial resultante é igual à da banda pancromática (0.67 m). A escolha da cena deveu-se à diversidade de padrões observada. 3.2 Método de Segmentação O método de segmentação adotado baseia-se naquele proposto por Baatz e Schäpe (2000). Trata-se de um algoritmo de otimização local passo-a-passo que minimiza a heterogeneidade média dos objetos na imagem. 6878
5 3.3 Ferramenta de Avaliação Toda a avaliação foi realizada num protótipo em software que implementa o método automático de ajuste de parâmetros de segmentação, chamado SPT (Segmentation Parameters Tuner), disponível através do link Downloads na página do Laboratório de Visão Computacional da PUC-Rio ( Resultados e Discussões A análise que se segue baseia-se nos valores da função de disparidade usada como função objetivo para o AG e, também, numa análise visual dos resultados das segmentações. As figuras (a) até (c) da Tabela 1 mostram os resultados obtidos com a função LSB, para objetos homogêneos, heterogêneos e mistos, respectivamente. Treinamento e validação distinguem-se pela cor; verde e amarelo. Com respeito à figura (a), nota-se que, de um modo geral, os grupos de objetos estão bem delineados. A exceção é o prédio no formato de H um pouco acima do centro da imagem. Este objeto, como de resto todos aqueles homogêneos muito claros, foram super segmentados. Este resultado está provavelmente associado ao fato de que nenhum objeto homogêneo muito claro fez parte do conjunto de treinamento. Um novo cálculo da disparidade foi realizado retirando-se este objeto do conjunto de validação. Verificou-se que o valor da disparidade passou de 0,38 para 0,32, ou seja, um valor ainda inferior ao alcançado na fase de treinamento. Este resultado ressalta a importância de uma escolha apropriada do conjunto de referência para o método analisado. O experimento ilustrado pela figura (b) mostra, em relação ao experimento com objetos homogêneos, graus de disparidade superiores, quando produzidos pela função LSB, tanto no treinamento quanto na validação. Isto decorre de que objetos não homogêneos contêm pixels de fronteira entre segmentos, aumentando, assim, a disparidade medida pela Equação 3. É interessante notar a menor tendência à supersegmentação neste caso, em comparação com o que se verifica nas figuras (a) e (c) da Tabela 1. Isto é facilmente observado nos objetos ao longo da rua que cruza o quadrante inferior esquerdo da imagem. Trata-se de aglomerados de objetos basicamente de mesmo matiz (cinza), que diferem preponderantemente no brilho. A função LSB treinada com objetos heterogêneos é mais condescendente do que no caso anterior (treinamento com objetos homogêneos) e tende a fundir num mesmo objeto segmentos de cores parecidas. O efeito menos acentuado de super-segmentação é observado novamente no grande telhado claro que se encontra no quadrante superior direito da imagem. Na figura (c), tem-se o resultado do experimento com objetos heterogêneos e homogêneos, presentes tanto no treinamento quanto na validação. Os valores de disparidade são próximos do que se alcançou para objetos heterogêneos (figura (b)). Visualmente, contudo, a qualidade dos resultados é distinta. Nota-se que objetos homogêneos estão mais bem delineados na figura (a), seguidos pelos na figura (c) e, por último, na figura (b). Objetos heterogêneos estão, ao contrário, mais bem delineados na figura (b), depois, na (c) e, finalmente, na (a). Neste sentido, os resultados da figura (c) representam uma espécie meio termo entre os resultados das figuras (a) e (b), o que é coerente, uma vez que o conjunto de treinamento no caso da figura (c) contém tanto objetos homogêneos, quanto heterogêneos. 6879
6 Anais XIV Simpósio Brasileiro de Sensoriamento Remoto, Natal, Brasil, abril 2009, INPE, p De um modo geral, os mesmos comentários que comparam os resultados dos experimentos com a função LSB se aplicam aos resultados obtidos a partir da função RBSB, que são mostrados nas figuras (d) a (f) da Tabela 1. LSB Tabela 1. Resultados produzidos a partir das funções LSB e RBSB para referência contendo objetos homogêneos, heterogêneos e ambos. objetos homogêneos objetos heterogêneos objetos mistos Ftreinamento=0,55 Fvalidação =0,75 (b) Ftreinamento=0,51 Fvalidação =0,75 (c) Ftreinamento=0,30 Fvalidação =0,35 (d) Ftreinamento=0,46 Fvalidação =0,71 (e) Ftreinamento=0,37 Fvalidação =0,58 (f) RBSB Ftreinamento=0,34 Fvalidação=0,38 (a) É interessante analisar os resultados produzidos pelas duas funções de disparidade para um mesmo conjunto de treinamento e validação. Para objetos homogêneos (figuras (a) e (d)), nota-se que ambas produzem bons resultado para telhados avermelhados. Telhados azulados apresentam em alguns casos fronteiras artificiais para ambas as funções. Uma possível explicação para este comportamento pode estar no conjunto de treinamento. Este contém apenas 2 exemplos de telhados azulados. Adjacente a um deles, próximo ao centro da imagem, há outro telhado também azulado, sendo que a fronteira entre eles não se discerne com clareza do ponto de vista espectral. Esta 6880
7 fronteira nebulosa pode ter trazido dificuldade para o processo de otimização. Telhados claros tenderam a ser super-segmentados para ambas as funções de disparidade, de novo possivelmente devido à ausência de telhados brancos no conjunto de treinamento. Para objetos heterogêneos, percebe-se uma superioridade da função LSB. Objetos heterogêneos tendem a ser divididos em suas partes homogêneas pela função RBSB. Este comportamento é particularmente visível no grande telhado claro no quadrante superior direito da imagem. Em síntese, a função LSB tem desempenho semelhante à função RBSB para objetos homogêneos, e a supera quando se trata de objetos heterogêneos. 4. Conclusões e Direções Futuras Esta seção explicita as principais conclusões deste trabalho extraídas dos experimentos descritos na seção anterior. Para objetos homogêneos o método de ajuste de parâmetro de segmentação produziu resultados bastante compatíveis com a percepção visual da qualidade da segmentação. Esta conclusão se aplica às duas funções de disparidade consideradas neste trabalho. Em ambos os casos valores de disparidade em torno de 0,35 estiveram associados a uma boa qualidade visual do resultado da segmentação. O problema de segmentação é inerentemente mais difícil quando os objetos de interesse são heterogêneos. Isto se refletiu em valores comparativamente mais elevados dos graus de disparidade produzidos por ambas as funções consideradas. De um modo geral, muitos dos objetos heterogêneos presentes na imagem acabam sendo subdivididos em suas partes homogêneas, por melhor que seja o ajuste dos parâmetros de segmentação. Não é, portanto, possível afirmar que se alcançaram de fato os resultados ótimos em termos de qualidade visual nos experimentos realizados com objetos heterogêneos. Os resultados são, contudo, pelo menos razoáveis visualmente. A análise evidenciou, ainda, a importância de um conjunto de referência efetivamente representativo de todos os tipos de objetos de interesse presentes na imagem. Ficou igualmente patente que os valores ótimos dos parâmetros de segmentação para um determinado tipo de objeto não serão necessariamente os valores ótimos para outro. Assim, ao se incluírem objetos de vários tipos no conjunto de referência, o método de ajuste poderá produzir resultados insatisfatórios para alguns e, no limite, para todos eles. Estas considerações sugerem que a seleção dos objetos para a referência ocorra em mais de uma etapa, em que representantes de tipos diferentes são incluídos ou excluídos do conjunto de treinamento pelo usuário, dependendo da qualidade do resultado alcançado pelo SPT. Uma avaliação deste procedimento foge, contudo, do escopo do presente trabalho. De maneira geral, os resultados experimentais confirmam que a metodologia supervisionada baseada em AGs constitui uma abordagem promissora para reduzir o tempo investido pelo operador humano no ajuste dos parâmetros de algoritmos de segmentação. Será interessante considerar, num estudo futuro, o comportamento do método para diversos algoritmos de segmentação, utilizando todos os três disponíveis no SPT. Referências Bibliográficas Baatz, M.; Schäpe, A. Multiresolution Segmentation an optimization approach for high quality multiscale image segmentation, Heidelberg. Strobl J, Blaschke T, Griesebner G (eds) Angewandte Geographische Informationsverarbeitung, v. 12, p ,
8 Blaschke, T.; Strobl, J. What is wrong with pixels? Some recent developments interfacing remote sensing and GIS. GIS-Zeitschrift für Geoinformationssysteme, n. 6, p , Carleer, A. P.; Debeir, O.; Wolff, E. Assessement of very high spatial resolution satellite image segmentations. Photogrammetric Engineering and Remote Sensing, v. 71, n. 11, p , Costa, G. A. O. P.; Feitosa, R. Q.; Cazes, T. B.; Feijó, B. Genetic Adaptation of Segmentation Parameters. In: Blaschke, T.; Lang, S.; Hay, G. (Eds.). Object-Based Image Analysis: Spatial concepts for knowledge-driven remote sensing applications. Heidelberg: Springer, p Davis, L. Handbook of Genetic Algorithms. New York: Van Nostrand Reinhold, Fredrich, C. M. B.; Feitosa, R. Q. Automatic Adaptation of Segmentation Parameters Applied to Inhomogeneous Objects Detection, Calgary. GEOBIA - Geo-Object Based Image Analysis Conference Proceedings, Feitosa, R. Q.; Costa, G. A.; Cazes, T. B.; Feijó, B. A genetic approach for the automatic adaptation of segmentation parameters. International Conference on Object-based Image Analysis - ISPRS Proceedings, v. 36, n. 4/C42, Michalewicz, Z. Genetic Algorithms + Data Structures = Evolution Programs, Heidelberg: Springer, Neubert, M.; Herold, H.; Meinel, G. Acessing image segmentation quality concepts, methods and application. In: Blaschke, T.; Lang, S.; Hay, G. (Eds.). Object-Based Image Analysis: Spatial concepts for knowledge-driven remote sensing applications. Heidelberg: Springer, cap. 8.3, p Pignalberi, G.; Cucchiara, R.; Cinque, L.; Levialdi, S Tuning range image segmentation by genetic algorithm. EURASIP Journal on Applied Signal Processing, n. 8, p , Zhang Y. A survey on evaluation methods for image segmentation. Pattern Recognition, v. 29, n. 8, p ,
Uma abordagem baseada em objeto na análise de imagens com a utilização de segmentações independentes
Uma abordagem baseada em objeto na análise de imagens com a utilização de segmentações independentes Marcelo Musci Raul Queiroz Feitosa Gilson Alexandre Ostwald Pedro da Costa Pontifícia Universidade Católica
Ajuste 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
Uma Abordagem Multiescalar, Multicritério para a Segmentação de Imagens
Rodrigo da Silva Ferreira Uma Abordagem Multiescalar, Multicritério para a Segmentação de Imagens Dissertação de Mestrado Dissertação apresentada como requisito parcial para obtenção do grau de Mestre
Aplicação de Algoritmos Genéticos para a Evolução de Parâmetros para a Segmentação de Imagens
Aplicação de Algoritmos Genéticos para a Evolução de Parâmetros para a Segmentação de Imagens Costa, G. A., Cazes, T. B. Resumo - A segmentação automática de imagens de sensoreamento remoto é uma área
AJUSTE AUTOMÁTICO DE PARÂMETROS DE SEGMENTAÇÃO
AJUSTE AUTOMÁTICO DE PARÂMETROS DE SEGMENTAÇÃO R. Q. Feitosa a, c, G. A. O. P. Costa a, T. B. Cazes a, B. Feijo b a Dept. Engenharia Elétrica, b Dept Informática, Pontifícia Universidade Católica do Rio
Uma implementação paralela para segmentação de imagens de alta resolução em GPUs
Anais XV Simpósio Brasileiro de Sensoriamento Remoto - SBSR, Curitiba, PR, Brasil, 30 de abril a 05 de maio de 2011, INPE p.7713 Uma implementação paralela para segmentação de imagens de alta resolução
Uso de algoritmos genéticos no ajuste de parâmetros da segmentação de imagens. Giovana Mira de Espindola
Uso de algoritmos genéticos no ajuste de parâmetros da segmentação de imagens Giovana Mira de Espindola Instituto Nacional de Pesquisas Espaciais INPE Caixa Postal 515 12245-970 São José dos Campos SP,
Rastreamento de Objetos Baseado em Grafos. Casamento Inexato entre Grafos Relacionais com Atributos
Rastreamento de Objetos Baseado em Casamento Inexato entre Grafos Relacionais com Atributos Exame de Qualificação de Mestrado Ana Beatriz Vicentim Graciano Orientador: Roberto M. Cesar Jr. Colaboradora:
Maria 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
Interpretação Baseada em Conhecimento de Imagens de Sensores Remotos de Alta Resolução
Thiago Broerman Cazes Interpretação Baseada em Conhecimento de Imagens de Sensores Remotos de Alta Resolução Dissertação de Mestrado Dissertação apresentada ao Programa de Pósgraduação em Engenharia Elétrica
3 Extração de Regras Simbólicas a partir de Máquinas de Vetores Suporte 3.1 Introdução
3 Extração de Regras Simbólicas a partir de Máquinas de Vetores Suporte 3.1 Introdução Como já mencionado na seção 1.1, as SVMs geram, da mesma forma que redes neurais (RN), um "modelo caixa preta" de
Extração de objetos por segmentação de imagem matiz e análise de forma baseada no ângulo tangente
Extração de objetos por segmentação de imagem matiz e análise de forma baseada no ângulo tangente Carlos Frederico de Sá Volotão 1, Luciano Vieira Dutra 2, Rafael Duarte Coelho dos Santos 3 1 Programa
Correção 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
CLASSIFICAÇÃO 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
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
Referências Bibliográficas
Referências Bibliográficas [Alpert07] ALPERT, S.; GALUN, M.; BASRI, R.; BRANDT, A.. Image segmentation by probabilistic bottom-up aggregation and cue integration. IEEE Conference on Computer Vision and
3 Simpósio Internacional de Agricultura de Precisão
PROGRAMA COMPUTACIONAL PARA LOCALIZAÇÃO DE PLANTAS DANINHAS UTILIZANDO PROCESSAMENTO DE IMAGENS DIGITAIS Gustavo Finholdt 1, Celso Bandeira de Melo Ribeiro 2, Francisco de Assis de Carvalho Pinto 3 RESUMO:
Segmentação 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"
CLASSIFICAÇÃO 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
Descritores de Imagens
Descritores de Imagens André Tavares da Silva PPGCA/UDESC Outubro de 2017 André Tavares da Silva (PPGCA/UDESC) Descritores de Imagens Outubro de 2017 1 / 17 Introdução Excelentes pesquisas sobre descritores
CLASSIFICAÇÃO 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
Detecção de objetos regulares em imagens de alta resolução utilizando casamento de modelos. Douglas Messias Uba 1 Luciano Vieira Dutra 1
Detecção de objetos regulares em imagens de alta resolução utilizando casamento de modelos Douglas Messias Uba 1 Luciano Vieira Dutra 1 1 Instituto Nacional de Pesquisas Espaciais INPE Caixa Postal 515
2 Fundamentos Teóricos
2 Fundamentos Teóricos Neste capítulo são abordados alguns fundamentos teóricos importantes para o entendimento deste trabalho. Na seção 2.1 é apresentado o conceito básico de segmentação de imagens e
5 Implementação e Análise Experimental do Método
5 Implementação e Análise Experimental do Método Um protótipo que implementa o método proposto no capítulo anterior foi construído para avaliação de desempenho. Este capítulo descreve a operação do protótipo,
5 Estudo de Caso e Resultados
5 Estudo de Caso e Resultados 5.1. Introdução Finalizado o desenvolvimento da ferramenta, é indispensável testar suas funcionalidades e a eficácia da aplicação conjunta dos seus módulos de geração de experimentos
Um Algoritmo Genético para o Problema de Roteamento de Veículos com Janelas de Tempo
Um Algoritmo Genético para o Problema de Roteamento de Veículos com Janelas de Tempo Francisco Henrique de Freitas Viana Pontifícia Universidade Católica do Rio de Janeiro PUC-Rio Departamento de Informática
OPTICAL IMAGE SYNTHESIS FOR CLOUD REMOVAL WITH GENERATIVE ADVERSARIAL NETWORKS
OPTICAL IMAGE SYNTHESIS FOR CLOUD REMOVAL WITH GENERATIVE ADVERSARIAL NETWORKS José David Bermúdez Castro Advisor: Prof. Raul Queiroz Feitosa Co-advisor: Dr. Patrick Nigri Happ Laboratório de Visão Computacional
Mapeamento 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
ANÁLISE 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
Análise dos dados do satélite WorldView-2 para a discriminação de alvos urbanos semelhantes com base em algoritmos de seleção de atributos
Anais XV Simpósio Brasileiro de Sensoriamento Remoto - SBSR, Curitiba, PR, Brasil, 30 de abril a 05 de maio de 2011, INPE p.7815 Análise dos dados do satélite WorldView-2 para a discriminação de alvos
Estatística: 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
Fusão 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
AVALIAÇÃO 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,
CONSTRUÇÃO AUTOMÁTICA DE OPERADORES MORFOLÓGICOS UTILIZANDO PROGRAMAÇÃO GENÉTICA.
CONSTRUÇÃO AUTOMÁTICA DE OPERADORES MORFOLÓGICOS UTILIZANDO PROGRAMAÇÃO GENÉTICA. Emerson Carlos Pedrino * e-mail: ecpedrin@sel.eesc.sc.usp.br Valentin Obac Roda ** e-mail: valentin@sel.eesc.sc.usp.br
DETECÇÃO DE LINHA DO HORIZONTE EM IMAGENS DIGITAIS HORIZON LINE DETECTION IN DIGITAL IMAGES
DETECÇÃO DE LINHA DO HORIZONTE EM IMAGENS DIGITAIS HORIZON LINE DETECTION IN DIGITAL IMAGES BEUREN, Arlete Teresinha 1 ; FACON, Jacques 2 1 UTFPR, Santa Helena, Paraná, Brasil; 2 Pontifícia Universidade
O reconhecimento facial é dividido em três etapas: i) detecção da face, ii) extração de características e iii) reconhecimento da face.
ESTUDO SOBRE MÉTODOS DE RECONHECIMENTO FACIAL EM FOTOGRAFIAS DIGITAIS Ana Elisa SCHMIDT¹, Elvis Cordeiro NOGUEIRA² ¹ Orientadora e docente do IFC-Campus Camboriú; ² Aluno do curso de Bacharelado em Sistemas
Mapeamento 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
CLASSIFICAÇÃO 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
Extração de objetos de interesse em imagens digitais utilizando a biblioteca de Visão Computacional OpenCV
Extração de objetos de interesse em imagens digitais utilizando a biblioteca de Visão Computacional OpenCV Izadora Aparecida RAMOS 1,3,4 ; Servílio Souza de ASSIS 1,3,4 ; Bruno Alberto Soares OLIVEIRA
Algoritmos Genéticos e Evolucionários
Algoritmos Genéticos e Evolucionários Djalma M. Falcão COPPE/UFRJ PEE e NACAD falcao@nacad.ufrj.br http://www.nacad.ufrj.br/~falcao/ http://www.nacad.ufrj.br/~falcao/ag/ag.htm Resumo do Curso Introdução
Fusão de Dados: A Nova Tendência em Processamento Digital de Imagens
Fusão de Dados: A Nova Tendência em Processamento Digital de Imagens CAMILA SOUZA DOS ANJOS LACERDA IFSULDEMINAS Campus Inconfidentes Roteiro Introdução Objetivos Conceituação Resolution Merge / Pan Sharpen
Sensoriamento Remoto
LABORATÓRIOS DIDÁTICOS DE GEOPROCESSAMENTO Sensoriamento Remoto Classificação Supervisionada de Imagens de Sensoriamento Remoto Elaboração: Cláudia Soares Machado Mariana Giannotti Rafael Walter de Albuquerque
3 Segmentador Multiresolução Estendido
3 Segmentador Multiresolução Estendido Neste capítulo é abordado o método de segmentação de imagens proposto neste trabalho. A seção 3.1 apresenta o método de segmentação. Na seção 3.2 são apresentados
Utilização de Algoritmos Genéticos para Otimização de Altura de Coluna da Matriz de Rigidez em Perfil no Método dos Elementos Finitos
Utilização de Algoritmos Genéticos para Otimização de Altura de Coluna da Matriz de Rigidez em Perfil no Método dos Elementos Finitos André Luiz Ferreira Pinto Pontifícia Universidade Católica do Rio de
Aplicação 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
Reconhecimento 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
Avaliação de Nitidez em Imagens por Aprendizagem
Avaliação de Nitidez em Imagens por Aprendizagem Rafael Anaice CCET Pontifícia Universidade Católica do Paraná, PUCPR Curitiba, Brasil rafael.anaice@ppgia.pucpr.br Jacques Facon PPGIA Pontifícia Universidade
CAPÍTULO 5 RESULTADOS. São apresentados neste Capítulo os resultados obtidos através do programa Classific, para
CAPÍTULO 5 RESULTADOS São apresentados neste Capítulo os resultados obtidos através do programa Classific, para as imagens coletadas no verão II, período iniciado em 18/01 e finalizado em 01/03 de 1999,
4 Método Proposto CR AD PA NDVI Descrição geral do modelo
34 4 Método Proposto 4.1. Descrição geral do modelo Neste trabalho, cada classe (cobertura vegetal) possui um HMM específico. Os estágios fenológicos correspondem a estados e os símbolos observáveis a
SEGMENTAÇÃO MULTIRESOLUÇÃO DE IMAGENS FUSIONADAS. Segmentation Multiresolution of the Images Fusion
S B C Revista Brasileira de Cartografia (2012) N 0 64/4: 443-449 Sociedade Brasileira de Cartografia, Geodésia, Fotogrametria e Sensoriamento Remoto ISSN: 1808-0936 SEGMENTAÇÃO MULTIRESOLUÇÃO DE IMAGENS
6 Estudos de Casos Porta Lógica OU de 4 Entradas
6 Estudos de Casos Com o objetivo de avaliar a síntese automática de circuitos de QCA usando técnicas de Hardware Evolucionário (EHW), alguns circuitos foram sintetizados e serão apresentados a seguir.
4 Avaliação Experimental
4 Avaliação Experimental Neste capítulo são descritos os experimentos realizados e apresentados os resultados obtidos. 4.1. Avaliação das Métricas de Discrepância Nesta seção é apresentado um estudo sobre
5 Avaliação Experimental
5 Avaliação Experimental Neste capítulo são apresentados os resultados obtidos neste trabalho, os protótipos desenvolvidos e avaliações objetivas do método. Além disso os casos de baixa performance são
Processamento Digital de Imagens
Ciência da Computação Processamento Digital de Imagens Prof. Sergio Ribeiro Tópicos Introdução Espectro Eletromagnético Aquisição e Digitalização de Imagens Efeitos da Digitalização Digitalização Sensoriamento
Processamento Digital de Imagens
1 Ciência da Computação Processamento Digital de Imagens Prof. Sergio Ribeiro Tópicos Introdução Espectro Eletromagnético Aquisição e de Imagens Sensoriamento Remoto 2 Introdução Espectro Eletromagnético
LAYER: Software para Extração de Feições em um Mapa Topográfico
GEODÉSIA online 4 / 2002 LAYER: Software para Extração de Feições em um Mapa Topográfico Ana Lúcia Bezerra Candeias, UFPE Recife Enio Felipe da Rocha, UFPE Recife 1. Introdução 1.1 Morfologia Matemática
5 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.
Classificação hierárquica e fuzzy de imagens de alta resolução
Classificação hierárquica e fuzzy de imagens de alta resolução Rodrigo Mikosz Gonçalves 1 João Batista Ramos Cortes 1 Marcio Augusto Reolon Schmidt 1 Marcos Benedito Schimalski 1 1 Universidade Federal
Relatório de pesquisa sobre o procedimento de otimização de modelos no Activate
Relatório de pesquisa sobre o procedimento de otimização de modelos no Activate 1 Introdução Esse trabalho tem por objetivo apresentar o bloco de otimização BobyqaOpt, suas funcionalidades, parâmetros
Método q-g: uma generalização do método da máxima descida
Trabalho apresentado no XXXV CNMAC, Natal-RN, 2014. Método q-g: uma generalização do método da máxima descida Aline C. Soterroni, Fernando Manuel Ramos, Laboratório Associado de Computação e Matemática
Carlos Roberto da Costa Ferreira. Interpolação Modificada de LSF's. Dissertação de Mestrado
Carlos Roberto da Costa Ferreira Interpolação Modificada de LSF's Dissertação de Mestrado Dissertação apresentada como requisito parcial para obtenção do grau de Mestre pelo Programa de Pósgraduação em
Algoritmo Genético aplicado ao Sistema de Análise de Concessão de Crédito (SACC) Rosini Antonio Monteiro Bezerra Professor Marco Aurélio
Algoritmo Genético aplicado ao Sistema de Análise de Concessão de Crédito (SACC) Rosini Antonio Monteiro Bezerra Professor Marco Aurélio ICA, DEE, PUC-RIO CEP: 22453-900 ramb@ele.puc-rio.br ica@ele.puc-rio.br
2 Reconhecimento Facial
2 Reconhecimento Facial Em termos gerais, o reconhecimento facial é o processo pelo qual se mede o grau de similaridade entre duas imagens faciais com o proposito de identificar a um indivíduo ou de verificar
Extração de feições de áreas urbanas a partir de imagens orbitais por técnica GEOBIA: Uma análise comparativa entre bandas do satélite RapidEye
Extração de feições de áreas urbanas a partir de imagens orbitais por técnica GEOBIA: Uma análise comparativa entre bandas do satélite RapidEye Andrea Amaziles Antunes Carvalho 1 Leandro da Silva Gregorio
Processamento de Imagens Digitais
Processamento de Imagens Digitais Antonio Cesar Germano Martins 2º semestre de 2018 Apresentações Nascido em Sorocaba. Graduado em Bacharelado em Física pela UNICAMP em 1989, tendo participado de pesquisas
CAPÍTULO 4 SEGMENTAÇÃO DE IMAGENS SAR
CAPÍTULO 4 SEGMENTAÇÃO DE IMAGENS SAR Segundo Gonzales e Wintz (1987), um dos primeiros passos do processo de análise de uma imagem digital consiste em particioná-la em seus elementos constituintes. O
UNIVERSIDADE FEDERAL DE UBERLÂNDIA UFU
UNIVERSIDADE FEDERAL DE UBERLÂNDIA UFU PLANO DE TRABALHO EM INICIAÇÃO CIENTÍFICA Desenvolvimento e aplicação de um modelo gravitacional simplificado para análise de texturas coloridas. Uberlândia 30/04/2014
Fernando 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
DETERMINAÇÃO DE FUNÇÕES DE TRANSFERÊNCIA DE PROCESSOS QUÍMICOS ATRAVÉS DO MÉTODO DE EVOLUÇÃO DIFERENCIAL UTILIZANDO O SCILAB
DETERMINAÇÃO DE FUNÇÕES DE TRANSFERÊNCIA DE PROCESSOS QUÍMICOS ATRAVÉS DO MÉTODO DE EVOLUÇÃO DIFERENCIAL UTILIZANDO O SCILAB A. H. R. REZENDE 1, D. L. SOUZA 1 1 Universidade Federal do Triângulo Mineiro,
SÍNTESE DE TEXTURAS UTILIZANDO OS ALGORITMOS GENÉTICOS DA MÍNIMA ENTROPIA MODIFICADO E DOS MODELOS DE TEXTURA MODIFICADO
SÍNTESE DE TEXTURAS UTILIZANDO OS ALGORITMOS GENÉTICOS DA MÍNIMA ENTROPIA MODIFICADO E DOS MODELOS DE TEXTURA MODIFICADO Robson Vieitas Ramos e Edna Lúcia Flôres Universidade Federal de Uberlândia Faculdade
Análise de métricas da paisagem utilizando o Fragstats 3.3
INSTITUTO NACIONAL DE PESQUISAS ESPACIAIS PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA DO SISTEMA TERRESTRE DISCIPLINA PADRÕES E PROCESSOS DE USO E COBERTURA DA TERRA Análise de métricas da paisagem utilizando
Aplicação de redes neurais artificiais na classificação de imagens obtidas por sensoriamento remoto
Aplicação de redes neurais artificiais na classificação de imagens obtidas por sensoriamento remoto Alexandre G. de Lima 1, Adrião Duarte Dória Neto 1, Jailton Carlos de Paiva 1, Vitor Meneghtetti 1, Xiankleber
Segmentação local. geralmente baseados em análise de descontinuidade ou similaridade de valores digitais.
Segmentação Segmentação local 2 Segmentação local geralmente baseados em análise de descontinuidade ou similaridade de valores digitais. descontinuidade : a abordagem é dividir a imagem baseando-se em
Um Algoritmo Genético com Aprendizado por Reforço Simples aplicado ao problema do Mundo de Grid
1 Um Algoritmo Genético com Aprendizado por Reforço Simples aplicado ao problema do Mundo de Grid Luciana Conceição Dias Campos Resumo Este trabalho consiste da aplicação de um algoritmo genético ao método
Universidade Federal de Pernambuco Graduação em Engenharia da Computação Centro de Informática
Universidade Federal de Pernambuco Graduação em Engenharia da Computação Centro de Informática DETECÇÃO DE BORDAS DE IMAGENS UTILIZANDO ELEMENTOS DE MORFOLOGIA MATEMÁTICA PROPOSTA DE TRABALHO DE GRADUAÇÃO
UMA PROPOSTA DE DECOMPOSIÇÃO DE SISTEMAS LINEARES PARA DMPC
UMA PROPOSTA DE DECOMPOSIÇÃO DE SISTEMAS LINEARES PARA DMPC R. R. ROCHA 1 e L. C. OLIVEIRA-LOPES 1 1 Universidade Federal de Uberlândia, Faculdade de Engenharia Química E-mail para contato: rosi.rocha28@gmail.com;
Aplicação 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
Morfologia Matemática: algumas aplicações. Rosana Gomes Bernardo Universidade Federal Fluminense
Morfologia Matemática: algumas aplicações Rosana Gomes Bernardo Universidade Federal Fluminense Introdução Aplicações Motivadoras - Consumo de Gás Natural Roteiro - Placas de Veículos Referências - Cartografia
Identificação de alvos urbanos em imagens Ikonos, aplicando classificação orientada a segmentos. Rafael de Arêa Leão Alves 1 Oscar Ricardo Vergara 2
Identificação de alvos urbanos em imagens Ikonos, aplicando classificação orientada a segmentos Rafael de Arêa Leão Alves 1 Oscar Ricardo Vergara 2 Instituto Militar de Engenharia IME Seção de Ensino de
Video Quality Assessment in Java
Video Quality Assessment in Java Pós-graduação strictu sensu em Ciência da Computação PROCESSAMENTO DE IMAGENS, Prof. Tsang Ing Ren Estêvão Monteiro Ricardo Scholz Junho de 2014 Introdução Fidelidade de
PROGRAMA 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
Visualização de terrenos em GPU
Visualização de terrenos em GPU Leonardo Martins { lmartins@inf.puc-rio.br} Disciplina: Visualização de Modelos Massivos Professor: Alberto Raposo Sumário Introdução Objetivos Visão geral Hierarquia de
AVALIAÇÃO 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
EXTRAÇÃO DE TELHADOS DE BARRO EM IMAGENS DE ALTA RESOLUÇÃO CLAY ROOF EXTRACTION IN HIGH RESOLUTION IMAGES
EXTRAÇÃO DE TELHADOS DE BARRO EM IMAGENS DE ALTA RESOLUÇÃO Roberto Neres Quirino de Oliveira 1 Ana Lúcia Bezerra Candeias 2 1 Universidade Federal de Pernambuco UFPE Graduação Engª Cartográfica roberto.qoliveira@ufpe.br
IMAGENS 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
CARACTERIZAÇÃO AUTOMÁTICA DE AGLOMERADOS DE MINÉRIO DE FERRO
CARACTERIZAÇÃO AUTOMÁTICA DE AGLOMERADOS DE MINÉRIO DE FERRO Alunos: Debora Turon Wagner e Gustavo Schinazi Orientador: Sidnei Paciornik Introdução O consumo específico do aço vem crescendo ao longo dos
STV 15 SET na figura acima a freqüência das variações do sinal de onda quadrada da câmera mostradas no topo do padrão xadrez é de 0,11 MHz
STV 15 SET 2008 1 FREQÜÊNCIAS DE VÍDEO ASSOCIADAS COM A VARREDURA HORIZONTAL no padrão xadrez da figura acima, o sinal de onda quadrada no topo representa as variações do sinal da câmera do sinal composto
Color Eyes Detector. Duarte Petiz. DCC/FCUP
Color Eyes Detector Duarte Petiz DCC/FCUP up201204625@fc.up.pt Resumo Este relatório descreve a implementação da aplicação desenvolvida Color Eyes Detector bem como mostra os resultados finais da execução
Classificação Multitemporal de Imagens Utilizando Cadeias de Markov Nebulosas
Classificação Multitemporal de Imagens Utilizando Cadeias de Markov Nebulosas Maria Clara de Oliveira Costa Raul Queiroz Feitosa, 2 Vanessa de Oliveira Campos Pontifícia Universidade Católica do Rio de
Mapeamento com o uso de limiar multiespectral utilizando o MATLAB e SPRING na classificação de Máxima Verossimilhança
Anais XV Simpósio Brasileiro de Sensoriamento Remoto - SBSR, Curitiba, PR, Brasil, 30 de abril a 05 de maio de 20, INPE p.2608 Mapeamento com o uso de limiar multiespectral utilizando o MATLAB e SPRING
COMPARAÇÃO DO DESEMPENHO DE ALGORITMOS DE NORMALIZAÇÃO RADIOMÉTRICA DE IMAGENS DE SATÉLITE
COMPARAÇÃO DO DESEMPENHO DE ALGORITMOS DE NORMALIZAÇÃO RADIOMÉTRICA DE IMAGENS DE SATÉLITE SILVIA SHIZUE LEONARDI 1 SONIA MARA DE SOUZA 1 LEILA MARIA GARCIA FONSECA 1 1 INPE - Instituto Nacional de Pesquisas
Aprendizado de Máquina. Combinando Classificadores
Universidade Federal do Paraná (UFPR) Departamento de Informática (DInf) Aprendizado de Máquina Combinando Classificadores David Menotti, Ph.D. web.inf.ufpr.br/menotti Introdução O uso de vários classificadores
10º Congresso Interinstitucional de Iniciação Científica CIIC a 04 de agosto de 2016 Campinas, São Paulo ISBN
Um Estudo de Descritores e Classificadores para Reconhecimento de Bagas de Café Pedro Henrique Ferreira Stringhini 1 ; Thiago Teixeira Santos 2 Nº 16605 RESUMO Métodos de reconhecimento de frutos baseados
Aprendizado por imitação usando Redes Neurais
Universidade de São Paulo Instituto de Ciências Matemáticas e Computação Aprendizado por imitação usando Redes Neurais Aluna: Valéria de Carvalho Santos Profª. Dra. Roseli A. F. Romero 2 Sumário Introdução
Registro Semi-automático de Imagens CBERS utilizando Coeficiente de Correlação de Pearson
Anais XV Simpósio Brasileiro de Sensoriamento Remoto - SBSR, Curitiba, PR, Brasil, 30 de abril a 05 de maio de 2011, INPE p.2546 Registro Semi-automático de Imagens CBERS utilizando Coeficiente de Correlação
4 Cálculo de Equivalentes Dinâmicos
4 Cálculo de Equivalentes Dinâmicos 4.1. Introdução Os sistemas de potência interligados vêm adquirindo maior tamanho e complexidade, aumentando a dependência de sistemas de controle tanto em operação
Francisco Benjamim Filho. XHITS: Estendendo o Algoritmo HITS para Extração de Tópicos na WWW DISSERTAÇÃO DE MESTRADO
Francisco Benjamim Filho XHITS: Estendendo o Algoritmo HITS para Extração de Tópicos na WWW DISSERTAÇÃO DE MESTRADO DEPARTAMENTO DE INFORMÁTICA Programa de Pós-Graduação em Informática Rio de Janeiro,
Algoritmo CLIQUE (Clustering In QUEst)
Algoritmo CLIQUE (Clustering In QUEst) Marcelo Camacho de Souza Nº USP: 3199616 Roteiro Algoritmo CLIQUE Exemplo Prático Complexidade Computacional Vantagens e Desvantagens Autores (IBM Almaden Research
Mapeamento 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
Classificação supervisionada
Classificação supervisionada 1. Semi-automatic Classification Plugin (SCP) O SCP é um plugin do QGIS desenvolvido por Luca Congedo e utilizado para a classificação semiautomática de imagens de sensoriamento