CLASSIFICAÇÃO DE IMAGENS
|
|
- Heloísa Batista Martins
- 8 Há anos
- Visualizações:
Transcrição
1 CLASSIFICAÇÃO DE IMAGENS SIG Profa.. Dra. Maria Isabel Castreghini de Freitas Profa. Dra. Andréia Medinilha Pancher
2 O que é classificação? É o processo de extração de informações em imagens para reconhecer padrões e objetos homogêneos que são utilizados para mapear áreas da superfície terrestre as quais correspondam aos temas de interesse. Associa cada pixel da imagem a um rótulo descrevendo um objeto real. Dessa forma, obteremos um mapa temático, o qual mostrará a distribuição geográfica de um tema, por exemplo a vegetação e uso da terra.
3 Classificação de Imagens Apesar da técnica de interpretação visual ser muito utilizada, há uma tendência de utilização da classificação computacional, devido a rapidez e facilidade em obter resultados (CROSTA, 1992). No processo de classificação de dados digitais, os elementos presentes na superfície terrestre são conhecidos por classes temáticas. Quando uma imagem é classificada, os pixels são rotulados de acordo com a ocupação do solo. Para o propósito, utilizam-se os classificadores. A rotulação dos valores dos níveis de cinza é efetuada utilizando-se algoritmos estatísticos (programas computacionais) de reconhecimento de padrões espectrais. A classificação subdivide-se em supervisionada e não-supervisionada, dependendo do algoritmo que será aplicado. Ambos os casos demandam duas fases: a do treinamento e a da classificação. (MOREIRA, 2003)
4 Classificação de imagens Procedimentos prévios para a realização da classificação: Levantamento de campo, a fim de coletar amostras para o treinamento dos classificadores. Interpretação das imagens em tela do computador, selecionando-se uma parte da área de estudo, a fim de se conhecer as características físicas e antrópicas de uma área piloto, servindo de padrão de comparação (verdade terrestre) para a posterior classificação supervisionada dos alvos urbanos.
5 Resultado da Classificação Digital É apresentado por classes espectrais (áreas que possuem características espectrais semelhantes), uma vez que um alvo dificilmente é caracterizado por uma única assinatura espectral. É constituído por um mapa de "pixels" classificados, representados por símbolos gráficos ou cores. O processo de classificação digital transforma um grande número de níveis de cinza de cada banda espectral em um pequeno número de classes em uma única imagem.
6 Técnicas de Classificação classificações unidimensionais: técnicas aplicadas a um canal espectral (uma banda da imagem) classificação multiespectral: o critério de decisão depende da distribuição de níveis digitais (ou níveis de cinza) em vários canais espectrais (várias bandas) Regra Geral: No geral, quanto maior o número de bandas espectrais, maior será a precisão da classificação
7 Classificadores Classificadores "pixel a pixel : usam de forma individual a informação espectral de cada pixel na busca por regiões homegêneas. Ex: Máxima Verossimilhança (MAXVER), MAXVER ICM, Distância Mínima (distância euclidiana) e Paralelepípedo. Classificadores por regiões: utilizam a informação espectral de cada pixel e a relação espacial de vizinhança entre pixels (áreas homogêneas espectrais e espaciais da imagem) O SPRING usa os classificadores: ISOSEG, Battacharya e ClaTex (não supervisionados) para classificar as regiões de uma imagem segmentada.
8 Tipos de Classificação SUPERVISIONADA (Pixel a Pixel) Paralelepípedo Distância Mínima MAXVER MAXVER-ICM (considera a vizinhança) NÃO SUPERVISIONADA (por regiões) ISOSEG SUPERVISIONADA (por regiões) Bhattacharya ClaTex
9 Classificação Supervisionada Tipo de classificação que demanda o conhecimento prévio de alguns aspectos da área verdade terrestre. Tais áreas são padrão de comparação com as quais todos os pixels desconhecidos serão comparados e, posteriormente, classificados. Nessa classificação, o treinamento diz respeito ao reconhecimento da assinatura espectral de cada uma das classes de uso do solo da área da imagem. Para alguns classificadores (algoritmos), esse reconhecimento abrange a obtenção de parâmetros estatísticos (média, matriz de covariância, etc.) de cada classe presente na área. Para outros necessita-se somente do nível mínimo e máximo de níveis de cinza. (CROSTA, 1992)
10 Treinamento Área de treinamento: a área da imagem que o usuário identifica como representante de uma das classes em estudo. Os limites da área de treinamento são traçados diretamente sobre a imagem, no monitor de vídeo do sistema de processamento de imagens. (Crosta, 1992) Treinamento é o reconhecimento da assinatura espectral das classes. Formas de treinamento: supervisionado e nãosupervisionado. Área de treinamento = amostra homogênea da classe com toda a variabilidade dos níveis de cinza. Recomenda-se que o usuário adquira mais de uma área de treinamento, utilizando o maior número de informações disponíveis, como trabalhos de campo, mapas, etc. O número de "pixels" de treinamento de uma classe aumenta com a complexidade da área e do tema em estudo.
11 Métodos de Classificação Supervisionada
12 Limite de aceitação de uma classificação, no ponto onde as duas distribuições se cruzam. Desta forma, um "pixel" localizado na região sombreada, apesar de pertencer à classe 2, será classificado como classe 1, pelo limite de aceitação estabelecido. Fonte: Jensen, 1996
13 Métodos de Classificação Supervisionada: Paralelepípedo Considera uma área, na forma de quadrado ou paralelepípedo, no espaço de atributos ao redor do conjunto de treinamento; O algoritmo considera um intervalo de valores (nível de cinza) dentro de cada categoria na área de treinamento, definidos como valores mínimo e máximo para cada banda espectral.
14 Métodos de Classificação Supervisionada: Distância Mínima O classificador examina as distâncias entre um pixel e as médias das classes e atribui o pixel à classe que apresentar a menor distância; Se a distância do pixel é maior do que a distância de qualquer categoria definida pelo analista, o pixel permanecerá como não classificado ou desconhecido.
15 Métodos de Classificação Supervisionada: MAXVER Considera a ponderação das distâncias entre médias dos níveis de cinza das classes, utilizando parâmetros estatísticos. Utiliza estatísticas de treinamento para calcular a probabilidade de um pixel pertencer a uma determinada classe. Examina a função de probabilidade de um pixel para cada classe e atribui o pixel à classe com a maior probabilidade. Geralmente fornece classificações com as melhores precisões. Para que a classificação por máxima verossimilhança seja precisa o suficiente, é necessário um número elevado de "pixels", para conjunto de treinamento.
16 MAXVER Este método parte do princípio que o usuário conhece bem a temática e a região da imagem a ser classificada para poder definir classes representativas. Fonte: CORREIA et al., 2004
17 Classificador MAXVER-ICM Enquanto o classificador MAXVER associa classes considerando pontos individuais da imagem, o classificador MAXVER-ICM (Interated Conditional Modes) considera também a dependência espacial na classificação. Em uma primeira fase, a imagem é classificada pelo algoritmo MAXVER atribuindo classes aos "pixels", considerando os valores de níveis digitais. O algoritmo atribui classes a um determinado "pixel", considerando a vizinhança interativamente. Este processo é finalizado quando a % de mudança (porcentagem de "pixels" que são reclassificados) definida pelo usuário é satisfeita. O SPRING fornece 5%, 1% e 0.5% para valores de porcentagem de mudanças. Um valor 5% significa que a reatribuição de classes aos "pixels" é interrompida quando até 5% do total de "pixels" da imagem foi alterado.
18 Classificação Não-Supervisionada Quando o usuário utiliza algoritmos para reconhecer as classes presentes na imagem, a classificação é dita nãosupervisionada. Ao definir áreas para a classificação não-supervisionada, o usuário não deve se preocupar com a homogeneidade das classes. As áreas escolhidas devem ser heterogêneas para assegurar que todas as possíveis classes e suas variabilidades sejam incluídas. Os "pixels" dentro de uma área são submetidos a um algoritmo de agrupamento ("clustering") que determina o agrupamento do dado, numa feição espacial de dimensão igual ao número de bandas presentes. Este algoritmo assume que cada grupo ("cluster") representa a distribuição de probabilidade de uma classe.
19 Classificação Supervisionada e não-supervisionada Os dois tipos de classificação possuem regras de decisão para que o classificador associe certo pixel a certa classe ou regiões de similaridade de níveis de cinza. Essas regiões consideram as características espectrais do pixel (classificação pixel-a-pixel) ou do pixel e seus vizinhos (classificação por região). Se por um lado, na classificação pixel-a-pixel o pixel é considerado de forma isolada, na classificação por região considera-se tanto a informação espectral do pixel, como também a de seus vizinhos. Este último classificador procura simular o comportamento de um fotointérprete ao reconhecer áreas homogêneas dentro da imagem. O algoritmo mais utilizado é o de máxima verossimilhança (MAXVER) (MOREIRA, 2003)
20 Segmentação da Imagem É o processo de divisão de uma imagem em regiões uniformes - conjuntos de pixels contíguos - que devem corresponder às áreas de interesse. A segmentação pode ser feita por: crescimento de regiões, através de detecção de bordas: O crescimento de regiões utiliza medidas estatísticas de similaridade e agregação para realizar o agrupamento de dados. por detecção de bacias: A classificação por detecção de bacias deve ser feita sobre uma imagem resultante da extração de bordas (filtro de Sobel) e pressupõe uma certa representação topográfica para a imagem. A imagem rotulada resultante da segmentação deve ser classificada através de classificadores por regiões.
21 Segmentação da Imagem A técnica da segmentação multi-resolução baseia-se na fusão de regiões que extrai objetos de contraste local, sendo que, no início, cada pixel é considerado como um único objeto de imagem e em cada iteração os objetos são unidos para formar objetos maiores de acordo com o critério de homogeneidade que descreve a semelhança entre objetos adjacentes. (Machado e Caetano, 2004)
22 Segmentação da Imagem A estratégia da segmentação seguida da classificação aproxima-se muito do procedimento de interpretação visual, pois primeiramente delimitamse unidades homogêneas da paisagem e depois atribuí-se um código. Além disso, o mapa resultante não apresenta um aspecto salpicado como ocorre na classificação pixel-a-pixel, evitando-se operações de pósprocessamento ou generalização. (CAETANO, SOUZA e GONÇALVES, 2007).
23 Segmentações sobrepostas à imagem Segmentador com parâmetros de similaridade = 8 e área = 20. Segmentador com parâmetros de similaridade = 12 e área = 50. Fonte: CORREIA et al., 2004
24 Classificadores Por Regiões ISOSEG (automático) É um algoritmo de agrupamento de dados nãosupervisionado, aplicado sobre o conjunto de regiões, que por sua vez são caracterizadas por seus atributos estatísticos de média, matriz de covariância, e a área. Fonte: CORREIA et al., 2004
25 Classificadores Por Regiões K-médias É um classificador não supervisionado que utiliza uma abordagem de agrupamento. O espaço de atributos da imagem é partido em K grupos. A partir dessa situação inicial, cada pixel da imagem é alocado ao centro mais próximo segundo a distância euclidiana. Fonte: CORREIA et al., 2004
26 Classificadores Por Regiões Battacharya (requer treinamento) A medida da distância de Battacharya mede a separabilidade estatística entre um par de classes espectrais. Ou seja, mede a distância média entre as distribuições de probabilidades de classes espectrais. Fonte: CORREIA et al., 2004 Fonte: CORREIA et al., 2004
27 Classificadores por Regiões ClaTex (requer treinamento) É um algoritmo supervisionado que utiliza atributos texturais das regiões de uma imagem segmentada. A classificação é realizada pela técnica de agrupamento de regiões a partir de uma medida de similaridade entre elas.
28 Classificadores por Regiões Orientada a Objetos Integra as informações de pixels vizinhos, deixando-se de analisar cada pixel isoladamente para trabalhar-se com regiões relativamente homogêneas, através da classificação orientada a segmentos. (Alves e Vergara, 2005) Considera a análise da relação de um objeto com seus objetos vizinhos. O objeto é o elemento da imagem constituído de relações espaciais, os quais podem ser agregados à objetos maiores, criando-se níveis de segmentação. A lógica de orientação a objeto considera as características semânticas dos objetos, que podem ser analisadas segundo seus aspectos geométricos (topologia, forma e posição) e temáticos (atributos não espaciais dos objetos). (ANTUNES e STURM, 2005)
29 Classificadores por Regiões Orientada a Objetos Permite o conhecimento do analista e a utilização de parâmetros de cor, forma, textura e relações de vizinhança na classificação de imagens. Antes de realizar este tipo de classificação, é necessário realizar a segmentação das imagens, pois permite a delimitação dos objetos que serão classificados em seus níveis de detalhes, considerando-se tanto a dimensão espectral quanto a espacial. Para isto, o processo de segmentação deve ser moldado em função da resolução da imagem e da escala esperada para os objetos. (Pinho, Feitosa e Kux, 2005)
30 Classificação MAXVER pixel a pixel X Orientada a Objetos A classificação MAXVER pixel-a-pixel detecta melhor as classes de vegetação e de água, porém há grande confusão entre as classes que apresentam comportamento espectral semelhantes: cobertura cerâmica X solo exposto; pavimentação X concreto/amianto escuro. Já na classificação orientada a objetos, esta confusão é minimizada devido à introdução de parâmetros espaciais (forma e topologia) e da utilização do dado auxiliar eixo das ruas durante os processos de segmentação e classificação. A classificação orientada também demonstra melhor identificação da classe sombra, permitindo uma definição visual dos objetos mais refinada. Entre os dois métodos, há maior preservação das formas dos alvos de interesse na classificação orientada a objetos, ao passo que o resultado da classificação MAXVER pixel-a-pixel denota uma aparência granulada. (CAETANO, SOUZA e GONÇALVES, 2007)
31 Considerações Gerais Estudos urbanos - as cidades apresentam uma variedade de cobertura num reduzido espaço, ocorrendo alterações significativas inter e intrapixel. Nessa área, há diversos alvos, como: concreto das construções, asfalto que recobre as ruas e avenidas, telhados de vários materiais, solo exposto, grama, árvores, dentre outros. Grande parte dessas superfícies é menor do que a resolução de um pixel de alguns sensores orbitais como: LANDSAT, TM, ETM, SPOT-PAN. (Freitas e Costa, 2003) No meio urbano, a baixa resolução espectral, pode ser superada pelo maior aproveitamento da resolução espacial, considerando-se que os objetos existentes na cidade são mais distinguíveis pela resolução espacial. Nessa realidade, novos métodos de classificação aparecem como alternativas aos métodos tradicionais. Os novos algoritmos de classificação se baseiam não somente na informação espectral de cada pixel, mas também na informação espacial que envolve a relação entre os pixels e seus vizinhos (contexto). (Souza et al., 2003)
32 Referências Bibliográficas ANTUNES, A. F. B.; STURM, U. Segmentação orientada a objeto aplicado ao monitoramento de ocupações irregulares em áreas de preservação ambiental. In.: Simpósio Brasileiro de Sensoriamento Remoto, vol. 12, Anais. Goiânia, INPE, 15 a 21 abr., p , CAETANO, M.; SANTOS, T.; GONÇALVES, L. Cartografia de ocupação do solo com imagens de satélite: estado da arte. Disponível em: Acessado em: 10 mar., CORREIA, V. R. de M. Uma aplicação dopsensoriamento Remoto para a investigação de endemias urbanas. Disponível em: Acessado em: 04/05/2009. CROSTA, A. P. Processamento Digital de Imagens de Sensoriamento Remoto. Campinas: IG/UNICAMP, ISBN , FREITAS, R.N.; COSTA, S.M.F. da. A utilização de fotografias aéreas na avaliação das transformações sócio-espaciais ocorridas na zona sul da cidade de São José dos Campos/SP, de In.: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, n Belo Horizonte. INPE. Anais. 05 a 10 de abril de 2003, p
33 Referências Bibliográficas MACHADO, F.; CAETANO, M. Detecção de alterações de ocupação do solo com uma abordagem orientada por objetos. Disponível em: ESIG_2004.pdf. Acessado em: 10 mar MOREIRA, M.A. Fundamentos de Sensoriamento Remoto e Metodologias de Aplicação. 2ª ed. Viçosa, UFV, 2003 PINHO, C.M.D. de; FEITOSA, F. da F.; KUX, H. Classificação automática de cobertura do solo urbano em imagem IKONOS: comparação entre a abordagem pixel-a-pixel e orientada a objetos. In.: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, n. 12. Goiânia. Anais. INPE, p , 2005 SOUZA, I.M. e, et al. Mapeamento do uso do solo urbano através da classificação por regiões baseada em medidas texturais. In.: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, n. 11. Belo Horizonte. Anais. INPE, p , 2003.
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 maisClassificação 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 maisClassificação de imagens de Sensoriamento Remoto. Disciplina: Geoprocessamento Profª. Agnes Silva de Araujo
Classificação de imagens de Sensoriamento Remoto Disciplina: Geoprocessamento Profª. Agnes Silva de Araujo Conteúdo programático e Objetivos Conceito de classificação e fotointerpretação Classificações
Leia maisAula 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 maisSensoriamento 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 maisCosta, 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 maisCLASSIFICAÇÃO DE IMAGEM
DISCIPLINA SIG OFICINA: Classificação de Imagens de Sensoriamento Remoto Responsável: MARIA ISABEL C DE FREITAS Colaboração: BRUNO ZUCHERATO E KATIA CRISTINA BORTOLETTO CLASSIFICAÇÃO DE IMAGEM Para realizar
Leia mais15- Representação Cartográfica - Estudos Temáticos a partir de imagens de Sensoriamento Remoto
15- Representação Cartográfica - Estudos Temáticos a partir de imagens de Sensoriamento Remoto O Sensoriamento Remoto é uma técnica que utiliza sensores, na captação e registro da energia refletida e emitida
Leia maisI ENCONTRO PAULISTA DE BIODIVERSIDADE
I ENCONTRO PAULISTA DE BIODIVERSIDADE 16 a 18 de novembro de 2009 Fundação Mokiti Okada Palestrante: Mônica Pavão Pesquisadora do Instituto Florestal INVENTÁRIO FLORESTAL DO ESTADO DE SÃO PAULO INVENTÁRIO
Leia mais3 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 maisTécnicas 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 mais10 FÓRUM DE EXTENSÃO E CULTURA DA UEM COMPARAÇÃO DE FUSÃO ENTRE AS IMAGENS DO SATÉLITE RAPID EYE, CBERS E SPOT.
10 FÓRUM DE EXTENSÃO E CULTURA DA UEM COMPARAÇÃO DE FUSÃO ENTRE AS IMAGENS DO SATÉLITE RAPID EYE, CBERS E SPOT. Thalita Dal Santo 1 Antonio de Oliveira¹ Fernando Ricardo dos Santos² A técnica de fusão
Leia maisProcessamento 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 maisFOTOINTERPRETAÇÃO. 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 maisSensoriamento 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 maisUNIVERSIDADE 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 maisClassificação 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 maisGeomática e SIGDR aula teórica 23 17/05/11. Sistemas de Detecção Remota Resolução de imagens
Geomática e SIGDR aula teórica 23 17/05/11 Sistemas de Detecção Remota Resolução de imagens Manuel Campagnolo ISA Manuel Campagnolo (ISA) Geomática e SIGDR 2010-2011 17/05/11 1 / 16 Tipos de resolução
Leia maisUSO DA TÉCNICA DE ANALISE POR COMPONENTE PRINCIPAL NA DETECÇÃO DE MUDANÇAS NA COBERTURA DO SOLO
Samuel da Silva Farias, Graduando do curso de geografia da UFPE samuel.farias763@gmail.com Rafhael Fhelipe de Lima Farias, Mestrando do PPGEO/UFPE, rafhaelfarias@hotmail.com USO DA TÉCNICA DE ANALISE POR
Leia maisAula 3 - Registro de Imagem
Aula 3 - Registro de Imagem 1. Registro de Imagens Registro é uma transformação geométrica que relaciona coordenadas da imagem (linha e coluna) com coordenadas geográficas (latitude e longitude) de um
Leia mais044.ASR.SRE.16 - Princípios Físicos do Sensoriamento Remoto
Texto: PRODUTOS DE SENSORIAMENTO REMOTO Autor: BERNARDO F. T. RUDORFF Divisão de Sensoriamento Remoto - Instituto Nacional de Pesquisas Espaciais São José dos Campos-SP - bernardo@ltid.inpe.br Sensoriamento
Leia maisProcessamento 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 maisMODELAGEM 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 maisAula 1 Professor Waterloo Pereira Filho Docentes orientados: Daniela Barbieri Felipe Correa
Princípios Físicos do Sensoriamento Remoto Aula 1 Professor Waterloo Pereira Filho Docentes orientados: Daniela Barbieri Felipe Correa O que é Sensoriamento Remoto? Utilização conjunta de sensores, equipamentos
Leia maisRenzo 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 maisAULA 6 - Operações Espaciais
6.1 AULA 6 - Operações Espaciais Essa aula descreve as operações espaciais disponíveis no TerraView. Antes de iniciar sua descrição é necessário importar alguns dados que serão usados nos exemplos. Exercício:
Leia maisSIG - Sistemas de Informação Geográfica
SIG - Sistemas de Informação Geográfica Gestão da Informação Para gestão das informações relativas ao desenvolvimento e implantação dos Planos Municipais de Conservação e Recuperação da Mata Atlântica
Leia maisMAPEAMENTO FLORESTAL
MAPEAMENTO FLORESTAL ELISEU ROSSATO TONIOLO Eng. Florestal Especialista em Geoprocessamento OBJETIVO Mapear e caracterizar a vegetação visando subsidiar o diagnóstico florestal FUNDAMENTOS É uma ferramenta
Leia maisPrograma 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 maisCLASSIFICAÇÃO DA COBERTURA DA TERRA DE ANGRA DOS REIS RJ, A PARTIR DE ANÁLISE DE IMAGEM BASEADA EM OBJETO E MINERAÇÃO DE DADOS
CLASSIFICAÇÃO DA COBERTURA DA TERRA DE ANGRA DOS REIS RJ, A PARTIR DE ANÁLISE DE IMAGEM BASEADA EM OBJETO E MINERAÇÃO DE DADOS Eduardo Gustavo Soares Pereira 1 Monika Richter 2 1 - Universidade Federal
Leia maisAula 3 - Registro de Imagem
1. Registro de Imagens Aula 3 - Registro de Imagem Registro é uma transformação geométrica que relaciona as coordenadas da imagem (linha e coluna) com as coordenadas geográficas (latitude e longitude)
Leia maisModelagem Digital do Terreno
Geoprocessamento: Geração de dados 3D Modelagem Digital do Terreno Conceito Um Modelo Digital de Terreno (MDT) representa o comportamento de um fenômeno que ocorre em uma região da superfície terrestre
Leia maisADM041 / EPR806 Sistemas de Informação
ADM041 / EPR806 Sistemas de Informação UNIFEI Universidade Federal de Itajubá Prof. Dr. Alexandre Ferreira de Pinho 1 Sistemas de Apoio à Decisão (SAD) Tipos de SAD Orientados por modelos: Criação de diferentes
Leia maisFerramentas 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 maisProcessamento 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 maisDados para mapeamento
Dados para mapeamento Existem dois aspectos com relação aos dados: 1. Aquisição dos dados para gerar os mapas 2. Uso do mapa como fonte de dados Os métodos de aquisição de dados para o mapeamento divergem,
Leia maisIntrodução ao Processamento de Imagens
Introdução ao PID Processamento de Imagens Digitais Introdução ao Processamento de Imagens Glaucius Décio Duarte Instituto Federal Sul-rio-grandense Engenharia Elétrica 2013 1 de 7 1. Introdução ao Processamento
Leia maisUNIVERSIDADE FEDERAL DE SANTA CATARINA GRADUAÇÃO EM SISTEMAS DE INFORMAÇÃO DEPARTAMENTO DE INFORMÁTICA E ESTATÍSTICA DATA MINING EM VÍDEOS
UNIVERSIDADE FEDERAL DE SANTA CATARINA GRADUAÇÃO EM SISTEMAS DE INFORMAÇÃO DEPARTAMENTO DE INFORMÁTICA E ESTATÍSTICA DATA MINING EM VÍDEOS VINICIUS DA SILVEIRA SEGALIN FLORIANÓPOLIS OUTUBRO/2013 Sumário
Leia maisTrabalho 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 maisANÁLISE DA TRANSFORMAÇÃO DA PAISAGEM NA REGIÃO DE MACHADO (MG) POR MEIO DE COMPOSIÇÕES COLORIDAS MULTITEMPORAIS
ANÁLISE DA TRANSFORMAÇÃO DA PAISAGEM NA REGIÃO DE MACHADO (MG) POR MEIO DE COMPOSIÇÕES COLORIDAS MULTITEMPORAIS ALENCAR SANTOS PAIXÃO 1 ; ÉLIDA LOPES SOUZA ROCHA2 e FERNANDO SHINJI KAWAKUBO 3 alencarspgeo@gmail.com,
Leia maisAPLICAÇÕES PRÁTICAS DE PROCESSAMENTO DE IMAGENS EM SENSORIAMENTO REMOTO
APLICAÇÕES PRÁTICAS DE PROCESSAMENTO DE IMAGENS EM SENSORIAMENTO REMOTO ESTÁGIO DOCÊNCIA ALUNA: ADRIANA AFFONSO (PROGRAMA DE PÓS- GRADUAÇÃO NO INPE MESTRADO EM SENSORIAMENTO REMOTO) ORIENTADOR: PROF. DR.
Leia maisUNIVERSIDADE ESTADUAL DE CAMPINAS UNICAMP. vi.unicamp2010@gmail.com
UNIVERSIDADE ESTADUAL DE CAMPINAS UNICAMP e-mail: vi.unicamp2010@gmail.com ANÁLISE DOS CONFLITOS ENTRE ÁREAS DE USO E OCUPAÇÃO DOS SOLOS E ÁREAS DE CONSERVAÇÃO NO MUNICÍPIO DE ILHA COMPRIDA (SP). Viviane
Leia mais4. ÁREA DE INFLUÊNCIA DO EMPREENDIMENTO
4. ÁREA DE INFLUÊNCIA DO EMPREENDIMENTO Conceitualmente, Área de Influência abrange todo o espaço suscetível às ações diretas e indiretas do empreendimento, tanto na fase de implantação como na de operação,
Leia maisUFGD 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 mais2 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 maisMundoGEOXperience - 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 maisSPRING 3.6.03 - Apresentação
SPRING 3.6.03 - Apresentação GEOPROCESSAMENTO Conjunto de ferramentas usadas para coleta e tratamento de informações espaciais, geração de saídas na forma de mapas, relatórios, arquivos digitais, etc;
Leia mais29/08/2011. Radiologia Digital. Princípios Físicos da Imagem Digital 1. Mapeamento não-linear. Unidade de Aprendizagem Radiológica
Mapeamento não-linear Radiologia Digital Unidade de Aprendizagem Radiológica Princípios Físicos da Imagem Digital 1 Professor Paulo Christakis 1 2 Sistema CAD Diagnóstico auxiliado por computador ( computer-aided
Leia maisSistemas Sensores. Introdução
Sistemas Sensores 5ª Aulas Introdução O sol foi citado como sendo uma fonte de energia ou radiação. O sol é uma fonte muito consistente de energia para o sensoriamento remoto (REM). REM interage com os
Leia maisGEOTECNOLOGIAS PARA MAPEAMENTO DE ALVOS URBANOS: contribuição metodológica
GEOTECNOLOGIAS PARA MAPEAMENTO DE ALVOS URBANOS: contribuição metodológica Andréia Medinilha Pancher Universidade Estadual Paulista UNESP Departamento de Planejamento - DEPLAN e-mail: medinilha@linkway.com.br
Leia maisGrupo: 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 maisSEGMENTAÇÃO 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 maisSegmentação de Imagens
Segmentação de Imagens (Processamento Digital de Imagens) 1 / 36 Fundamentos A segmentação subdivide uma imagem em regiões ou objetos que a compõem; nível de detalhe depende do problema segmentação para
Leia maisCLASSIFICAÇÃO DE IMAGENS DE ALTA RESOLUÇÃO
AULA 6 Segmentação: Introdução e Conceitos CLASSIFICAÇÃO DE IMAGENS DE ALTA RESOLUÇÃO A- Segmentação B- Contexto e topologia C- Métodos Mínima Distância e Lógica Fuzzy D- Trabalho Prático: e-cogntition
Leia maisMAPA DE USO E OCUPAÇÃO DO SOLO URBANO: Análise comparativa entre os métodos de classificação manual e digital
MAPA DE USO E OCUPAÇÃO DO SOLO URBANO: Análise comparativa entre os métodos de classificação manual e digital Andréia Medinilha Pancher 1 Lucimari Aparecida Franco Garcia Rossetti 2 1 Universidade Estadual
Leia maisMONITORAMENTO 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 maisFlavio 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 maisResultados Experimentais
Capítulo 6 Resultados Experimentais Este capítulo é dedicado às avaliações experimentais do sistema CBIR. Os experimentos aqui realizados têm três objetivos principais: comparar os nossos resultados com
Leia maisFiltragem. 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 maisSENRORIAMENTO REMOTO E SIG. Aula 1. Prof. Guttemberg Silvino Prof. Francisco das Chagas
SENRORIAMENTO REMOTO E SIG Aula 1 Programa da Disciplina 1 CONCEITOS, HISTÓRICO E FUNDAMENTOS (8 aulas) 2 Sensoriamento remoto. Histórico e definições 3 Domínios do Sensoriamento Remoto 4 Níveis de Coleta
Leia maisTeoria : Estruturas de Dados. Estrutura Vetorial. Quais tipos de dados são representados por estruturas vetoriais? Mapa temático:
Universidade do Estado de Santa Catarina UDESC Centro de ciências Humanas e da Educação FAED Mestrado em Planejamento Territorial e Desenvolvimento Socio- Ambiental - MPPT Disciplina: Geoprocessamento
Leia mais3 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 maisUtilização 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 maisCaracterísticas 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 maisC A P Í T U L O 1 4. M a u r i c i o A l v e s M o r e i r a I n s t i t u t o N a c i o n a l d e P e s q u i s a s E s p a c i a i s
C A P Í T U L O 1 4 I N F O R M A Ç Õ E S Ú T E I S P A R A A U X I L I A R A I N T E R P R E T A Ç Ã O V I S U A L D E I M A G E N S D E S A T É L I T E S M a u r i c i o A l v e s M o r e i r a I n s
Leia maisPROCESSAMENTO DIGITAL DE IMAGENS SPRING 5.0.6
Universidade do Estado de Santa Catarina UDESC Centro de Ciências Humanas e da Educação CCE/FAED Deapartamento de Geografia DG Curso Mestrado em Planejamento Regional e Desenvolvimento Sócio Ambiental
Leia maisAplicações CBERS na Universidade Federal do Rio Grande do Sul
Aplicações CBERS na Universidade Federal do Rio Grande do Sul Pesquisas CBERS - UFRGS 2001: Início do projeto Participantes: - PPG-SR / CEPSRM - Instituto de Geociências Geodésia Geografia Geologia - Faculdade
Leia maisINTELIGÊNCIA ARTIFICIAL Data Mining (DM): um pouco de prática. (1) Data Mining Conceitos apresentados por
INTELIGÊNCIA ARTIFICIAL Data Mining (DM): um pouco de prática (1) Data Mining Conceitos apresentados por 1 2 (2) ANÁLISE DE AGRUPAMENTOS Conceitos apresentados por. 3 LEMBRE-SE que PROBLEMA em IA Uma busca
Leia maisReconhecimento de Padrões
Engenharia Informática (ramos de Gestão e Industrial) Departamento de Sistemas e Informação Reconhecimento de Padrões Projecto Final 2004/2005 Realizado por: Prof. João Ascenso. Departamento de Sistemas
Leia maisUniversidade 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 maisMINERAÇÃO DE DADOS APLICADA. Pedro Henrique Bragioni Las Casas pedro.lascasas@dcc.ufmg.br
MINERAÇÃO DE DADOS APLICADA Pedro Henrique Bragioni Las Casas pedro.lascasas@dcc.ufmg.br Processo Weka uma Ferramenta Livre para Data Mining O que é Weka? Weka é um Software livre do tipo open source para
Leia maisMETODOLOGIA PARA O GEORREFERENCIAMENTO DE ILHAS COSTEIRAS COMO SUBSÍDIO AO MONITORAMENTO AMBIENTAL
METODOLOGIA PARA O GEORREFERENCIAMENTO DE ILHAS COSTEIRAS COMO SUBSÍDIO AO MONITORAMENTO AMBIENTAL Carolina Rodrigues Bio Poletto¹ & Getulio Teixeira Batista² UNITAU - Universidade de Taubaté Estrada Municipal
Leia maisAnálise do desempenho das escolas públicas de Campinas
Análise do desempenho das escolas públicas de Campinas Por Prof. Dr. Dalton Francisco de Andrade e Prof. Dra. Maria Ines Fini 1. Introdução A análise apresentada foi elaborada a partir do estudo realizado
Leia maisMinistério da Educação UNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ Câmpus Medianeira PLANO DE ENSINO CURSO ENGENHARIA DE AMBIENTAL MATRIZ 519
Ministério da Educação UNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ Câmpus Medianeira PLANO DE ENSINO CURSO ENGENHARIA DE AMBIENTAL MATRIZ 519 FUNDAMENTAÇÃO LEGAL - Abertura e aprovação do projeto do curso:
Leia maisSistemas 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 maisDiagnóstico Ambiental do Município de Alta Floresta - MT
Diagnóstico Ambiental do Município de Alta Floresta - MT Paula Bernasconi Ricardo Abad Laurent Micol Maio de 2008 Introdução O município de Alta Floresta está localizado na região norte do estado de Mato
Leia maisCONTROLE DE QUALIDADE e VALIDAÇÃO DE PRODUTO CARTOGRÁFICO
CONTROLE DE QUALIDADE e VALIDAÇÃO DE PRODUTO CARTOGRÁFICO Editar dados em vários formatos e armazenar estas informações em diferentes sistemas é provavelmente uma das atividades mais comuns para os profissionais
Leia maisC a p í t u l o I V. P r o c e s s a m e n t o d a s I m a g e n s O r b i t a i s d o s S e n s o r e s T M e E T M
C a p í t u l o I V P r o c e s s a m e n t o d a s I m a g e n s O r b i t a i s d o s S e n s o r e s T M e E T M IV.1 Processamento Digital das Imagens Orbitais dos Sensores TM e ETM + IV.1.1 Introdução
Leia maisGEOPROCESSAMENTO COMO INSTRUMENTO DE ANÁLISE NOS IMPACTOS AMBIENTAIS: MINERADORA CAMPO GRANDE TERENOS/MS.
GEOPROCESSAMENTO COMO INSTRUMENTO DE ANÁLISE NOS IMPACTOS AMBIENTAIS: MINERADORA CAMPO GRANDE TERENOS/MS. CÁSSIO SILVEIRA BARUFFI(1) Acadêmico de Engenharia Sanitária e Ambiental, Universidade Católica
Leia maisReconhecimento 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 mais4 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 maisGeomática Aplicada à Engenharia Civil. 1 Fotogrametria
Geomática Aplicada à Engenharia Civil 1 Fotogrametria Conceitos 2 Segundo Wolf (1983), a Fotogrametria pode ser definida como sendo a arte, a ciência e a tecnologia de se obter informações confiáveis de
Leia maisLidar com números e estatísticas não é fácil. Reunir esses números numa apresentação pode ser ainda mais complicado.
, ()! $ Lidar com números e estatísticas não é fácil. Reunir esses números numa apresentação pode ser ainda mais complicado. Uma estratégia muito utilizada para organizar visualmente informações numéricas
Leia maisGEOPROCESSAMENTO. Herondino Filho
GEOPROCESSAMENTO Herondino Filho Sumário 1. Introdução 1.1 Orientações Avaliação Referência 1.2 Dados Espaciais 1.2.1 Exemplo de Dados Espaciais 1.2.2 Aplicações sobre os Dados Espaciais 1.3 Categoria
Leia maisSistema de Informações Geográficas
UNIVERSIDADE DO EXTREMO SUL CATARINENSE Pós Graduação Ecologia e Manejo de Recursos Naturais Sistema de Informações Geográficas Prof. Fabiano Luiz Neris Criciúma, Março de 2011. A IMPORTÂNCIA DO ONDE "Tudo
Leia maisGEOPROCESSAMENTO. Conjunto de ferramentas usadas para coleta e tratamento de informaçõ. ções espaciais, geraçã
GEOPROCESSAMENTO Conjunto de ferramentas usadas para coleta e tratamento de informaçõ ções espaciais, geraçã ção o de saídas na forma de mapas, relatórios, rios, arquivos digitais, etc; Deve prover recursos
Leia maisUTILIZAÇÃO DE ÍNDICES DE VARIAÇÃO TEXTURAL EM IMAGENS PANCROMÁTICAS HRV-SPOT NA CLASSIFICAÇÃO DO USO DO SOLO
1 UTILIZAÇÃO DE ÍNDICES DE VARIAÇÃO TEXTURAL EM IMAGENS PANCROMÁTICAS HRV-SPOT NA CLASSIFICAÇÃO DO USO DO SOLO URBANO E ANÁLISE DA QUALIDADE DE VIDA URBANA NA CIDADE DE LIMEIRA-SP, BRASIL. FORESTI, Celina
Leia maisUNIVERSIDADE FEDERAL DO ESPÍRITO SANTO - UFES CENTRO DE CIÊNCIAS HUMANAS E NATURAIS CCHN DEPARTAMENTO DE GEOGRAFIA DEFESA DE MONOGRAFIA
UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO - UFES CENTRO DE CIÊNCIAS HUMANAS E NATURAIS CCHN DEPARTAMENTO DE GEOGRAFIA DEFESA DE MONOGRAFIA Evolução temporal e espacial do uso e ocupação do solo para os anos
Leia maisIMAGENS DE SATÉLITE PROF. MAURO NORMANDO M. BARROS FILHO
UNIVERSIDADE FEDERAL DE CAMPINA GRANDE CENTRO DE TECNOLOGIA E RECURSOS HUMANOS UNIDADE ACADÊMICA DE ENGENHARIA CIVIL IMAGENS DE SATÉLITE PROF. MAURO NORMANDO M. BARROS FILHO Sumário 1. Conceitos básicos
Leia maisDetecção de mudanças em imagens oriundas de sensoriamento remoto, usando conjuntos fuzzy.
Detecção de mudanças em imagens oriundas de sensoriamento remoto, usando conjuntos fuzzy. Marcelo Musci Baseado no artigo: Change detection assessment using fuzzy sets and remotely sensed data: an application
Leia maisIntrodução aos Sistemas de Informação Geográfica
Introdução aos Sistemas de Informação Geográfica Mestrado Profissionalizante 2015 Karla Donato Fook karladf@ifma.edu.br IFMA / DAI Motivação Alguns princípios físicos dão suporte ao Sensoriamento Remoto...
Leia mais2.1.2 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 maisXV COBREAP CONGRESSO BRASILEIRO DE ENGENHARIA DE AVALIAÇÕES E PERÍCIAS IBAPE/SP 2009
XV COBREAP CONGRESSO BRASILEIRO DE ENGENHARIA DE AVALIAÇÕES E PERÍCIAS IBAPE/SP 2009 ANÁLISE COMPARATIVA DOS USOS DO SOLO UTILIZANDO IMAGENS ORBITAIS COM DIFERENTES RESOLUÇÕES ESPACIAIS. JUSSARA D'AMBROSIO
Leia maisTabela de Símbolos. Análise Semântica A Tabela de Símbolos. Principais Operações. Estrutura da Tabela de Símbolos. Declarações 11/6/2008
Tabela de Símbolos Análise Semântica A Tabela de Símbolos Fabiano Baldo Após a árvore de derivação, a tabela de símbolos é o principal atributo herdado em um compilador. É possível, mas não necessário,
Leia mais6 Construção de Cenários
6 Construção de Cenários Neste capítulo será mostrada a metodologia utilizada para mensuração dos parâmetros estocásticos (ou incertos) e construção dos cenários com respectivas probabilidades de ocorrência.
Leia maisUNIVERSIDADE FEDERAL DA PARAÍBA CENTRO DE CIÊNCIAS EXATAS E DA NATUREZA DEPARTAMENTO DE GEOCIÊNCIAS
UNIVERSIDADE FEDERAL DA PARAÍBA CENTRO DE CIÊNCIAS EXATAS E DA NATUREZA DEPARTAMENTO DE GEOCIÊNCIAS Laboratório de Ensino, Pesquisa e Projetos em Análise Espacial TUTORIAL DE SPRING Alexandro Medeiros
Leia maisPesquisa e organização de informação
Pesquisa e organização de informação Capítulo 3 A capacidade e a variedade de dispositivos de armazenamento que qualquer computador atual possui, tornam a pesquisa de informação um desafio cada vez maior
Leia maisLocalização dos inquéritos de rua para Arroios e Gulbenkian
Project IAAPE Pedestrian Accessibility and Attractiveness Indicators: Tool for Urban Walkability Assessment and Management Working Paper No. WP-8 Localização dos inquéritos de rua para Arroios e Gulbenkian
Leia maisSENSORIAMENTO REMOTO NO USO DO SOLO
SENSORIAMENTO REMOTO NO USO DO SOLO Ana Luiza Bovoy Jônatas de Castro Gonçalves Thiemi Igarashi Vinicius Chequer e Silva LEVANTAMENTO DA COBERTURA VEGETAL ATRAVÉS DE PRODUTOS DE SENSORIAMENTO REMOTO NAS
Leia maisCorelDRAW 11 1. UM PROGRAMA DE DESIGN
CorelDRAW 11 1. UM PROGRAMA DE DESIGN Com o Corel você vai trabalhar com um dos aplicativos mais usados no campo do design e da auto-edição, já que permite operar com dois tipos de gráficos (vetoriais
Leia mais