dc.creator | Marco, Anderson Gonçalves | |
dc.creator | Bruno, Adriana B. | |
dc.creator | Rodrigues, Francisco Aparecido | |
dc.creator | Costa, Luciano da Fontoura | |
dc.creator | Bruno, Odemir Martinez | |
dc.date.accessioned | 2016-04-19T19:25:25Z | |
dc.date.accessioned | 2018-07-04T16:53:31Z | |
dc.date.available | 2016-04-19T19:25:25Z | |
dc.date.available | 2018-07-04T16:53:31Z | |
dc.date.created | 2016-04-19T19:25:25Z | |
dc.date.issued | 2011 | |
dc.identifier | Learning and Nonlinear Models, Rio de Janeiro : Sociedade Brasileira de Redes Neurais - SBRN, v. 9, n. 1, p. 42-51, 2011 | |
dc.identifier | 1676-2789 | |
dc.identifier | http://www.producao.usp.br/handle/BDPI/50069 | |
dc.identifier | http://www.deti.ufc.br/~lnlm/papers/vol9-no1-art4.pdf | |
dc.identifier.uri | http://repositorioslatinoamericanos.uchile.cl/handle/2250/1641783 | |
dc.description.abstract | A adoção de ferramentas e métodos de visão computacional aplicados as imagens de sensoriamento remoto pode trazer um grande benefício para os estudos de urbanismo. Neste trabalho é apresentado um arcabouço computacional para auxiliar a aquisição e análise de imagens de sensoriamento remoto, provindas do Google Earth®. O sistema proposto se conecta ao Google Earth e compõe uma imagem especificada pelas coordenadas de latitude e longitude informadas pelo usuário. O sistema também segmenta automaticamente a imagem em áreas edificadas e não-edificadas. O processo de segmentação é realizado por meio de métricas do histograma cromático. É apresentado um experimento com imagens de duas cidades do interior paulista, São Carlos e Rio Claro, a fim de validar o sistema e determinar quais as melhores métricas de histogramas devem ser utilizadas para a tarefa. | |
dc.description.abstract | Computer vision methods applied in remote sensing images can bring important benefits to the field of urbanism. In this work, a computer framework to aid acquiring and analyzing remote sensing images from Google Earth® is presented. The proposed system connects to the Google Earth and extracts an image specified by the latitude and longitude coordinates. The image is automatically segmented into edified and non-edified regions. The segmentation process is carried out by the analysis of the image chromatic histogram. An experiment showing results from the segmentation of two São Paulo State’s towns are
presented. The comparison of the histogram metrics and the color channels and its segmentation performance are discussed. | |
dc.language | por | |
dc.publisher | Sociedade Brasileira de Redes Neurais - SBRN | |
dc.publisher | Rio de Janeiro | |
dc.relation | Learning and Nonlinear Models | |
dc.rights | Copyright Sociedade Brasileira de Redes Neurais (SBRN) | |
dc.rights | restrictedAccess | |
dc.subject | Sensoriamento remoto | |
dc.subject | Segmentação de imagens | |
dc.subject | Análise de histograma | |
dc.subject | Remote sensing image | |
dc.subject | Image segmentation | |
dc.subject | Histogram analysis | |
dc.title | Segmentação automática de áreas urbanas em imagens de sensoriamento remoto | |
dc.type | Artículos de revistas | |