dc.contributorUniversidade Estadual Paulista (Unesp)
dc.date.accessioned2014-05-20T13:22:40Z
dc.date.accessioned2022-10-05T13:08:15Z
dc.date.available2014-05-20T13:22:40Z
dc.date.available2022-10-05T13:08:15Z
dc.date.created2014-05-20T13:22:40Z
dc.date.issued2007-03-01
dc.identifierSba: Controle & Automação Sociedade Brasileira de Automatica. Sociedade Brasileira de Automática, v. 18, n. 1, p. 44-54, 2007.
dc.identifier0103-1759
dc.identifierhttp://hdl.handle.net/11449/6691
dc.identifier10.1590/S0103-17592007000100004
dc.identifierS0103-17592007000100004
dc.identifier2-s2.0-34548023481
dc.identifierS0103-17592007000100004.pdf
dc.identifier.urihttp://repositorioslatinoamericanos.uchile.cl/handle/2250/3883768
dc.description.abstractEste artigo apresenta uma metodologia automática para a extração da malha viária em imagens de média- e alta-resolução. Baseia-se em duas etapas. Na primeira etapa sementes de rodovia são extraídas usando um conjunto de quatro objetos semânticos de rodovia e regras de conexão entre eles. Cada objeto semântico de rodovia é uma representação local de um segmento de rodovia aproximadamente reto. No segundo passo, duas estratégias para complementação automática da malha viária são aplicadas a fim de gerar a malha viária completa. A primeira estratégia baseia-se em duas regras básicas de agrupamento perceptivo, isto é, as regras de colinearidade e proximidade, que permitem a reconstrução seqüencial das lacunas entre cada par de sementes de rodovia desconectadas. A segunda estratégia de complementação da malha viária visa reconstruir os cruzamentos de rodovia. Basicamente, polígonos representando os cruzamentos de rodovia são extraídos. Este artigo apresenta a metodologia proposta e os resultados experimentais.
dc.description.abstractThis paper presents an automatic methodology for road network extraction from medium- and high-resolution images. It is based on two steps. In the first step road seeds are extracted using a set of four road objects and connection rules among them. Each road object is a local representation of an approximately straight road segment. In the second step, two strategies for road network completion are applied in order to generate the complete road network. The first strategy is based on two basic perceptual grouping rules, i.e., proximity and collinearity rules, which allow the sequential reconstruction of gaps between every pair of disconnected road seeds. The second strategy for road network completion aims at reconstructing road crossings. Basically, polygons representing the road crossings are extracted. This paper presents the proposed methodology and experimental results.
dc.languagepor
dc.publisherSociedade Brasileira de Automática
dc.relationSba: Controle & Automação Sociedade Brasileira de Automatica
dc.rightsAcesso aberto
dc.sourceSciELO
dc.subjectsementes de rodovia
dc.subjectagrupamento perceptivo
dc.subjectagrupamento de rodovia
dc.subjectroad seeds
dc.subjectperceptual grouping
dc.subjectroad crossing
dc.titleExtração automatica de feições rodoviáris em imagens digitais
dc.typeArtigo


Este ítem pertenece a la siguiente institución