D - SCHNEIDER, MARIO JORGE.pdf - Universidade Federal do ...

More documents

Recommendations

Info

8.2 SEGMENTAÇÃO DE IMAGENS Em geral, a análise de clusters pretende agrupar um determinado número de dados em classes de elementos que apresentam semelhanças entre si. Há vários tipos de análise de clusters, nomeadamente hierárquicos e não hierárquicos. O procedimento do método hierárquico é juntar sucessivamente pequenos clusters formando grandes clusters, ou dividindo grandes clusters. O resultado final do algoritmo é uma árvore de clusters chamada dendrograma, que mostra como os clusters estão relacionados. Cortando o dendrograma ao nível desejado o cluster de dados da separação do grupo é obtido. O método não hierárquico por sua vez produz uma classificação particionando o conjunto de dados, dando origem a grupos não sobrepostos e cujas relações entre eles são não hierárquicas. Ao contrário dos métodos hierárquicos, os métodos que realizam partições dos dados não requerem que a alocação de.um objeto num cluster seja definitiva. Esta técnica de partição dos dados é baseada na idéia de otimizar algum critério pré-definido. O uso destas técnicas de partição usualmente assume que o número final de clusters seja conhecido à partida, apesar de haver alguns métodos que permitem que esse número varie ao longo da análise (Dillon, 1984). Para o estudo em causa adotou-se pelo método particional K-means. O objetivo deste método é encontrar uma partição de 'dados tal que minimize o quadrado da distância euclidiana ao centro do cluster, procurando assim grupos homogêneos. 69
HSV RGa SUB Figura 6 - Segmentação de imagens de Rio Negro, pelo método K-means A segmentação das imagens apresentou comportamento diverso, onde as imagens em RGB e HPF conseguiram distinguir água de sombras, enquanto as imagens dos métodos HSI, HSV, SUB e ePA, uniram as duas classes. A imagem HPF apresentou a melhor segmentação em relação ás classes água e sombras, porem perdeu muito em relação às classes arruamento urbano e construções, na qual os métodos HSI E ePA permitiram uma maior separabilidade das mesmas. 70
Page 1 and 2:
MARIO JORGE SCHNEIDER PROCESSAMENTO
Page 3 and 4:
AGRADECIMENTOS A minha esposa Ireni
Page 5 and 6:
CAPÍTULO 7-APLICAÇÃO DOS MÉTODO
Page 7 and 8:
RESUMO As técnicas de fusão de im
Page 9 and 10:
1 - INTRODUÇÃO 1.1 JUSTIFICATIVA
Page 11 and 12:
1.2 OBJETIVO O principal interesse
Page 13 and 14:
1.3 CONTRIBUIÇÃO Diferentes méto
Page 15 and 16:
CAPÍTULO 7 - APLICAÇÃO DOS MÉTO
Page 17 and 18:
A vantagem do Sensoriamento Remoto,
Page 19 and 20: Saturação: Grau em que a cor não
Page 21 and 22: e nos com órbitas polares, depende
Page 23 and 24: Pancromáticos O termo "pancromáti
Page 25 and 26: Imagens originais com Transformada
Page 27 and 28: Resolução espacial. A resolução
Page 29 and 30: Outro fator importante refere-se ao
Page 31 and 32: Pixel. Cada elemento da matriz de u
Page 33 and 34: 0 matching de histograma entre duas
Page 35 and 36: CAPITULO 5 - FUSÃO DE IMAGENS DE D
Page 37 and 38: 5.2 Métodos de Fusão A combinaç
Page 39 and 40: 2) Geração de um novo conjunto, d
Page 41 and 42: 6) Transformada das Componentes pri
Page 43 and 44: Formulação para conversão RGB-HS
Page 45 and 46: HSV (Matiz, Saturação e Valor) O
Page 47 and 48: CAPÍTULO 6 - APLICAÇÃO DOS MÉTO
Page 49 and 50: A grande vantagem do método da Sub
Page 51 and 52: Este último método, visualmente i
Page 53 and 54: CAPÍTULO 7 - APLICAÇÃO DOS MÉTO
Page 55 and 56: veremos a seguir. Iniciamos os trab
Page 57 and 58: Figura 4(b) Fusão IKONOS pelo mét
Page 59 and 60: ealizado, pois trabalha com parâme
Page 61 and 62: Podemos verificar a melhoria visual
Page 63 and 64: O número de pixeis para cada class
Page 65 and 66: Estes pontos levantados poderiam se
Page 67 and 68: A dificuldade de identificação de
Page 69: que houve migração das classes, s
Page 73 and 74: Ponto D. Construção com Telhado b
Page 75 and 76: conseguimos identificar na imagem.
Page 77 and 78: vegetação arbustiva, com no máxi
Page 79 and 80: Os métodos HSV, HSI e CPA produzir
Page 81 and 82: REFERÊNCIAS BIBLIOGRÁFICAS Carper
Page 83 and 84: Wald, L., Rachin T., and Mangolini
Page 85 and 86: ; Ajuste das faixas dos dados ptr =
show all

D - SCHNEIDER, MARIO JORGE.pdf - Universidade Federal do ...

You also want an ePaper? Increase the reach of your titles

Delete template?

Save as template?