Made available in DSpace on 2014-06-11T19:23:31Z (GMT). No. of bitstreams: 0 Previous issue date: 2005Bitstream added on 2014-06-13T19:50:21Z : No. of bitstreams: 1 silva_mao_me_prud_prot.pdf: 2133151 bytes, checksum: a54be88723cd614f467fb0f56a173b46 (MD5) / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) / Este trabalho propõe uma solução para o problema de verificação automática da malha viária georreferenciada em imagens aéreas digitais. O método proposto baseia-se em duas etapas básicas, isto é: 1- Extração automática de rodovias georreferenciadas; e 2- Análise de consistência das rodovias extraidas. Na primeira etapa, a metodologia para a extração de rodovias baseada no algoritmo de programação dinâmica é utilizada para a extração automática das rodovias georreferenciadas. O método é inicializado a partir da projeção de pontos salientes extraidos automaticamente ao longo destas rodovias para o espaço Imagem. Estes pontos descrevem grosseiramente a forma, a posição, e a topologia das rodovias georreferenciadas. Além disso, a precisão dos pontos transformados para o espaço imagem é também estimada, o que possibilita a definição automática das janelas debusca utilizadas pelo algoritmo de programação dinâmica. A análise de consistência das rodovias extraidas baseia-se num modelo de erro que permite concluir estatisticamente se as rodovias extraidas não discrepam significativamente das correspondentes projetadas na imagem. Os resultados obtidos mostram...

Made available in DSpace on 2014-06-11T19:23:31Z (GMT). No. of bitstreams: 0 Previous issue date: 2003Bitstream added on 2014-06-13T19:09:22Z : No. of bitstreams: 1 oliveira_rms_me_prud.pdf: 2936252 bytes, checksum: 250c550ac7923d26a59bbd1cb2bb5287 (MD5) / Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) / A obtenção de informações a partir da extração de feições em fotos aéreas e imagens de satélite é um dos principais objetivos da nova tecnologia de automação em Fotogrametria Digital. Este trabalho propõe a extração de rodovias, e a conexão de segmentos de rodovias extraidos por outros extratores de feições, utilizando modelos de contorno ativo ou snakes. Snakes foi introduzido há quase duas décadas e consiste em uma curva representada parametricamente e controlada por injunções fotométricas e geométricas: fotométricas, chamadas de força da imagem que atraem a curva snakes para a feição a ser extraída (rodovia); geométricas, geradas pelas forças internas que controlam a forma da curva snakes garantindo sua suavidade. Por ser um método de extração semi-automático, inicialmente o operador deve descrever a rodovia de maneira grosseira utilizando no mínimo seis pontos sementes. A partir desta posição inicial a curva snakes evolui a cada iteração fazendo com que a mesma se posicione sobre a borda da rodovia (feição a ser extraída) onde sua energia é minimizada. O método snakes foi implementado em linguagem C e testado na extração e conexão de segmentos de rodovia em imagens de alta (pixels menores 0.7m), média (pixels entre 0.7m e 2.0m) e baixa (pixels maiores 2.0m) resolução, mostrando-se bastante eficiente em todos os casos, mesmo na presença de obstáculos que perturbam o perfeito delineamento da rodovia. Através da extração de bordas de rodovia, em imagens de alta e média resolução, foi gerado um eixo interpolado e comparado com o eixo de referência utilizado para avaliação. Utilizando avaliações visuais e numéricas foi possível comprovar a boa acuracia do processo de extração e conexão de segmentos utilizando snakes. / Obtaining information from the extraction of aspects from aerial photographs and satellite images is one of the main purposes of the new technology in Digital Photogrammetry. This study proposes extracting roads and linking the segments of the extracted roads by means of other extractors of aspects, by using models of active contour, or snakes. Snakes was introduced almost two decades ago, and it consists in a parametrically represented curve, controlled by photometric and geometric injunctions: photometric injunctions, called image power, that attract the snakes curve for the aspect to be extracted (road); geometric injunctions, generated by internal powers that control the shape of the snakes curve, thus insuring its smoothness. As it is a semi-automatic extraction process, the operator shall initially describe the road roughly, using at least six seed points. From this initial position, the snakes curve evolves at each iteration, placing itself over the road edge (aspect to be extracted), where its power is minimized. The snakes method was implemented in language C and tested in the extraction and link of road segments in images of high resolution (pixels lower than 0.7m), medium resolution (pixels between 0.7m and 2.0m) and low resolution (pixels higher than 2.0m), and it turned out to be very efficient in both cases, even in the presence of obstacles that disturb the perfect road outlining. With the extraction of road edges in high and medium resolution images, one interpolated axis was generated, and it was compared to the reference axis used in the evaluation. By using visual and numerical evaluations, it was possible to prove the accuracy provided by the process of extraction and link of segments that uses the snakes method.

Submitted by ÉRICO FERNANDO DE OLIVEIRA MARTINS null (profericomartins@gmail.com) on 2017-10-20T20:50:58Z No. of bitstreams: 1 TESE_PPGCC_EFOM_FINAL.pdf: 19920753 bytes, checksum: 0914bc57a7e2e403ee03d576a74e8e57 (MD5) / Approved for entry into archive by Luiz Galeffi (luizgaleffi@gmail.com) on 2017-10-23T19:41:39Z (GMT) No. of bitstreams: 1 martins_efo_dr_prud.pdf: 19920753 bytes, checksum: 0914bc57a7e2e403ee03d576a74e8e57 (MD5) / Made available in DSpace on 2017-10-23T19:41:39Z (GMT). No. of bitstreams: 1 martins_efo_dr_prud.pdf: 19920753 bytes, checksum: 0914bc57a7e2e403ee03d576a74e8e57 (MD5) Previous issue date: 2017-08-25 / Fundação de Amparo à Pesquisa do Estado de Mato Grosso (FAPEMAT) / Os processos convencionais de extração de rodovias em imagens digitais não costumam fazer uso de informações a priori e normalmente não há uma preocupação a respeito da padronização necessária para que os resultados das extrações sejam utilizados em Infraestruturas de Dados Espaciais (IDE). Por consequência, os resultados dessas extrações acabam sendo geometricamente robustos, porém fragmentados em relação ao contexto e a seu padrão de estrutura, ou seja, necessitarão de um grande esforço do operador humano para que possam se tornar elegíveis à IDE, contrariando uma das principais motivações para o desenvolvimento de métodos (semi-) automáticos de extração, que é desonerar o operador humano de tarefas repetitivas e enfadonhas. Neste contexto a hipótese motivadora desta pesquisa levanta a questão: “adaptando processos clássicos de extração de rodovias para a integração de dados geoespaciais preexistentes, será possível apresentar um método para atualização sistemática de malha rodoviária em área rural, que seja capaz de preservar informações e estruturas preexistentes? ”. Como resposta é apresentado aqui um método para a atualização da malha rodoviária em formato vetorial, advinda de bases de dados cartográficas elaboradas segundo uma IDE, por meio da integração de diferentes tipos de dados, preservando sua integridade. No decorrer das três etapas em que está organizado o método o arquivo vetorial sofrerá uma série de modificações geométricas, configuradas em distintos processos, começando com uma conflação vetor-para-vetor com o mapa de rodovias inferido a partir de trajetórias de deslocamento com objetivo de identificar ramos ausentes na malha e agregá-los (Expansão da Malha); seguida de uma conflação vetor-para-vetor com os segmentos de eixo de rodovias extraídos de uma imagem sintética obtida a partir das imagens RapidEye (Ajuste da Malha Expandida); finalizando com a etapa de refino pela aplicação das snakes de redes sobre a malha ajustada e a imagem sintética (Refino da Malha Ajustada) e por fim uma atribuição da componente altimétrica por meio de um Modelo Digital de Superfície, resultando em um arquivo vetorial geometricamente atualizado e expandido para o espaço tridimensional, com estrutura e atributos preservados. Os experimentos realizados demonstraram a robustez do método, com a média do RMSE da malha inicial em 50,86 m, alcançando 18,72 m na primeira etapa do método (expansão da malha), reduzindo para 7,25 m na etapa seguinte (ajuste da malha), e para 3,74 m na etapa final (refino da malha). Assim, o processo finaliza com um RMSE médio de 3,74 m e um desvio-padrão de 2,86 m, que permite o enquadramento da malha resultante no PEC-PCD 1:50.000 classe A, devidamente adequado aos padrões da IDE. / Conventional road extraction processes in digital imagery do not usually make use of a priori information and there is usually no concern about the standardization required for extraction results to be used in Spatial Data Infrastructures (SDI). As a result, these extractions turn out to be geometrically robust but fragmented in relation to the context and their structure pattern, that is, they will require a great effort from the human operator so that they can become eligible for SDI, contrary to one of the main motivations for the development of (semi) automatic extraction methods, which is to deprive the human operator of repetitive and tedious tasks. In this context the motivating hypothesis of this research raises the question: "adapting classic processes of road extraction for the integration of preexisting geospatial data, it will be possible to present a method for systematic updating of road network in rural area, which is able to preserve preexisting information and structures? ". A method for updating the road network in vector format from cartographic databases elaborated according to an SDI is presented here, through the integration of different types of data, preserving its integrity. During the three stages in which the method is organized the vector file will undergo a series of geometric modifications, configured in different processes, starting with a vector-to-vector conflation with the road map inferred from displacement paths with the objective of identify missing branches in the mesh and aggregate them (Mesh Expansion); followed by vector-to-vector conflation with the segments of road axes extracted from a synthetic image obtained from the RapidEye (Expanded Mesh Adjustment) images; finishing with the refining step by applying the network snakes on the adjusted mesh and the synthetic image (Refining the Adjusted Mesh) and finally an assignment of the altimetric component through a Digital Surface Model, resulting in a vector file geometrically updated and expanded for the three-dimensional space with preserved structure and attributes. The experiments showed the robustness of the method, with the average RMSE of the initial mesh in 50.86 m, reaching 18.72 m in the first step of the method (mesh expansion), reducing to 7.25 m in the next step (mesh adjustment), and to 3.74 m in the final step (mesh refining). Thus, the process ends with an average RMSE of 3.74 m and a standard deviation of 2.86 m, which allows framing of the resulting mesh in the 1: 50,000 Class A PEC-PCD, duly adapted to SDI standards. / FAPEMAT: 231463/2013