Texture is one of the most primitive characteristics of objects. Digital images represent this property as local intensity variations in the image. Consequently, texture is an attribute that is innately present in virtually every digital image; mathematically describing this information leads to a myriad of different applications, from food qualities processing up to medical image analysis. It comes as no surprise that texture has been one of the most researched topics in the computer vision community, and it continues to receive a great deal of attention. One of the most classic approaches to model texture is the statistically-based co-occurrence matrix method. The present dissertation work revolves around a clever variation of the co- occurrence matrix that incorporates rotation-invariance, a very desirable property for texture classification. This variation is taken from previous work in the literature and is used to propose a robust fuzzy orthoimage classifier. Moreover, the original rotation- invariant approach is modified though a generalization and benchmarked with one of the most widely-used texture description methods in the recent literature: the Local Binary Patterns approach. The results indicate that Fuzzy Logic is a powerful tool to build texture-based classifiers that have to deal with diversely-sourced image samples; the results also indicate that the generalization proposal, which originates the here named CCM and RCM texture description methods, offers a significant performance boost that is comparable, and even better than Local Binary Patterns approach when comparing accuracy scores. / A textura é uma das características mais básicas dos objetos. As imagens digitais representam esta propriedade como variações de intensidade locais na imagem. Consequentemente, a textura é um atributo que se encontra presente de forma inerente em praticamente todas as imagens digitais; descrever matematicamente esta informação produz uma série de inúmeras aplicações, desde processamento da qualidade dos alimentos até análise de imagens médicas. Não é surpreendente que a pesquisa em textura seja um dos tópicos mais pesquisados pela comunidade de visão por computador, e ainda continua recebendo muita atenção. Um dos modelos mais clássicos para modelar textura é o método estatístico da matriz de co- ocorrência. Esta dissertação gira em torno a uma modificação inteligente da matriz de co-ocorrência que inclui invariância à rotação, uma característica muito desejável para a classificação de texturas. Esta variação toma-se de um trabalho na literatura e é utilizada para propor um classificador nebuloso de imagens aéreas. Além disso, a definição matemática original é modificada através da generalização dos descritores e se realiza um estudo comparativo com um dos métodos de descrição de textura mais usados na literatura recente: o método Local Binary Patterns. Os resultados indicam que a Lógica Nebulosa é uma ferramenta poderosa para construir classificadores baseados em textura que precisem trabalhar com amostras tomadas de diversas fontes; os resultados também indicam que a proposta de generalização, que leva o nome de método CCM e RCM, oferece um incremento significativo no desempenho que é comparável, inclusive superior, ao método Local Binary Patterns, quando comparadas as taxas de acerto para ambos os métodos.

Texture is one of the most primitive characteristics of objects. Digital images represent this property as local intensity variations in the image. Consequently, texture is an attribute that is innately present in virtually every digital image; mathematically describing this information leads to a myriad of different applications, from food qualities processing up to medical image analysis. It comes as no surprise that texture has been one of the most researched topics in the computer vision community, and it continues to receive a great deal of attention. One of the most classic approaches to model texture is the statistically-based co-occurrence matrix method. The present dissertation work revolves around a clever variation of the co- occurrence matrix that incorporates rotation-invariance, a very desirable property for texture classification. This variation is taken from previous work in the literature and is used to propose a robust fuzzy orthoimage classifier. Moreover, the original rotation- invariant approach is modified though a generalization and benchmarked with one of the most widely-used texture description methods in the recent literature: the Local Binary Patterns approach. The results indicate that Fuzzy Logic is a powerful tool to build texture-based classifiers that have to deal with diversely-sourced image samples; the results also indicate that the generalization proposal, which originates the here named CCM and RCM texture description methods, offers a significant performance boost that is comparable, and even better than Local Binary Patterns approach when comparing accuracy scores. / A textura é uma das características mais básicas dos objetos. As imagens digitais representam esta propriedade como variações de intensidade locais na imagem. Consequentemente, a textura é um atributo que se encontra presente de forma inerente em praticamente todas as imagens digitais; descrever matematicamente esta informação produz uma série de inúmeras aplicações, desde processamento da qualidade dos alimentos até análise de imagens médicas. Não é surpreendente que a pesquisa em textura seja um dos tópicos mais pesquisados pela comunidade de visão por computador, e ainda continua recebendo muita atenção. Um dos modelos mais clássicos para modelar textura é o método estatístico da matriz de co- ocorrência. Esta dissertação gira em torno a uma modificação inteligente da matriz de co-ocorrência que inclui invariância à rotação, uma característica muito desejável para a classificação de texturas. Esta variação toma-se de um trabalho na literatura e é utilizada para propor um classificador nebuloso de imagens aéreas. Além disso, a definição matemática original é modificada através da generalização dos descritores e se realiza um estudo comparativo com um dos métodos de descrição de textura mais usados na literatura recente: o método Local Binary Patterns. Os resultados indicam que a Lógica Nebulosa é uma ferramenta poderosa para construir classificadores baseados em textura que precisem trabalhar com amostras tomadas de diversas fontes; os resultados também indicam que a proposta de generalização, que leva o nome de método CCM e RCM, oferece um incremento significativo no desempenho que é comparável, inclusive superior, ao método Local Binary Patterns, quando comparadas as taxas de acerto para ambos os métodos.

Made available in DSpace on 2014-06-11T19:22:25Z (GMT). No. of bitstreams: 0 Previous issue date: 2011-02-15Bitstream added on 2014-06-13T18:49:04Z : No. of bitstreams: 1 torrijoscadena_g_me_prud.pdf: 2866179 bytes, checksum: 72e4cd0bdc70c749eb5f98a106e0b51e (MD5) / A circulação de veículos na cidade de Bogotá, capital da Colômbia, é muito alta, principalmente por este ser o centro de convergência do sistema de transportes, além de ser o pólo comercial, cultural e industrial do país. Com o crescimento urbano e econômico da cidade, o número de veículos que trafega nela vem aumentando, ano após ano, principalmente na região metropolitana. Em decorrência desse aumento, está sendo observada a deterioração, cada vez maior, das vias urbanas da cidade, tornando necessário buscar alternativas que possam mitigar este problema. Neste contexto, a proposta central desta pesquisa é classificar os tipos de pavimentos das vias urbanas, de Bogotá, fazendo uso de ortoimagens fornecidas pelo Instituto Geográfico “Agustín Codazzi” da Colômbia, adquiridas com uma câmara Vexcel Ultracam-D... / The flow of vehicles in Bogotá, capital city of Colombia, is really intense, mainly for the city being the converging center of the transportation system, furthermore, being the countries’ commercial, cultural and industrial pole. Because of the urban and economic growth, the number of vehicles which are driven in that city have been increasing year after year, mainly in the metropolitan area. Due to this increase, it has been observed, each time more, the deterioration of urban ways, becoming necessary to look for alternatives which can reduce this problem. Within this context the main proposal of this research is to classify the types of pavements of Bogota’s urban ways. It’ll make use of orthoimages provided by the Geographical Institute “Agustín Codazzi” from Colombia. These picture were taken with a spacial resolution camera named Vexcel Ultracam-D ... (Complete abstract click electronic access below)

Submitted by HENRIQUE CANDIDO DE OLIVEIRA null (henrique.cartografia@gmail.com) on 2016-06-20T14:13:55Z No. of bitstreams: 1 [2016]OLIVEIRA_HC_tese.pdf: 4404064 bytes, checksum: 0993dde10f9daa72330a53e2281c1c45 (MD5) / Approved for entry into archive by Ana Paula Grisoto (grisotoana@reitoria.unesp.br) on 2016-06-22T16:34:05Z (GMT) No. of bitstreams: 1 oliveria_hc_dr_prud.pdf: 4404064 bytes, checksum: 0993dde10f9daa72330a53e2281c1c45 (MD5) / Made available in DSpace on 2016-06-22T16:34:05Z (GMT). No. of bitstreams: 1 oliveria_hc_dr_prud.pdf: 4404064 bytes, checksum: 0993dde10f9daa72330a53e2281c1c45 (MD5) Previous issue date: 2016-04-29 / Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) / A utilização de ortoimagem verdadeira, em projetos executados em áreas urbanas, é essencial para certas aplicações. Para a geração de tal produto é necessária a detecção de áreas de oclusão, assim como a compensação destas áreas, usando-se imagens adjacentes. Este trabalho apresenta um novo método de detecção de oclusão denominado SGBM (Surface- Gradient-Based Method), por meio da identificação de gradientes de superfície sobre representação poliédrica. A diferença desse método para os demais encontrados na literatura, como estado da arte, é a utilização de um conjunto de pontos, organizados de acordo com a estrutura de dados TIN (Triangulated Irregular Network). Essa representação, por ser formada por pontos tridimensionais irregularmente espaçados, permite o uso de uma nuvem de pontos com diferentes densidades e, em determinadas situações, a obtenção de bons resultados por meio do uso de um modelo digital de superfície composto por uma quantidade menor de pontos, o que implica menor tempo de processamento. Nesta tese, apresentam-se diferentes experimentos para validar a metodologia proposta, por meio de análise quantitativa (índice de completude, alinhamento de feições lineares e tempo de processamento) e qualitativa (coerência visual dos resultados obtidos). Foram utilizados três conjuntos de dados aéreos obtidos por plataformas à baixa altura de voo. Esses dados são oriundos de sistemas acoplados a veículos aéreos não tripulados e helicóptero. Os conjuntos de pontos tridimensionais foram obtidos por sistemas de varredura a LASER (Light Amplification by Stimulated Emission of Radiation) aerotransportado e por técnicas fotogramétricas. Selecionou-se esse conjunto de dados, devido à grande presença de áreas de oclusão, ao aumento da utilização destas plataformas em levantamentos fotogramétricos e à atual qualidade da extração de nuvem de pontos via correspondência densa de imagens. Os resultados, assim como comparações com métodos existentes, indicam que o método proposto apresenta contribuição ao estado da arte na detecção de oclusão visando à geração de ortoimagem verdadeira, visto que a utilização de uma malha triangular, para análise da superfície, evita certas limitações encontradas nos métodos atuais, assim como, permite uma representação mais eficiente dos elementos presentes na área de interesse. / The usage of true-orthophoto in projects performed over urban areas is essential for certain applications. To generate this type of product it is necessary a procedure for occlusion detection, as well as, a proper radiometric compensation for the occluded areas, using adjacent images from the aerial image block. The main objective of this thesis is to present a new method for occlusion detection named SGBM (Surface-Gradient-Based Method), using a surface gradient identification over a polyhedral surface. The main difference among this method and the others, presented as state of the art, is the usage of a point cloud arranged as a triangular data structure (TIN: Triangulated Irregular Network). This surface representation is formed by an irregularly-spaced 3D point cloud, which allows the use of different point density along the surface. This characteristic supports obtaining good results by using a less dense point cloud - situation that requires a reduced computational effort. Several experiments were carried out, seeking for the validation of the proposed method, by using quantitative analyzes (completeness index, mosaic alignment and time of processing) and qualitative analyzes (visual coherence of the obtained results). Three datasets were used, being all acquired by a low-altitude flight configuration (helicopter and unmanned aerial vehicles), which make possible the identification of large occlusion areas. The point cloud was obtained by airborne LASER (Light Amplification by Stimulated Emission of Radiation) scanning system and by dense image matching. These dataset were used due to the incidence of occlusions and the growth of unmanned platform usage. The results indicate that the proposed method has some contribution to the state of the art in occlusion detection, aiming the generation of true-orthophoto. The use of an irregularly-spaced point cloud avoids some limitations found on the other methodologies, along with, a better representation of objects in the surface of interest. / FAPESP: 2013/21647-2

Submitted by Claudia Rocha (claudia.rocha@udesc.br) on 2017-12-12T16:07:14Z No. of bitstreams: 1 PGEF17MA074.pdf: 2480663 bytes, checksum: 26fb5ceef2b21f799b8a35512121fad5 (MD5) / Made available in DSpace on 2017-12-12T16:07:14Z (GMT). No. of bitstreams: 1 PGEF17MA074.pdf: 2480663 bytes, checksum: 26fb5ceef2b21f799b8a35512121fad5 (MD5) Previous issue date: 2017-02-22 / The objective of this work is to extract different dendrometric variable such as tottal forest height (h), stem diameter at the breast height (DBH), volume (V) and stem diameter at regular height intervals (Hx) directly from cloud points data derived from a sensor coupled to Unmanned Aircraft Veicle System (UAVS) alone. / Este trabalho tem como objetivo a extração de variáveis dendrométricas tais como a altura total (h), diâmetro a altura do peito (DAP) e diâmetro em diferentes alturas do tronco a partir de dados derivados de TLS, sensores embarcados em VANT bem como a sua integração. A área de estudo consiste em um plantio misto, com espécies dos gêneros Pinus spp. e Eucapyptus spp., e área aproximada de 4.200 m². Os dados TLS foram coletados à campo, empregando o método de varreduras múltiplas. O recobrimento foi realizado com VANT a uma máxima de 120 metros. Todos os dados foram referenciados ao Sistema Geodésico Brasileiro mediante a coleta de observações para o campo. Para a validação dos resultados foram coletados dados utilizando técnicas e equipamentos tradicionais. O pré-processamento e processamento dos dados foram realizados empregando os aplicativos computacionais Scene, CloudCompare e Photoscan/Agisoft. Para a extração das variáveis dendrométrica empregaram-se os aplicativos Python e DetecTree. A detecção das árvores a partir de dados TLS obteve um acerto de 98,98%. Por outro lado, a detecção das árvores individual de árvores, usando somente a ortoimagem não obteve bons resultados. Quando comparada a verdade de campo, os diâmetros obtidos a 1,30 m (DAP) e a 3,3 metros de altura, apresentaram igualdade estatística ao nível de significância de 5%. No entanto, a metodologia usada para extração da altura total neste estudo, não apresentou igualdade estatística ao nível de significância de 5%