Submitted by Luciana Ferreira (lucgeral@gmail.com) on 2017-02-24T13:58:39Z
No. of bitstreams: 2
Dissertação - Daniela de Oliveira Albanez - 2017.pdf: 10127114 bytes, checksum: 4c037243629d84539257a8febc621fa8 (MD5)
license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Approved for entry into archive by Luciana Ferreira (lucgeral@gmail.com) on 2017-02-24T13:59:39Z (GMT) No. of bitstreams: 2
Dissertação - Daniela de Oliveira Albanez - 2017.pdf: 10127114 bytes, checksum: 4c037243629d84539257a8febc621fa8 (MD5)
license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Made available in DSpace on 2017-02-24T13:59:39Z (GMT). No. of bitstreams: 2
Dissertação - Daniela de Oliveira Albanez - 2017.pdf: 10127114 bytes, checksum: 4c037243629d84539257a8febc621fa8 (MD5)
license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5)
Previous issue date: 2017-02-15 / Image segmentation is one of image processing that problems that deserve special interest of the scientific community, given its real utility and application in various areas as medicine, geography, engineering, mathematics and computing, just to name a few. Much of the recent interest in segmentation has been motivated by the availability of satellite images on the Earth’s surface, which can be transformed into concrete knowledge, aiming at land use monitoring and data mining. This work proposes a new segmentation method, using Arficial Intelligence techniques, more specifically Artificial Neural Networks (ANNs), and compare its results of segmentation of satellite images with the original method. The binarized results are compared with the ground truth for the validation of the proposed segmentation method. Experimental results, quantative analysis of segmentation results, indicating that the proposed segmentation method generates better results and a decaying of 36.60% in the total average computacional time when compared with the original method. / Segmentação de Imagens é um dos problemas de processamento de imagens que mercê especial interesse da comunidade científica, tendo em vista sua real utilidade e aplicação em várias áreas do conhecimento como a medicina, geografia, engenharia, matemática e computação, só para citar algumas. Grande parte do interesse recente sobre segmentação foi motivado pela disponibilidade de imagens de satélite sobre a superfície da Terra, que podem ser transformadas em conhecimento concreto, visando o monitoramento e a mineração do uso da terra. Este trabalho propõe um novo método de segmentação, através de técnicas de Inteligência Artificial, mais especificamente pelas Redes Neurais Artificiais (RNA’s), e compara seus resultados de segmentação de imagens de satélite com o método original descrito na literatura. Os resultados binarizados são comparados com o ground truth para a validação do método de segmentação proposto. Resultados experimentais, realizados através da analise quantitativa dos resultados de segmentação, indicam que o método de segmentação proposto produz melhores resultados e uma redução média total do desempenho computacional de 36.60% em relação ao método original.
Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.bc.ufg.br:tede/6877 |
Date | 15 February 2017 |
Creators | Albanez, Daniela de Oliveira |
Contributors | Batista, Marcos Aurélio, Batista, Marcos Aurélio, Barcelos, Célia Aparecida Zorzo, Silva, Sérgio Francisco da, Rabelo, Marcos Napoleão, Silva, Núbia Rosa da |
Publisher | Universidade Federal de Goiás, Programa de Pós-graduação em Modelagem e Otimização (RC), UFG, Brasil, Regional Catalão (RC) |
Source Sets | IBICT Brazilian ETDs |
Language | Portuguese |
Detected Language | Portuguese |
Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
Format | application/pdf |
Source | reponame:Biblioteca Digital de Teses e Dissertações da UFG, instname:Universidade Federal de Goiás, instacron:UFG |
Rights | http://creativecommons.org/licenses/by-nc-nd/4.0/, info:eu-repo/semantics/openAccess |
Relation | 5321942601948699525, 600, 600, 600, 6665988530194015545, -1017255114638026215 |
Page generated in 0.0025 seconds