Made available in DSpace on 2014-06-11T19:31:01Z (GMT). No. of bitstreams: 0
Previous issue date: 2012-09-26Bitstream added on 2014-06-13T18:41:27Z : No. of bitstreams: 1
mendes_tsg_dr_prud.pdf: 8128354 bytes, checksum: 5a91c3eee9237bea69903fcda9e6ddc1 (MD5) / Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / O problema de extração automática da malha viária urbana é extremamente complexo, uma vez que em cenas urbanas as vias apresentam forte interação com outros objetos, como obstruções provocadas por árvores, veículos e sombras de edificações e árvores. Esse problema pode ser simplificado se regiões que correspondem às vias forem previamente isoladas. Na sequência, a malha viária urbana pode ser extraída baseando-se apenas nessas regiões detectadas, obtendo resultados mais confiáveis e com redução da área de busca e do esforço computacional. A classificação de imagens pode ser usada no intuito de isolar as regiões de via, mas em cenas urbanas complexas a utilização de apenas dados espectrais pode não ser suficiente para separar com confiabilidade classes com comportamento espectral similar, por exemplo, vias e edificações de telhado cinza. Com a evolução tecnológica dos sistemas de Varredura a LASER Aerotransportado (VLA), os dados provenientes destes sistemas possuem potencial para serem usados como informações complementares contribuindo para a distinção entre essas classes. O método proposto baseia-se em duas etapas principais. A primeira etapa consiste da detecção e isolamento da classe via por meio de um método de classificação por Redes Neurais Artificiais (RNA) integrando dados... / The problem of automated urban road network extraction is extremely complex, as roads in urban scenes interact strongly with other object such as occlusions caused by trees, vehicles and shadow of buildings and trees. This problem can be simplified if regions corresponding to roads were previously isolated. Next, the urban road network can be extracted using the detected road regions, providing more reliable results and reducing the search area and the computational effort. The classification procedure can be used in order to isolate the road regions, but in complex urban scenes the use of only spectral data may not be sufficient for a reliable separation of classes with similar spectral characteristics, like roof and road classes. With the technological evolution of the Airborne LASER Scanning (ALS) systems, data from these systems has potential to be used as additional information contributing to distinction between these classes. The proposed method is based on two stages. The first stage consists in detecting and isolating the road class by means of image classification method by the Artificial Neural Network... (Complete abstract click electronic access below)
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.unesp.br:11449/100791 |
| Date | 26 September 2012 |
| Creators | Mendes, Tatiana Sussel Gonçalves [UNESP] |
| Contributors | Universidade Estadual Paulista (UNESP), Poz, Aluir Porfirio Dal [UNESP] |
| Publisher | Universidade Estadual Paulista (UNESP) |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | English |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/doctoralThesis |
| Format | 161 f. : il. |
| Source | Aleph, reponame:Repositório Institucional da UNESP, instname:Universidade Estadual Paulista, instacron:UNESP |
| Rights | info:eu-repo/semantics/openAccess |
| Relation | -1, -1 |
Page generated in 0.0025 seconds