Integração de imagem aérea de alta resolução e dados de varredura a laser na classificação de cenas urbanas para detectar regiões de via

Detalhes bibliográficos
Autor(a) principal: Mendes, Tatiana Sussel Gonçalves [UNESP]
Data de Publicação: 2013
Outros Autores: Dal Poz, Aluir Porfírio [UNESP]
Tipo de documento: Artigo
Idioma: por
Título da fonte: Repositório Institucional da UNESP
Texto Completo: http://dx.doi.org/10.1590/S1982-21702013000200008
http://hdl.handle.net/11449/6694
Resumo: O problema de extração automática da malha viária urbana é extremamente complexo, uma vez que em cenas urbanas as vias apresentam forte interação com os outros objetos da cena (vegetação, edificações, veículos etc.). Esse problema pode ser simplificado se regiões correspondente às vias forem previamente isoladas. Na sequência, a malha viária urbana pode ser extraída baseando-se apenas nessas regiões, reduzindo a área de busca e o 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 somente dados espectrais pode não ser suficiente para separar com confiabilidade classes com comportamento espectral similar. Para contornar esse problema, é proposta a integração dos dados geométricos e radiométricos de varredura a laser com imagem aérea RGB de alta resolução numa classificação por Redes Neurais Artificiais, tendo por foco principal o isolamento de regiões de via. O benefício desta integração foi verificado usando diferentes combinações de dados de entrada na rede. Os experimentos mostraram que a combinação que integra diferentes fontes de dados permitiu separar a classe via com melhor acurácia e que problemas relacionados com as respostas espectrais similares foram minimizados.
id UNSP_9f1f2001f9ee5bf90a6e2eb8675bf1fa
oai_identifier_str oai:repositorio.unesp.br:11449/6694
network_acronym_str UNSP
network_name_str Repositório Institucional da UNESP
repository_id_str 2946
spelling Integração de imagem aérea de alta resolução e dados de varredura a laser na classificação de cenas urbanas para detectar regiões de viaIntegration of high resolution aerial image and laser scanner data in the classification of the urban scenes to detect regions of roadRedes Neurais ArtificiaisModelo Digital de Superfície NormalizadoImagem de Intensidade do Pulso LaserArtificial Neural NetworkNormalized Digital Surface ModelLaser Pulse Intensity ImageO problema de extração automática da malha viária urbana é extremamente complexo, uma vez que em cenas urbanas as vias apresentam forte interação com os outros objetos da cena (vegetação, edificações, veículos etc.). Esse problema pode ser simplificado se regiões correspondente às vias forem previamente isoladas. Na sequência, a malha viária urbana pode ser extraída baseando-se apenas nessas regiões, reduzindo a área de busca e o 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 somente dados espectrais pode não ser suficiente para separar com confiabilidade classes com comportamento espectral similar. Para contornar esse problema, é proposta a integração dos dados geométricos e radiométricos de varredura a laser com imagem aérea RGB de alta resolução numa classificação por Redes Neurais Artificiais, tendo por foco principal o isolamento de regiões de via. O benefício desta integração foi verificado usando diferentes combinações de dados de entrada na rede. Os experimentos mostraram que a combinação que integra diferentes fontes de dados permitiu separar a classe via com melhor acurácia e que problemas relacionados com as respostas espectrais similares foram minimizados.The problem of automated urban road network extraction is extremely complex, as roads in urban scenes interact strongly with other scene objects (vegetation, buildings and vehicles). This problem can be simplified if regions corresponding to roads were previously isolated using a classification procedure. Next, the urban road network can be extracted from these regions previously detected, leading to a geometric and semantic description. The image classification procedure can be used in order to isolate regions of road, 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. To overcome the problem, it is proposed the integration of laser scanner geometric and radiometric data with high-resolution RGB aerial images in the classification using Artificial Neural Network, with main focus to isolate regions of road. The benefit of this integration was cheked using different combinations of input data. The experiments showed that the combination that integrates different sources of data allows the separations of the road class with better accuracy and the problems related to spectral similar responses were minimized.Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)UNESP ICT Departamento de Engenharia AmbientalUNESP FCT Departamento de CartografiaUNESP ICT Departamento de Engenharia AmbientalUNESP FCT Departamento de CartografiaUniversidade Federal de Uberlândia (UFU)Universidade Estadual Paulista (Unesp)Mendes, Tatiana Sussel Gonçalves [UNESP]Dal Poz, Aluir Porfírio [UNESP]2014-05-20T13:22:41Z2014-05-20T13:22:41Z2013-06-01info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/article287-312application/pdfhttp://dx.doi.org/10.1590/S1982-21702013000200008Boletim de Ciências Geodésicas. Universidade Federal de Uberlândia (UFU), v. 19, n. 2, p. 287-312, 2013.1982-2170http://hdl.handle.net/11449/669410.1590/S1982-21702013000200008S1982-21702013000200008WOS:000320938300008S1982-21702013000200008.pdfSciELOreponame:Repositório Institucional da UNESPinstname:Universidade Estadual Paulista (UNESP)instacron:UNESPporBoletim de Ciências Geodésicasinfo:eu-repo/semantics/openAccess2024-06-18T15:01:07Zoai:repositorio.unesp.br:11449/6694Repositório InstitucionalPUBhttp://repositorio.unesp.br/oai/requestopendoar:29462024-08-05T15:09:01.519305Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)false
dc.title.none.fl_str_mv Integração de imagem aérea de alta resolução e dados de varredura a laser na classificação de cenas urbanas para detectar regiões de via
Integration of high resolution aerial image and laser scanner data in the classification of the urban scenes to detect regions of road
title Integração de imagem aérea de alta resolução e dados de varredura a laser na classificação de cenas urbanas para detectar regiões de via
spellingShingle Integração de imagem aérea de alta resolução e dados de varredura a laser na classificação de cenas urbanas para detectar regiões de via
Mendes, Tatiana Sussel Gonçalves [UNESP]
Redes Neurais Artificiais
Modelo Digital de Superfície Normalizado
Imagem de Intensidade do Pulso Laser
Artificial Neural Network
Normalized Digital Surface Model
Laser Pulse Intensity Image
title_short Integração de imagem aérea de alta resolução e dados de varredura a laser na classificação de cenas urbanas para detectar regiões de via
title_full Integração de imagem aérea de alta resolução e dados de varredura a laser na classificação de cenas urbanas para detectar regiões de via
title_fullStr Integração de imagem aérea de alta resolução e dados de varredura a laser na classificação de cenas urbanas para detectar regiões de via
title_full_unstemmed Integração de imagem aérea de alta resolução e dados de varredura a laser na classificação de cenas urbanas para detectar regiões de via
title_sort Integração de imagem aérea de alta resolução e dados de varredura a laser na classificação de cenas urbanas para detectar regiões de via
author Mendes, Tatiana Sussel Gonçalves [UNESP]
author_facet Mendes, Tatiana Sussel Gonçalves [UNESP]
Dal Poz, Aluir Porfírio [UNESP]
author_role author
author2 Dal Poz, Aluir Porfírio [UNESP]
author2_role author
dc.contributor.none.fl_str_mv Universidade Estadual Paulista (Unesp)
dc.contributor.author.fl_str_mv Mendes, Tatiana Sussel Gonçalves [UNESP]
Dal Poz, Aluir Porfírio [UNESP]
dc.subject.por.fl_str_mv Redes Neurais Artificiais
Modelo Digital de Superfície Normalizado
Imagem de Intensidade do Pulso Laser
Artificial Neural Network
Normalized Digital Surface Model
Laser Pulse Intensity Image
topic Redes Neurais Artificiais
Modelo Digital de Superfície Normalizado
Imagem de Intensidade do Pulso Laser
Artificial Neural Network
Normalized Digital Surface Model
Laser Pulse Intensity Image
description O problema de extração automática da malha viária urbana é extremamente complexo, uma vez que em cenas urbanas as vias apresentam forte interação com os outros objetos da cena (vegetação, edificações, veículos etc.). Esse problema pode ser simplificado se regiões correspondente às vias forem previamente isoladas. Na sequência, a malha viária urbana pode ser extraída baseando-se apenas nessas regiões, reduzindo a área de busca e o 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 somente dados espectrais pode não ser suficiente para separar com confiabilidade classes com comportamento espectral similar. Para contornar esse problema, é proposta a integração dos dados geométricos e radiométricos de varredura a laser com imagem aérea RGB de alta resolução numa classificação por Redes Neurais Artificiais, tendo por foco principal o isolamento de regiões de via. O benefício desta integração foi verificado usando diferentes combinações de dados de entrada na rede. Os experimentos mostraram que a combinação que integra diferentes fontes de dados permitiu separar a classe via com melhor acurácia e que problemas relacionados com as respostas espectrais similares foram minimizados.
publishDate 2013
dc.date.none.fl_str_mv 2013-06-01
2014-05-20T13:22:41Z
2014-05-20T13:22:41Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/article
format article
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://dx.doi.org/10.1590/S1982-21702013000200008
Boletim de Ciências Geodésicas. Universidade Federal de Uberlândia (UFU), v. 19, n. 2, p. 287-312, 2013.
1982-2170
http://hdl.handle.net/11449/6694
10.1590/S1982-21702013000200008
S1982-21702013000200008
WOS:000320938300008
S1982-21702013000200008.pdf
url http://dx.doi.org/10.1590/S1982-21702013000200008
http://hdl.handle.net/11449/6694
identifier_str_mv Boletim de Ciências Geodésicas. Universidade Federal de Uberlândia (UFU), v. 19, n. 2, p. 287-312, 2013.
1982-2170
10.1590/S1982-21702013000200008
S1982-21702013000200008
WOS:000320938300008
S1982-21702013000200008.pdf
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv Boletim de Ciências Geodésicas
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 287-312
application/pdf
dc.publisher.none.fl_str_mv Universidade Federal de Uberlândia (UFU)
publisher.none.fl_str_mv Universidade Federal de Uberlândia (UFU)
dc.source.none.fl_str_mv SciELO
reponame:Repositório Institucional da UNESP
instname:Universidade Estadual Paulista (UNESP)
instacron:UNESP
instname_str Universidade Estadual Paulista (UNESP)
instacron_str UNESP
institution UNESP
reponame_str Repositório Institucional da UNESP
collection Repositório Institucional da UNESP
repository.name.fl_str_mv Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)
repository.mail.fl_str_mv
_version_ 1808128467260145664