Integração de imagem aérea de alta resolução e dados de varredura a laser na classificação de cenas urbanas para detectar regiões de via
Autor(a) principal: | |
---|---|
Data de Publicação: | 2013 |
Outros Autores: | |
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 |