@MastersThesis{Filgueiras:1998:SíTeUt,
               author = "Filgueiras, Eduardo Quesado",
                title = "S{\'{\i}}ntese de textura utilizando modelos 
                         estat{\'{\i}}sticos espaciais",
               school = "Instituto Nacional de Pesquisas Espaciais (INPE)",
                 year = "1998",
              address = "Sao Jose dos Campos",
                month = "1998-07-13",
             keywords = "modelagem, s{\'{\i}}ntese, texturas, autorregressivo, m{\'e}dia 
                         m{\'o}vel, concatena{\c{c}}{\~a}o, modelling, synthesis, 
                         textures, autoregressive, moving average, concatenation.",
             abstract = "0 escopo deste trabalho concentra-se no uso de metodos capazes de 
                         geracao de texturas sinteticas de aparencia natural, a partir da 
                         reproducao de padroes fonte previamente selecionados. Modelos 
                         estatisticos espaciais sao a base para os metodos utilizados, 
                         especificamente a modelagem baseada em processos autorregressivos 
                         e de media movel para a estimacao de parametros e geracao de 
                         padroes de textura. Dois metodos sao utilizados para a estimacao 
                         de parametros, ambos baseados em processos autorregressivos. 0 
                         primeiro metodo e baseado na utilizacao da funcao de 
                         autocorrelacao linear e na concatenacao de linhas e colunas da 
                         textura analizada. 0 segundo metodo utiliza a funcao de 
                         autocorrelacao bidimensional concatenada, sendo capaz de evitar a 
                         acumulacao de erros ocasionada por correlacoes indesejadas geradas 
                         pelo processo de concatenacao de linhas e colunas, ao ser 
                         utilizada a autocorrelacao linear. 0 procedimento de sintese e 
                         baseado na geracao de um campo ruido branco bidimesional de media 
                         zero e mesma variancia dos residuos obtidos a partir do processo 
                         de modelagem, que e o ruido branco motor de um processo 
                         autorregressivo bidimensional, o qual resultara na textura 
                         sintetica. Para imagens de radar de abertura sintetica, foi 
                         utilizada uma tecnica de pre-processamento submetendo as amostras 
                         das imagens a transformacao pela curva raiz cubica, como uma forma 
                         de obtencao de distribuicao aproximadamente gaussiana. Imagens 
                         obtidas por sensores oticos dos satelites Landsat-5 e JERS-1 
                         tambem sao submetidas aos metodos, bem como texturas naturais tais 
                         quais marmore e granito. Um programa computacional grafico 
                         multiplataforma utilizando linguagem IDL foi desenvolvido, 
                         contendo todas as funcionalidades necessarias para a modelagem 
                         autorregressiva e a sintese de texturas. ABSTRACT: The scope of 
                         this work is the use of methods capable of generating natural 
                         looking synthetic textures reproducing previously selected source 
                         patterns. Spatial statistic models are the basis for the used 
                         methods, specifically autoregressive moving average modeling for 
                         parameter estimation and texture pattern generation. Two methods 
                         are used for parameter {{{{{{estimation;}}}}}} both are based on 
                         autoregressive processes. The first method is based on using the 
                         linear autocorrelation function and on concatenating rows and 
                         columns of the analyzed texture. The second method uses a 
                         concatenated two dimensional autocorrelation function, and is able 
                         to avoid cumulative errors caused by undesired correlations 
                         generated by the row and column concatenation process using linear 
                         autocorrelation. The synthesis procedure is based on generating a 
                         zero mean two dimensional random white noise field which has the 
                         same variance as the residuals obtained from the modeling process. 
                         This white noise is the driver for a twodimensional autoregressive 
                         process, which results in a synthetic texture. For synthetic 
                         aperture radar images, a pre-processing technique using cubic root 
                         transformation on the image samples is used, as a way to obtain a 
                         near-Gaussian distribution. Images obtained by Landsat-5 and 
                         JERS-1 optical sensors are also tested, and so do natural textures 
                         such as marmour and granite. A graphic multiplatform 
                         computer-based program was developed using IDL language, 
                         containing all necessary functionalities for autoregressive 
                         modeling and texture synthesis.",
            committee = "Monteiro, Antonio Miguel Vieira (presidente) and Dutra, Luciano 
                         Vieira (orientador) and Mascarenhas, Nelson Delfino d'{\'A}vila 
                         and Pereira, Jos{\'e} Antonio Gon{\c{c}}alves and Yanasse, 
                         Corina da Costa Freitas",
           copyholder = "SID/SCD",
         englishtitle = "Texture synthesis using stastical spatial models",
                label = "8900",
             language = "pt",
                pages = "182",
                  ibi = "6qtX3pFwXQZ4PKzA/o5NDh",
                  url = "http://urlib.net/ibi/6qtX3pFwXQZ4PKzA/o5NDh",
           targetfile = "publicacao.pdf",
        urlaccessdate = "04 maio 2024"
}