@MastersThesis{Cruz:2014:ReObIm,
               author = "Cruz, Juliano Elias Cardoso",
                title = "Reconhecimento de objetos em imagens orbitais com o uso de 
                         abordagens do tipo descritor-classificador",
               school = "Instituto Nacional de Pesquisas Espaciais (INPE)",
                 year = "2014",
              address = "S{\~a}o Jos{\'e} dos Campos",
                month = "2014-04-14",
             keywords = "vis{\~a}o computacional,processamento de imagem,reconhecimento de 
                         padr{\~o}es,descritores locais,detec{\c{c}}{\~a}o de objeto, 
                         computational vision, image processing, pattern recognition, local 
                         descriptors, object detection.",
             abstract = "Com a digitaliza{\c{c}}{\~a}o de informa{\c{c}}{\~o}es 
                         t{\^e}m sido apresentadas solu{\c{c}}{\~o}es para problemas que 
                         existiam quando as informa{\c{c}}{\~o}es eram dispostas de forma 
                         anal{\'o}gica, como por exemplo, o fato de alguns sistemas 
                         possu{\'{\i}}rem uma enorme quantidade de dados a serem 
                         processados por um operador humano ou sistemas aut{\^o}nomos que 
                         necessitam obter informa{\c{c}}{\~o}es a fim de tomar 
                         decis{\~o}es sem a ajuda de um operador humano. Portanto, quando 
                         se lida com imagens digitais, sendo elas orbitais, a{\'e}reas ou 
                         obtidas em solo, e deseja-se automatizar um processo que {\'e} 
                         cansativo e demorado se realizado por um operador humano ou um 
                         processo cr{\'{\i}}tico que {\'e} respons{\'a}vel pela tomada 
                         de decis{\~a}o em um certo sistema, pode-se recorrer a uma 
                         {\'a}rea da computa{\c{c}}{\~a}o que {\'e} conhecida por 
                         Vis{\~a}o Computacional. Assim, esse trabalho de 
                         disserta{\c{c}}{\~a}o tem o objetivo de analisar metodologias 
                         para o reconhecimento autom{\'a}tico de objetos com formato bem 
                         definido e com pouca deforma{\c{c}}{\~a}o em imagens orbitais. 
                         Tais objetos podem ser pessoas, carros, pistas de pouso, campos de 
                         futebol, hip{\'o}dromos, entre outros. S{\~a}o exploradas neste 
                         trabalho portanto, abordagens que basicamente utilizam 
                         classificadores associados {\`a} descritores locais de forma em 
                         imagens, mas que tem seu uso em grande maioria aplicadas {\`a} 
                         detec{\c{c}}{\~a}o e reconhecimento de fei{\c{c}}{\~o}es 
                         humanas. As abordagens estudadas foram: a associa{\c{c}}{\~a}o 
                         HOG+SVM, fei{\c{c}}{\~o}es \emph{Haar-like} em cascata e LBP em 
                         cascata. ABSTRACT: Nowadays with the data digitization, it has 
                         created solutions to issues that were present particularly at the 
                         analog age, e.g. systems that have huge amount of data to be 
                         processed by a human operator or an autonomous systems that need 
                         to obtain information in order to take decisions without a human 
                         operator help. Therefore, when one deals with digital imagery, 
                         such as satellite, airborne or ground-level ones, and there is a 
                         necessity to automatize a tiring and lengthy process done by a 
                         human operator or a critic process responsible for decision-making 
                         in a certain system, it is normally employed a computer science 
                         known as Computer Vision. Thus, this dissertation work has the 
                         objective to present an analysis of methodologies to automatically 
                         recognize objects with well-behaved appearance and low deformation 
                         level in satellite imagery. Such objects can be human beings, 
                         vehicles, runways, soccer fields, hippodromes, among others. It is 
                         explored in this work therefore, approaches that basically utilize 
                         classifiers associated to image local shape descriptors that have 
                         most of their use applied to human features detection and 
                         recognition. The studied approaches are: HOG+SVM association, 
                         Haar-like feature cascade and LBP cascade.",
            committee = "Velho, Haroldo Fraga de Campos (presidente) and Guimar{\~a}es, 
                         Lamartine Nogueira Frutuoso (orientador) and Shiguemori, Elcio 
                         Hideiti (orientador) and Carvalho, Solon Ven{\^a}ncio de and 
                         Braga, Antonio de Padua and Saotome, Osamu",
         englishtitle = "Object recognition in satellite imagery with descriptor-classifier 
                         approaches",
             language = "pt",
                  ibi = "8JMKD3MGP5W34M/3GFCTCH",
                  url = "http://urlib.net/ibi/8JMKD3MGP5W34M/3GFCTCH",
           targetfile = "publicacao.pdf",
        urlaccessdate = "03 maio 2024"
}