@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"
}