@InProceedings{CostaFons:2016:SeEsIm,
               author = "Costa, Wanderson Santos and Fonseca, Leila Maria Garcia",
          affiliation = "{Instituto Nacional de Pesquisas Espaciais (INPE)} and {Instituto 
                         Nacional de Pesquisas Espaciais (INPE)}",
                title = "Segmenta{\c{c}}{\~a}o espa{\c{c}}o-temporal de imagens 
                         {\'o}pticas de sensoriamento remoto",
                 year = "2016",
         organization = "Workshop de Computa{\c{c}}{\~a}o Aplicada, 16. (WORCAP)",
             abstract = "A disponibilidade de uma grande quantidade de dados de sensores 
                         remotos, a exemplo de sensores de alta resolu{\c{c}}{\~a}o 
                         temporal, como o MODIS, e sensores de alta resolu{\c{c}}{\~a}o 
                         espacial, tem tornado cada vez mais acess{\'{\i}}vel e de forma 
                         mais detalhada a observa{\c{c}}{\~a}o da Terra. Tais 
                         sat{\'e}lites e seus sensores t{\^e}m sido respons{\'a}veis 
                         pela constru{\c{c}}{\~a}o de conjuntos de dados de s{\'e}ries 
                         temporais em propor{\c{c}}{\~o}es anteriormente 
                         intang{\'{\i}}veis. Dentro deste contexto, o uso de 
                         segmentadores eficientes de imagens de sensoriamento remoto 
                         apresenta papel importante neste cen{\'a}rio ao buscar 
                         regi{\~o}es homog{\^e}neas no espa{\c{c}}o-tempo e 
                         consequentemente, reduzir o conjunto de dados. Al{\'e}m disso, a 
                         segmenta{\c{c}}{\~a}o multitemporal pode trazer uma nova maneira 
                         de interpreta{\c{c}}{\~a}o dos dados, a exemplo de regi{\~o}es 
                         cont{\'{\i}}guas no tempo. Grande parte das t{\'e}cnicas de 
                         segmenta{\c{c}}{\~a}o baseada em objetos t{\^e}m dado 
                         aten{\c{c}}{\~a}o {\`a} alta resolu{\c{c}}{\~a}o espacial das 
                         imagens, enquanto que, at{\'e} o momento, existem poucos estudos 
                         que t{\^e}m adaptado os m{\'e}todos baseados em objetos para 
                         aplica{\c{c}}{\~o}es no dom{\'{\i}}nio temporal. Com isso, 
                         prop{\~o}e-se um segmentador multitemporal para 
                         detec{\c{c}}{\~a}o de regi{\~o}es homog{\^e}neas no 
                         espa{\c{c}}o e no tempo em imagens {\'o}pticas de sensoriamento 
                         remoto. O algoritmo faz uso da t{\'e}cnica de crescimento de 
                         regi{\~o}es, com a utiliza{\c{c}}{\~a}o de m{\'e}tricas que 
                         consideram s{\'e}ries temporais relacionadas aos pixels das 
                         imagens como crit{\'e}rio de homogeneidade do segmentador. Testes 
                         com imagens NDVI do sensor MODIS e produtos EVI do Landsat-8 
                         est{\~a}o sendo realizados observando o comportamento do 
                         algoritmo em diferentes coberturas do solo, com sequ{\^e}ncias de 
                         imagens de tamanhos, periodicidades e resolu{\c{c}}{\~o}es 
                         espaciais e temporais distintas. Solu{\c{c}}{\~o}es est{\~a}o 
                         sendo exploradas para determinar os valores dos limiares e o 
                         m{\'e}todo de valida{\c{c}}{\~a}o para a 
                         segmenta{\c{c}}{\~a}o com o intuito de definir a melhor 
                         estrat{\'e}gia de configura{\c{c}}{\~a}o para cada 
                         aplica{\c{c}}{\~a}o em estudos provenientes da {\'a}rea de 
                         sensoriamento remoto.",
  conference-location = "S{\~a}o Jos{\'e} dos Campos, SP",
      conference-year = "25-26 out.",
             language = "pt",
           targetfile = "costa_segmentacao.pdf",
        urlaccessdate = "27 abr. 2024"
}