No abstract

Digital images play an essential role in analysis tasks with applications in various knowledge domains, such as medicine, meteorology, geology, biology, among others. Such images can be degraded by noise during the process of acquisition, transmission, storage or compression. Although several image denoising methods have been proposed in the literature, noise suppression in images still remains a challenging problem for researchers since the process can cause the removal of relevant image features, such as edges and corners. This papers describes a novel image denoising method based on a genetic algorithm. A population of noisy images is evolved for several epochs applying tailor-made crossover and mutation operators. The population is reinitialized every time a convergence occurs, when only the best individual (image) is kept for the next epoch. Experimental results demonstrate that the proposed method is competitive in comparison with state-of-the-art approaches.

No abstract

A despeito de ser uma abordagem prevista desde a constituição de 1988 e regulamentada por Diretrizes Nacionais bem como por diversos instrumentos da legislação, a Educação Ambiental só se consolidou no currículo formal de ensino a partir da aprovação dos Parâmetros Curriculares Nacionais (PCN) em 1998. O “Tema Transversal Meio Ambiente”, garantia uma abordagem interdisciplinar no âmbito escolar que cumpria a necessidade do debate extremamente importante para os tempos atuais, tendo a sustentabilidade como princípio. No entanto, o atual governo federal está propondo uma reformulação tanto no ensino fundamental quanto no médio, de modo a implantar uma nova Base Nacional Curricular Comum (BNCC), que foi aprovada no final de 2018 e na qual a Educação Ambiental não está contemplada. Este artigo visa descrever o processo de elaboração e aprovação da BNCC analisando sua implicação para o futuro da Educação Ambiental no ensino formal.

No abstract