(PDI) têm sido extensivamente empregadas em imagens de sensoriamento remoto. Nesse contexto, classificar alvos ou extrair características de interesse podem se tornar tarefasárduas devidoà grande quantidade de oclusões que podem surgir nas imagens como, por exemplo, sombras de nuvens, textos sobrepostos, falhas na captura de dados por sensores, etc. Em vista disso, este trabalho apresenta uma nova metodologia para detecção automática de oclusões do tipo textual em imagens de sensoriamento remoto, a qual combina técnicas de segmentação morfológica, decomposição de imagens e estratégias de limiarização. A solução proposta considera filtros gaussianos para suavizar a imagem de forma a obter uma decomposição da mesma nas bandas "cartoon" e "texture" (padrões oscilatórios). Em seguida, essa bandas são processadas e binarizadas a partir do método de Otsu, gerando assim uma imagem auxilar a qualé submetida a operações morfológicas, de modo a guiar a detecção textual na imagem original. Testes experimentais em imagens reais remotamente sensoriadas demonstram que o método proposto atinge elevada precisão na tarefa de detecção desse tipo de alvo, devolvendo imagens comáreas textuais segmentadas que podem ser utilizadas para aumentar a acurácia de outras aplicações clássicas daárea como classificação e extração de feições de interesse. Palavras-chave. Análise e processamento de imagens, Morfologia matemática, Detecção automática, Sensoriamento remoto, Filtros de suavização.
Resumo. Nosúltimos anos o uso de fontes renováveis de energia tem impactado diretamente no paradigma de geração energética devidoà capacidade de produzir energia de forma limpa e sustentável. Neste contexto, a expansão da energia eólica, em especial, no nordeste brasileiro, tem correspondido com cerca de 85% da geração nacional nessa categoria. Assim, visando otimizar o planejamento energético e as políticas de segurança pública de geração de eletricidade, este trabalho endereça o problema da predição do vento em um dos parques eólicos do estado da Bahia. Mais especificamente, este estudo explora, a partir de ferramentas de Aprendizado de Máquina, uma base de dados disponível pela EPE (Empresa de Pesquisa Energética) do primeiro complexo eólico baiano. Desta forma, foram aplicados dois modelos de Redes Neurais: Multi Layer Percepton (MLP), e Nonlinear Auto-Regressive with Exogenous Input (NARX) para predizer a velocidade do vento. Estudos de validação foram conduzidos a fim de verificar o grau de assertividade dos modelos na tarefa predição, conforme discutido neste estudo. Palavras-chave. Energia, energia eólica, Bahia, redes neurais, modelos não-lineares.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.